基于机器学习的肉鸡沙门氏菌污染风险敏感性分析  

Sensitivity analysis of Salmonella pollution risk in broiler chickens based on machine learning

作　　者：瞿孝云 肖兴宁 肖英平[2] 刘元杰 杨力 张建民[1] 杨华[2] 汪雯[2] QU Xiaoyun;XIAO Xingning

机构地区：[1]华南农业大学,人兽共患病防控制剂国家地方联合工程实验室,农业农村部人畜共患病重点实验室,广东省动物源性人兽共患病预防与控制重点实验室,广州510642 [2]浙江省农业科学院农产品质量安全与营养研究所,农产品质量安全危害因子与风险防控国家重点实验室,农业农村部农产品质量安全风险评估实验室(杭州),杭州310021 [3]中国农业大学信息与电气工程学院,农业农村部农业信息获取技术重点实验室,现代精细农业系统集成研究教育部重点实验室,北京100083 [4]中国计量大学信息工程学院,杭州310018

出　　处：《农产品质量与安全》2021年第6期41-46,共6页Quality and Safety of Agro-Products

基　　金：沃尔玛基金会(SA1703164)。

摘　　要：为探究机器学习方法在肉鸡宰后沙门氏菌污染率风险分析中的适用性,将基于分类算法的支持向量机、朴素贝叶斯、神经网络等模型运用到细菌污染率的风险预测中,结合随机森林算法对细菌污染风险进行敏感性分析。模型以日屠宰量、环境温度、环境湿度、宰前污染率、浸烫环节交叉污染、掏膛环节交叉污染、预冷水氯浓度为输入值,肉鸡宰后污染率为输出值。采用训练数据集拟合,验证数据集评估模型的预测效果。结果显示,训练后的支持向量机模型(AUC>0.7,ER=23.8%,RMSE=0.42)对肉鸡宰后沙门氏菌污染率的拟合效果较好。敏感性分析表明,环境温湿度、宰前污染率、掏膛环节的交叉污染及预冷水氯浓度是影响宰后污染率变化的重要因素。本研究可为微生物污染率风险预警提供重要信息。

关 键 词：机器学习 肉鸡屠宰 沙门氏菌污染率 风险敏感性分析 

分 类 号：TS251.55[轻工技术与工程—农产品加工及贮藏工程] TP181[轻工技术与工程—食品科学与工程]