京公网安备 11010802034615号
经营许可证编号:京B2-20210330
专家如何看待大数据时代的食品安全
7月8日下午,以“大数据时代:共筑全球食品安全”为主题的大数据时代的食品安全论坛召开。复旦大学校长、复旦发展研究院院长、中国科学院院士许宁生致辞,贵州省人民政府原省长、中国食品工业协会原会长石秀诗,中国工程院院士、中国工程院原副院长邬贺铨,美国联邦政府食品药物管理局、食品安全与营养应用中心研究员Perry G.Wang,蒙牛乳业(集团)股份有限公司质量技术总监宋晓东,德国农业协会DLG食品培训中心主任Simone Schiller,德国弗劳恩霍夫技术协会食品安全联盟主席Mark Bücking,德国杜伊斯堡埃森东亚研究所首席研究员Martin Heinberg,国家食品安全风险评估中心技术总师吴永宁,新西兰初级产业部MPI、亚太食品安全中心执行董事Helen Darling,茅台集团党委书记兼总经理李保芳等嘉宾发表了主题演讲。
石秀诗: 确保食品安全必须在治本上下功夫,一是要强化法治约束,着力构建食品安全社会共治格局;二是要紧紧抓住源头治理,把农业种植养殖环节的安全风险隐患尽快降下来;三是要加快建立健全食品安全诚信自律制度,把食品安全主体责任真正落实到每一个食品生产经营者;四是要进一步加强食品安全全程追溯管理,保证不安全隐患能准确及时发现,妥善处理,确保安全。
邬贺铨: 食品安全需要对食品从生产到销售全链条管理,需要法律保障,需要从生产、流通、使用、监管、科技和法制等多方面来把关。大数据可以起到对食品安全的“补天石”作用,但也需要挖掘与提炼。食品安全大数据需要政府、企业、民众共同提供。
Perry G.Wang: FDA(食品及药物管理局)帮助美国各地维持高水平的食品安全,为其提供指导、模型规范、培训等技术支持。食品安全营养中心主要关注食品安全、食物防御、营养、保健品和化妆品安全等五个领域。
宋晓东: 蒙牛集团应用物联网技术,依托DC305、LIMS等系统,打造产业链产品的监控管理和追溯体系,保障产业链的食品安全控制能力。利用质量大数据分析,对物料、产品的核心指标进行信息化实时管理,实现质量自动化、数字化的管理,达到产品质量实时监控,从而保障食品安全。
Simone Schiller: DLG(德国农业协会)系统是通过对流程和产品认证两个方面的把控来实现食物监测和认证。流程认证包括审计生产设施、文件及可追溯性,并且可以控制食品安全和卫生。产品认证是包括实验室测试、评估报告及感官测试等方式。
Mark Bücking: 食品安全的驱动力有消费者、媒体或政治、科学及管理。我们主要是通过控制整个食品供应链保证食品安全。大数据的解读和分析对食品安全领域是很重要的挑战。
Martin Heinberg: 中国消费者对食品安全有很高的认识,但是食品安全的知识、标签及鉴别能力有限,通过消费者教育、消费者保证、可靠的信息源及质量标识来降低此类风险。
吴永宁: 国家需要建立统一的食品安全国家标准制度、实施国家食品安全风险监测及评估制度、建立全程食品安全溯源制度来保障食品安全。风险控制是保障食品安全的现实目标,并通过危害识别、危害特征描述、暴露评估及风险特征描述等四个步骤进行评估。
Helen Darling: 现在我们面对的挑战是建立依靠标签来识别那些无法鉴别的食物是什么,以及开发一些测试去鉴定该标签鉴定是否正确的一些方法。通过知道生产方法、了解供应链缺陷、适当运用科技、了解供应链合作伙伴、建立可信的合作关系以及了解贸易的地缘政治环境去建立品牌和降低风险,从而减少食物欺诈的现象。
李保芳: 在大数据战略的指引下,不断推动工业化与信息化的融合,启动“大数据茅台”战略,将生产销售流程与质量标准体系大数据化,搭建种、购、产、存、销全产业链的大数据平台,实现生产全过程信息的数据化采集,为食品安全建设精准的大数据体系。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16