基于極限學習機的低溫液態(tài)乳制品中金黃色葡萄球菌污染程度預測方法

王建新，張懿文，連夢雪，王曄茹

(1.北京林業(yè)大學信息學院，北京100083；2.國家食品安全風險評估中心，北京100021)

金黃色葡萄球菌較易污染蛋白質含量較高的食品，比如魚、肉、蛋、乳及其制品[1]。與其他制品不同，乳及乳制品在制作完成后一般不再進行二次烹飪，更容易受到金黃色葡萄球菌及其所產(chǎn)腸毒素的威脅，由其引發(fā)的食物中毒事件在全球范圍內(nèi)普遍存在[1-2]。我國巴氏殺菌乳國家標準(GB 19645—2010)中規(guī)定，金黃色葡萄球菌在同一批次采集5個樣品，均不得檢出。因此，對金黃色葡萄球菌進行風險評估具有重要的現(xiàn)實意義。

我國目前所進行的微生物風險評估多數(shù)聚焦在零售和消費環(huán)節(jié)，較少從源頭上即從原料及生產(chǎn)加工環(huán)節(jié)開展風險評估[3]。此外，我國微生物風險評估的基礎數(shù)據(jù)大多來源于食品監(jiān)測和專項調(diào)研數(shù)據(jù)，在食品生產(chǎn)加工、運輸貯藏等多個環(huán)節(jié)中的關鍵數(shù)據(jù)普遍存在缺失情況[4]。關鍵環(huán)節(jié)數(shù)據(jù)的獲取成為微生物風險評估的難點。在無法獲取充足數(shù)據(jù)的情況下，對食品風險評估系統(tǒng)進行多環(huán)節(jié)定量預測研究成為研究者關注的重點。

近年來，低溫液態(tài)乳制品已成為居民日常高頻消費的食品[5]，其運輸多為冷鏈物流，對溫度要求較為嚴格[6]。我國的冷鏈運輸尚處于起步階段，冷鏈運輸過程中的監(jiān)控不夠嚴密或監(jiān)控缺失，對于制冷機關閉、未提前預冷等情況無法做到準確把握[7-8]，這使低溫液態(tài)乳制品容易受到金黃色葡萄球菌等食源性致病菌的污染，也會在一定程度上限制食品相關商貿(mào)供應鏈發(fā)展[6,8]。建立并且完善整個冷鏈鏈條，實現(xiàn)數(shù)據(jù)和信息的一體化是解決問題的關鍵[9]。雖然已有試點的一體化監(jiān)控冷鏈[10-11]，但由于技術和成本等原因，大面積的推廣應用還需要相當長的時間。因此，需要基于不完善的低溫液態(tài)乳制品冷鏈監(jiān)控數(shù)據(jù)，充分利用智能算法，達到或接近獲取完善的冷鏈監(jiān)控信息的目的。

1 預測方法和模型的選擇

影響低溫液態(tài)乳制品中金黃色葡萄球菌繁殖的因素主要集中在初始污染濃度、溫度、濕度、pH、繁殖時間和容器類型上。這些因素對應的變量是原因變量。在歷年國家食品污染和有害因素風險監(jiān)測以及體系檢查過程中，管理部門積累了原因變量和對應結果變量(即時段末端的最終污染濃度值)的大量數(shù)據(jù)，研究人員可充分利用這些數(shù)據(jù)，找到原因和結果之間的數(shù)量關系，在允許存在部分數(shù)據(jù)缺失的情況下，根據(jù)數(shù)據(jù)中蘊含的規(guī)律補全缺失值，從而實現(xiàn)預測和診斷的目的。

線性回歸的方法是建立原因變量和結果變量之間關系的傳統(tǒng)方法，但由于該方法僅限于線性關系，不能建立復雜的、高度非線性的關系，因此，對于從多原因變量數(shù)據(jù)預測結果變量的微生物濃度預測需求，線性回歸方法是不合適的。BP(back propagation)神經(jīng)網(wǎng)絡，能夠反映高度非線性的映射關系，在乳制品質量安全風險預警中起到了顯著作用[12]。但是，BP神經(jīng)網(wǎng)絡的訓練過程復雜、耗時較長，當數(shù)據(jù)量較大時，這個問題更為嚴重。極限學習機是神經(jīng)網(wǎng)絡的一種，已在很多領域得到了廣泛的應用，取得了良好的效果[13]。極限學習機有諸多優(yōu)勢：①極限學習機的結構簡單，只有三層網(wǎng)絡結構，一層輸入層、一層隱藏層、一層輸出層；②傳統(tǒng)的神經(jīng)網(wǎng)絡模型訓練一般是迭代執(zhí)行的，需要經(jīng)歷大量的迭代步驟，因而耗費大量的訓練時間，一般是幾十分鐘甚至更長，而極限學習機的訓練是基于最小二乘法的，訓練時間一般能控制在1 s之內(nèi)；③極限學習機的預測準確度通常也比較高[14]，這是因為所有的訓練數(shù)據(jù)一次性使用，避免了因訓練數(shù)據(jù)集中的部分噪聲數(shù)據(jù)而使得待估計參數(shù)遠離中心點。綜上，本研究把極限學習機作為預測低溫液態(tài)乳制品中金黃色葡萄球菌濃度和進行條件推斷的計算工具。

與其他神經(jīng)網(wǎng)絡模型類似，極限學習機并不能很好地擬合指數(shù)型映射關系，但微生物繁殖過程大致遵循指數(shù)增長函數(shù)，因此，本研究把極限學習機模型與指數(shù)增長函數(shù)相結合，也就是將微生物繁殖機制嵌入極限學習機模型中，更好地擬合原因變量和結果變量之間的復雜映射關系，以構建低溫液態(tài)乳制品多環(huán)節(jié)金黃色葡萄球菌濃度超標的預警模型，試圖通過訓練、計算和預測，改善現(xiàn)階段有關數(shù)據(jù)匱乏的現(xiàn)狀，提供針對每個環(huán)節(jié)預測的工具。

2 數(shù)據(jù)來源與優(yōu)化方法

2.1 數(shù)據(jù)來源

本研究基于2017年低溫液態(tài)乳制品中金黃色葡萄球菌的專項監(jiān)測及相關的環(huán)境數(shù)據(jù)(合作工廠提供)，其中包含有初始污染濃度、溫度、濕度和繁殖時間等變量，數(shù)據(jù)涵蓋了生產(chǎn)加工、運輸、存儲和消費等多個環(huán)節(jié)，其中，最終濃度值是結果變量，其他全部是原因變量。因真實數(shù)據(jù)保密要求，筆者在真實數(shù)據(jù)基礎上通過函數(shù)映射和增加隨機擾動，生成了模擬數(shù)據(jù)。具體模擬數(shù)據(jù)格式見表1。

表1 低溫液態(tài)乳制品中金黃色葡萄球菌相關數(shù)據(jù)格式

從表1可以看出：原因變量和結果變量之間沒有直觀的映射關系和規(guī)律，下一步需用采用非線性的映射模型。

2.2 啞變量變換、數(shù)據(jù)集分割和數(shù)據(jù)歸一化

在原因變量中，“容器類型”是一個類型變量，其值包括A、B和C共3種，但這些值是類型，不是數(shù)值，不能直接參與極限學習機的訓練和預測，需要把它轉變?yōu)閿?shù)值型變量。轉變的規(guī)則是：如果類型變量有幾個值，就轉變?yōu)閹讉€數(shù)值型變量，每個變量只取0、1。這樣相對應的數(shù)值型變量稱為啞變量。如果類型變量的值為A，則啞變量a的值為1，其他啞變量b和c的值為0。轉變前后的變量值如表2所示。

a、b、c這3個啞變量并不是獨立的，由其中任意2個啞變量的值可以得到另外1個啞變量的值[15]。這是因為3個變量中有且僅有1個變量的值為1，其余變量的值為0。例如，如果a和b的值分別為0和1，則可以推斷c的值為0；如果a和b的值都是0，則可以推斷c的值為1。因此，筆者只保留2個啞變量a和b，舍棄啞變量c。

表2 類型變量轉變?yōu)閱∽兞?/p>

為了驗證算法的準確率和性能，筆者把數(shù)據(jù)集分為2個部分：訓練集和測試集，其中，訓練集約占2/3，用于訓練模型；其余約1/3用于模型測試和比較。

對所有的輸入數(shù)據(jù)，不在[0，1]區(qū)間的屬性值要通過縮放和平移，轉化為[0，1]范圍內(nèi)屬性值，并作為輸入值輸入極限學習機算法中去，對訓練集和測試集中的數(shù)據(jù)必須做統(tǒng)一的縮放和平移操作才能保證算法的正確性。

2.3 總體框架

檢測低溫液態(tài)制乳品中金黃色葡萄球菌濃度的具體環(huán)節(jié)是分別檢測加工前濃度、生產(chǎn)加工后/運輸前的濃度、運輸后/消費前的濃度、食用前的濃度。金黃色葡萄球菌的風險過程描述如圖1所示。

圖1 低溫液態(tài)乳制品中金黃色葡萄球菌污染的風險過程描述Fig.1 Risk profile of S.aureus in low temperature dairy products

加工前濃度指的是生牛乳中金黃色葡萄球菌的濃度。我國生牛乳中攜帶金黃色葡萄球菌的比例較高[1]。生牛乳的加工過程，包括對生牛乳進行預熱、加熱滅菌、冷卻、包裝等操作，在這一系列過程中，生產(chǎn)加工工具帶菌、操作人員帶菌、產(chǎn)品加熱滅菌環(huán)節(jié)不充分、產(chǎn)品包裝不嚴密等情況均可能導致金黃色葡萄球菌的污染[16]。

在運輸貯藏過程中，對于溫度的要求較高。在運輸過程中，運輸車輛如果無法達到規(guī)定要求的溫度，那么溫度的升高易導致金黃色葡萄球菌的較快繁殖。消費者購買乳制品并進行貯藏時，如無法確保處于低溫狀態(tài)，也可能導致金黃色葡萄球菌的大量繁殖。

從生產(chǎn)加工階段起，通過分析與金黃色葡萄球菌增殖相關的關鍵因素，即初始污染菌濃度、時間、溫度、濕度、pH及容器類型等，獲得金黃色葡萄球菌在不同影響因素數(shù)值組合下產(chǎn)生的不同預測結果，其中，每環(huán)節(jié)最后的輸出結果值作為下一環(huán)節(jié)的初始輸入值，采用既定的算法及其組合，利用已有的數(shù)據(jù)進行訓練得到網(wǎng)絡結構，構建預測評估模型。如果需要預測評估多環(huán)節(jié)中的金黃色葡萄球菌及腸毒素濃度，則需要進行兩個方面的選擇：一是選取待預測數(shù)據(jù)集文件；二是選取相對應的網(wǎng)絡結構。其中，待預測數(shù)據(jù)集文件中包含的數(shù)據(jù)缺少最終的結果，而網(wǎng)絡結構中包含訓練學習得到的極限學習機的大量連接權重，二者結合才能夠得到相應的預測數(shù)據(jù)集。

功能之相反，從菌濃度等因素倒推時間、溫度等有時未知的因素，可以判定具體環(huán)節(jié)的具體原因變量出現(xiàn)問題，從而能夠查找問題根源，劃清責任。所用逆向的診斷方法與正向的預測方法完全一致，因此，本文重點闡述預測方法。

2.4 算法選擇和改進方法

從表1可以看出，相關變量之間是典型的多個原因變量影響一個結果變量的關系。雖然極限學習機模型能夠擬合這種數(shù)量關系映射，但是現(xiàn)有的模型存在固有的缺陷：預測過程是一個黑盒，對外不可觀察，只考慮輸入和輸出，并不考慮問題本身的顯式數(shù)據(jù)規(guī)律。所以，針對具體的問題，極限學習機在預測準確率提升方面還有改進的空間。

金黃色葡萄球菌繁殖呈指數(shù)增長，時間是影響金黃色葡萄球菌繁殖的最直接因素[17]，但被極限學習機作為普通因素對待；指數(shù)增長規(guī)律也是該研究中的一條影響變化的深刻規(guī)律，被極限學習機視為數(shù)據(jù)間的一般規(guī)律。

為此，本研究改變極限學習機的結構，把時間變量和指數(shù)增長規(guī)律進行單獨計算后,再參與到極限學習機的運行過程，使得微生物繁殖的基本規(guī)律與極限學習機有機地結合起來。結合的主要原則是減少時序因素對極限學習機的影響，直接處理指數(shù)關系映射問題，從而得到更精準的預測結果。

為了實現(xiàn)本研究的算法，實驗用計算機的配置是臺式機，Windows10操作系統(tǒng)，CPU為英特爾I7處理器，DDR3內(nèi)存16G，編程語言為Java1.8。

3 結果與討論

3.1 改進的計算算法

時段末端的最終污染菌濃度用式(1)估算。

(1)

式中：i為初始污染菌濃度，c為最終污染菌濃度，T為繁殖倍增周期，t為繁殖時長。

式(1)得到的值作為極限學習機的一個輸入，但要在原極限學習機中刪除時長這個輸入變量，因為該變量已經(jīng)在指數(shù)函數(shù)中體現(xiàn)了。

為了闡述清楚二者結合的機制，示例如下。假設金黃色葡萄球菌的初始污染菌濃度為1 000 CFU/g，時間為78 h，繁殖倍增周期為36 h，上述數(shù)值都納入極限學習機的輸入中。如果使用微生物繁殖機制與極限學習機相結合，則這些值都要從極限學習機的輸入變量中刪除，繼而替換為通過式(1)計算獲得的數(shù)據(jù)，由此得到

二者結合前后，極限學習機的結構變化如圖2所示。

圖2 極限學習機與微生物機制相結合前后的結構變化Fig.2 The working structure change before and after combination of microbial mechanism with the extreme learning machine

極限學習機與微生物機制結合的食品風險預測模型構建步驟如下：

(2)

2)設置隱藏層的結點個數(shù)為N，設置輸入層與隱藏層之間的隨機權重為wi=[wi1,wi2,…,win]T∈Rn，設置偏置值bi,i=1,2,...,N。

運用g(x)公式計算出隱藏層的輸出矩陣H和權值β(β=H+Y)，其中，H+是H的摩爾-彭羅斯廣義逆矩陣。極限學習機中輸入節(jié)點和隱藏節(jié)點之間的權重被設置成隨機值，在[0,1]之間。所有隱藏節(jié)點與輸出節(jié)點之間的權重則是通過對訓練數(shù)據(jù)進行機器學習后獲得。

3)構建極限學習機與微生物機制結合的食品風險評估模型，得到預測數(shù)值?；跇O限學習機的預測值為

(3)

其中，

(4)

3.2 儲存環(huán)節(jié)極限學習機和改進算法計算結果對比

根據(jù)金黃色葡萄球菌檢測數(shù)據(jù)，對單獨使用極限學習機進行運算和使用極限學習機與微生物機制結合的改進算法運算進行對比實驗。以儲存環(huán)節(jié)為例，展示儲存環(huán)節(jié)的檢測和預測數(shù)據(jù)，結果如圖3所示。圖3比較了極限學習機結合微生物繁殖原理前后對金黃色葡萄球菌濃度的預測準確度。圖3的縱坐標分別表示實驗檢測的真實值、把儲存條件數(shù)據(jù)輸入極限學習機而計算獲得的值、把儲存條件數(shù)據(jù)輸入改進的極限學習機而計算獲得的值。

圖3 儲存環(huán)節(jié)極限學習機與微生物繁殖機制結合前后的預測結果比較Fig.3 Comparison of prediction results between pre-and post-combination of the extreme learning machine and microbial reproduction mechanism during storage

由圖3可知：2種算法都有比較好的預測性能，比較接近實驗檢測值。

由于各數(shù)據(jù)組中的數(shù)據(jù)并不是由相同條件產(chǎn)生的，也就是初始污染濃度、溫度、濕度和容器類型等條件不完全一致，本研究分別計算不同條件下相對于不同基準值的預測值百分比誤差，然后取平均值得到預測的平均百分比誤差(μpy)，具體計算見式(5)。

(5)

式中：xi和yi分別表示真實濃度值和預測濃度值，i=1,2,…,n；其中，n是數(shù)據(jù)的組數(shù)。

由對比實驗結果可知，2種方法都能夠比較準確地預測各環(huán)節(jié)的濃度值。但是，結合微生物繁殖機制之后，雖然有些環(huán)節(jié)預測準確性基本保持不變，但有些環(huán)節(jié)的預測準確度有了明顯的提升，μpy更小，從14.77%降至2.85%。

極限學習機的工作原理是非線性加權，會削弱明確的指數(shù)關系(菌群繁殖與時長的關系)的影響，因此將極限學習機與微生物機制結合，將時間作為一個輸入屬性，代入生物繁殖規(guī)律函數(shù)中，進而把極限學習機輸入值中初始污染和時間2個變量轉換為由微生物繁殖規(guī)律所產(chǎn)生的函數(shù)計算值。將明確的關系不參與到極限學習機的學習和計算中，而是直接獲取，去除了時間因素對極限學習機的影響，成功解決了極限學習機和其他工具不能很好地處理指數(shù)關系映射的問題。

研究結果也表明：數(shù)據(jù)訓練集的數(shù)量會很大程度上影響預測和診斷結果的質量；而且，訓練集中涉及的條件范圍越廣、組合越復雜，預測效果就會越好。因此，后續(xù)需要在加強各個環(huán)節(jié)數(shù)據(jù)的收集和融合基礎上，對算法進行更進一步的完善和驗證。

4 結論

本文將極限學習機與微生物機制相結合，應用于食品安全風險評估中，以金黃色葡萄球菌多環(huán)節(jié)風險預警為例，利用極限學習機和微生物繁殖機制結合的改進算法對金黃色葡萄球菌在各個環(huán)節(jié)、不同影響因子值下的生長繁殖情況進行擬合、預測和推斷，從而構建了不同情境下金黃色葡萄球菌濃度的預測模型。該模型可以對未檢測或缺失的變量值做出比較準確的估計，訓練執(zhí)行效率和預測執(zhí)行效率都非常高。本研究可為低溫液態(tài)乳制品多環(huán)節(jié)中金黃色葡萄球菌的預測及診斷提供快速的預篩功能，迅速定位問題環(huán)節(jié)，對實驗檢測起到便捷的輔助作用。