(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211027448.3 (22)申请日 2022.08.25 (71)申请人 湖北省食品质量 安全监督检验研究 院 地址 430000 湖北省武汉市东湖高新 技术 开发区药监 二路8号 (72)发明人 文红　陈锂　尹佳　穆书敏　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 项辰 (51)Int.Cl. G06K 9/62(2022.01) G06Q 50/26(2012.01) (54)发明名称 食品综合风险等级影响因素分析方法及装 置 (57)摘要 本申请涉及食品技术领域， 提供一种食品综 合风险等级影 响因素分析方法及装置。 该方法包 括： 根据第一待处理数据中的食品检验结果得到 单个食品的第一综合风险等级； 对少数综合风险 等级的食品数据进行重抽样， 得到第二待处理数 据； 根据第二待处理数据进行特征构造和独热编 码， 得到第三待处理数据； 对第三待处理数据进 行影响因素分类， 得到待处理数据集； 构造集成 学习模型， 将待处理数据集输入集成学习模型， 得到单个食品种类的第二 综合风险等级； 根据第 二综合风险等级与对应影 响因素之间的关系， 确 定影响因素对第二综合风险等级的影 响程度。 本 申请提供的方法可以更加精准全面地得到重要 影响因素对 食品综合 风险等级的影响程度。 权利要求书2页 说明书15页 附图4页 CN 115456050 A 2022.12.09 CN 115456050 A 1.一种食品综合 风险等级影响因素分析 方法， 其特 征在于， 包括： 根据第一待处理数据中的食 品检验结果得到单个食 品的第一综合风险等级， 所述第 一 综合风险等级包括多 数综合风险等级和少数综合风险等级， 所述多数综合风险等级的食品 数量的数量级大于所述少数综合 风险等级的食品数量的数量级； 对所述少数综合风险等级的食 品数据进行重抽 样， 将所述重抽样的数据加入所述第 一 待处理数据中， 得到第二待处 理数据； 根据所述第二待处 理数据进行 特征构造和独热编码， 得到第三待处 理数据； 对所述第三待处 理数据进行影响因素分类， 得到待处 理数据集； 构造集成学习模型， 将所述待处理数据集输入所述集成学习模型， 得到单个食品种类 的第二综合 风险等级； 根据所述第 二综合风险等级与对应影响因素之间的关系， 确定所述影响因素对所述第 二综合风险等级的影响程度。 2.根据权利要求1所述的食 品综合风险等级影响因素分析方法， 其特征在于， 所述根据 第一待处 理数据中的食品检验结果得到单个食品的第一综合 风险等级， 包括： 对所述第一待处理数据中的单个食 品对应的多个项目的检验结果进行风险等级划分， 得到所述单个食品对应的多个 检验项目的风险等级； 对所述多个检验项目的风险等级进行加权， 并将加权后的所述多个检验项目的风险等 级输入softmax函数， 得到所述单个食品的第一综合 风险等级。 3.根据权利要求1所述的食 品综合风险等级影响因素分析方法， 其特征在于， 所述根据 所述第二待处 理数据进行 特征构造和独热编码， 得到第三待处 理数据， 包括： 根据所述第 二待处理数据中的食 品抽样日期、 食 品生产日期和食 品保质期构造单个食 品的食品新鲜度； 对所述食品生产日期中的月份进行独热编码， 得到编码后的月份； 将所述单个食 品的食品新鲜度和所述编码后的月份加入所述第 二待处理数据中， 将所 述食品抽样日期和所述食品生产日期从所述第二待处理数据中剔除， 得到第三待处理数 据。 4.根据权利要求3所述的食 品综合风险等级影响因素分析方法， 其特征在于， 所述根据 所述第二待处理数据中的食品抽样日期、 食品生产日期和食品保质期构造单个食品的食品 新鲜度， 包括： 若单个食品的食品抽样日期与食 品生产日期一致， 且所述单个食 品的食品保质期 天数 大于1天， 则所述单个食品的食品新鲜度为0； 若单个食品的食品抽样日期与食 品生产日期一致， 且所述单个食 品的食品保质期 天数 等于1天， 则所述单个食品的食品新鲜度为1； 若单个食品的食品抽样日期与食 品生产日期不一致， 则所述单个食 品的食品新鲜度为 所述单个食品的食品抽样日期减去食品生产日期得到的天数， 与所述单个食品的食品保质 期天数的比值。 5.根据权利要求1所述的食 品综合风险等级影响因素分析方法， 其特征在于， 所述构造 集成学习模型， 包括： 利用决策树 算法或极端梯度提升术 算法或随机森林算法构建集成学习模型。权　利　要　求　书 1/2 页 2 CN 115456050 A 26.根据权利要求5所述的食 品综合风险等级影响因素分析方法， 其特征在于， 所述构造 集成学习模型之后， 包括： 利用贝叶斯优化对所述 集成学习模型的超参数进行调节。 7.根据权利要求1所述的食 品综合风险等级影响因素分析方法， 其特征在于， 所述根据 第一待处 理数据中的食品检验结果得到单个食品的第一综合 风险等级之前， 包括： 对抽样数据进行 数据清洗， 得到第一待处 理数据。 8.一种食品综合 风险等级影响因素分析装置， 其特 征在于， 包括： 第一综合风险等级计算模块， 用于： 根据第一待处理数据中的食品检验结果得到单个 食品的第一综合风险等级， 所述第一综合风险等级包括多 数综合风险等级和少数综合风险 等级， 所述多 数综合风险等级的食品数量的数量级大于所述少数综合风险等级的食品数量 的数量级； 重抽样模块， 用于： 对所述少数综合风险等级的食 品数据进行重抽样， 将所述重抽样的 数据加入所述第一待处 理数据中， 得到第二待处 理数据； 特征构造和独热编码模块， 用于： 根据 所述第二待处理数据进行特征构造和独热编码， 得到第三待处 理数据； 影响因素分类模块， 用于： 对所述第 三待处理数据进行影响因素分类， 得到待处理数据 集； 集成学习模块， 用于： 构造集成学习模型， 将所述待处理数据集输入所述集成学习模 型， 得到单个食品种类的第二综合 风险等级； 影响因素分析模块， 用于： 根据所述第二综合风险等级与对应影响因素之间的关系， 确 定所述影响因素对所述第二综合 风险等级的影响程度。 9.一种电子设备， 包括处理器和存储有计算机程序的存储器， 其特征在于， 所述处理器 执行所述计算机程序时实现权利要求1至7任一项所述的食品综合风险等级影响因素分析 方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现权利要求1至7任一项所述的食品综合 风险等级影响因素分析 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115456050 A 3