[发明专利]一种提高食品安全预测模型鲁棒性的方法及装置

说明书

本发明提出了一种提高食品安全预测模型鲁棒性的方法，所述方法包括：获取食品中待检测危害物的含量数据；根据所述待检测危害物的含量数据进行增大噪声处理，模拟噪声方差的增大，获取增大噪声方差的数据；在增大噪声处理后获得的数据的基础上添加突变点，模拟添加数据的突变，获取添加突变的数据；搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型。本发明通过科学的数据处理模拟了实际危害物测量环节的测量噪声及错误，训练出的模型在实际应用中拥有更好的鲁棒性。

技术领域

本申请涉及食品安全检测领域，尤其涉及一种提高食品安全预测模型鲁棒性的方法及装置。

背景技术

因为物联网技术的发展，人们可以获得食品供应链中越来越多的信息，再加上机器学习与人工神经网络的发展，食品供应链风险的预警变为现实，越来越多的食品安全预测模型出现。但这些食品安全预测模型有很大的潜在风险。

机器学习模型可以帮助人们做出预测和决策制定，在自动驾驶、股票走势、天气预报等领域广泛应用，机器学习模型的性能决定了每次预测效果，实际应用中模型的性能不好可能会带来灾难性的后果。在食品安全预测领域，实际测量的食品危害物含量可能因为传感器性能、读数错误、仪器损坏等原因，不可避免会出现测量噪声及错误的情况，如果模型的容错率太低而造成危害物含量的错误预测，那么结果不堪设想。正因为食品安全监测对准确率的要求极为严格，所以真的将这些机器学习模型预测方法运用到实际的食品安全检测时，提高机器学习模型的鲁棒性就成为一个极为关键的环节，但目前对于机器学习模型的鲁棒性问题研究还存在一定的空白。

发明内容

为解决上述技术问题之一，本发明提供了一种提高食品安全预测模型鲁棒性的方法及装置。

本发明实施例第一方面提供了一种提高食品安全预测模型鲁棒性的方法，所述方法包括：

获取食品中待检测危害物的含量数据；

根据所述待检测危害物的含量数据进行增大噪声处理，模拟噪声方差的增大，获取增大噪声方差数据；

在增大噪声处理后获得的数据的基础上添加突变点，模拟添加数据的突变，获取添加突变数据；

搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型。

优选地，所述根据所述待检测危害物的含量数据进行增大噪声处理，模拟噪声方差的增大，获取增大噪声方差数据的过程包括：

根据所述待检测危害物的浓度数据获取食品中待检测危害物在各个加工阶段的危害物衰减率；

根据所述危害物衰减率，添加高斯白噪声模拟实际的测量噪声，并增大数据的噪声方差，获取增大噪声方差数据。

优选地，所述搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型的过程包括：

将所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据分别划分为训练集和测试集；

通过所述训练集和测试集分别对所述食品安全预测模型进行测试，获得测试结果；

计算所述测试结果的均方根误差，根据所述测试结果的均方根误差筛选出性能最优的食品安全预测模型。

优选地，所述搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型的过程还包括：