T/XXXXXXXXX—XXXX水產品貨架品質可視化預測預警技術體系本文件規定了水產品貨架品質可視化預測預警技術體系總體框架、預測預警及其可視化等內容。本文件適用于指導水產品銷售端有關水產品貨架品質可視化預測預警技術體系的設計與實施。其他涉及水產品生產、加工、冷鏈物流等企業可參照執行。2規范性引用文件下列文件中的內容通過文中的規范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB2733食品安全國家標準鮮、凍動物性水產品GB5009.208食品安全國家標準食品中生物胺的測定GB5009.228食品安全國家標準食品中揮發性鹽基氮的測定GB5009.237食品安全國家標準食品pH值的測定GB/T9695.19肉與肉制品取樣方法GB/T29858分子光譜多元校正定量分析通則GB/T36531生產現場可視化管理系統技術規范GB/T38493感官分析食品貨架期評估（測評和確定）3術語和定義GB/T29858中界定的及下列術語和定義適用于本文件。3.1水產品aquaticproduct魚類、貝類、蝦類等海洋和淡水漁業生產的水產動植物產品及其加工產品的總稱。3.2貨架品質shelfquality水產品在指定的貯藏條件下的品質狀態。3.3可視化visualization利用計算機圖形學和圖像處理技術，將數據轉換成圖形或圖像在屏幕上顯示出來，再進T/XXXXXXXXX—XXXX行交互處理的理論、方法和技術。3.4樣品sample具有代表性的、基本覆蓋蛋白質、揮發性鹽基氮、pH值、組胺含量最小至最大范圍、滿足相關過程對樣品量基本需求、同一品種、同一部位的不同水產品。3.5新鮮度freshness根據蛋白質變性、揮發性鹽基氮、pH值、組胺等指標，綜合判定的魚類新鮮度的程度，分為兩個等級：新鮮、不新鮮。3.6校正模型calibrationmodel描述監測數據與水產品貨架品質之間關系的數學表達式。3.7分類準確率modelaccuracy分類結果準確的數量準確的數量與樣品總數量的比值，按公式（1）計算，用百分數表示。分類準確率=正確品數×100%(1)3.8決定系數coefficientofdetermination(R2)樣品貨架品質預測值與測定值之間相關系數的平方，按式（2）進行計算。式中:yi——樣品i的標準理化分析方法測定值；i——樣品i的貨架品質信息預測值； yi——標準理化分析方法測定值的平均值；m——樣品數量。3.9相對分析誤差relativepercentdeviation(RPD)校正模型可解釋的變異占總變異的比重，是評價模型擬合程度的一項指標，是樣品的蛋白質、揮發性鹽基氮、pH及組胺的預測值與標準理化分析方法測定值之間相關系數R的平方，按式（2）進行計算。T/XXXXXXXXX—XXXX式中:yi——樣品i的標準理化分析方法測定值；i——樣品i的貨架品質預測值； yi——標準理化分析方法測定值的平均值；m——樣品數量。4總體框架總體框架見圖1，總體框架分為感知層、傳輸層、數據層、應用層、展示層五大部分：圖1總體框架圖4.1感知層感知層主要是針對預測預警所需信息的采集和監測，包括貨架環境信息和水產品貨架品質信息。4.2傳輸層傳輸層主要是描述數據傳輸所選用的傳輸方式，包括通信網、互聯網、物聯網，為數據互通提供保障。T/XXXXXXXXX—XXXX4.3數據層將監測數據統一傳輸至數據管理中心分析處理，構建相應校正模型，為水產品貨架品質可視化預測預警技術體系應用提供基礎，并將數據存入數據庫進行存儲管理。4.4應用層在數據層的基礎上，通過數據處理和存儲，可以將監測數據（環境信息、水產品品質信息）等進行可視化展示，保證貨架銷售透明度的同時增強消費信心。依據監測數據建立模型算法，預測預警水產品貨架品質。4.5展示層展示層主要是通過管理平臺、大屏展示、手機APP、網絡平臺等方式實現監測數據及預測預警結果的可視化。5數據準備5.1數據監測5.1.1貨架環境信息監測貨架環境信息監測包括溫度、濕度、光照、污染物等。通過傳感器、測試儀等實時采集環境數據，及時發現異常并預警，環境指標也能作為校正模型輸入，評估水產品品質變化。5.1.2水產品品質信息監測5.1.2.1感官特性監測應遵循GB/T38493的規定，通過攝像頭、感官檢測等方法監測水產品在外觀、氣味、滋味、質地、三叉神經感覺和風味等方面的感官特性變化。5.1.2.2智能包裝的監測應通過攝像頭等設備實時監測水產品的智能包裝（如pH敏感標簽、溫度敏感標簽等實現水產品品質信息的監測。5.2數據整合與處理5.2.1數據整理原則5.2.1.1歸類存儲：收集水產品所在的貨架環境信息以及水產品品質信息的歷史和現狀數據，并歸類存入數據庫中存儲管理。5.2.1.2數據融合或對比：不同途徑獲取的數據在使用前應進行數據融合或比對分析,在預測預警結果分析時應充分考慮不同途徑數據源之間的差異。6預測預警要求6.1標準理化分析方法測定6.1.1取樣T/XXXXXXXXX—XXXX按GB/T9695.19規定執行。6.1.2蛋白質蛋白質測定應符合GB5009.5的規定。6.1.3揮發性鹽基氮揮發性鹽基氮的測定應符合GB5009.228的規定。6.1.4pHpH的測定應符合GB5009.237的規定。6.1.5組胺組胺的測定應符合GB5009.208的規定。6.2校正模型算法構建參與構建校正模型的樣品應具有代表性，同一種樣品應包含但不限于產地、尺寸、部位等，訓練集樣本的數量應超過100個以保證模型參數的有效擬合，應選擇合適的預處理方法對貨架環境信息數據和水產品品質信息進行預處理，選擇合適的信息以及數目，選擇合適的化學計量學方法，建立校正模型。采用交叉驗證的方法，提升模型的訓練優度。分類模型通過公式1的準確率來評價，校正模型的性能通過RPD，R2，等指標來評價。相關評價指標的要求見表1。表1校正模型預測評價指標項目準確率R2RPD蛋白質評價指標≥95%≥0.9≥3.0揮發性鹽基氮評價指標≥98%≥0.93≥3.5pH值評價指標≥90%≥0.85≥2.5組胺評價指標≥94%≥0.88≥2.86.3結果輸出與分析6.3.1測量結果應在所使用的校正模型所覆蓋的蛋白質、揮發性鹽基氮、pH值和組胺含量范圍內。6.3.2每個樣品兩次測定結果絕對差值不得大于算術平均值的10%，計算平均值作為最終檢測結果，否則記錄為異常測量。6.3.3預測結果分析目標水產品理化指標變化、新鮮度等級和貨架期。6.3.4新的監測數據獲得之后,應及時分析前次預測效果,進行模型優化。6.4模型運行T/XXXXXXXXX—XXXX基于選定的校正模型，訓練確定模型輸入層、隱含層及輸出層的內部參數，調整設定校正模型的權值、閾值和偏置值等，輸入最新獲得的輸入參數運行校正模型，計算得到預測預警時間范圍內的水產品品質信息。6.5預警條件設置6.5.1感官特性:按照GB2733的規定設置相應要求和閾值。6.5.2新鮮度：不同新鮮度等級，新鮮、次新鮮、腐敗可按照綠色、黃色、紅色來劃分。6.5.3貨架期：預測得到的貨架期結果為品質保持期限，接近或超出該期限時及時預警。6.5.4理化指標：按照GB2733的規定設置相應要求和閾值。6.6預測預警時間范圍預測預警的時間范圍應基于水產品的全生命周期設置,時間間隔不大于1天,對于易變質或新鮮度要求高的水產品必要時可縮短至1小時。7貨架品質可視化預警預測7.1可視化內容可視化內容應涉及有關水產品貨架品質的信息，包括貨架環境、感官特性、智能包裝等監測數據，以及校正模型計算得到的水產品貨架品質，即新鮮度、貨架期和理化指標參數等。7.2可視化形式對于各類數據，應根據數據特點，結合可視化展示圖元和可視化展示手段，對監測數據和預測預警結果進行展示。可視化展示圖元應包括餅圖、柱形圖、氣泡圖、趨勢曲線、雷達圖、刻度盤和信息表格等。可視化信息展示手段應包括管理平臺展示、大屏展示、手機APP推送、公共平臺展示等。7.3可視化接口7.3.1可視化展示的數據交互應支持多種查詢方式，包括按關鍵字查詢、按指定屬性查詢、按指定屬性集合查詢、模糊查