基于时空Transformer模型的食品监督抽检分类预测研究

来源：中国食品学报杂志2024年第11期北京时间：

作者：罗晓清，郭林，杨雨萌，黄耐云，吴小俊

单位：罗晓清江南大学人工智能与计算机学院 江苏无锡 214122;江南大学 科技部中英人工智能联合实验室 江苏无锡 214122,郭林江南大学人工智能与计算机学院 江苏无锡 214122;江南大学 科技部中英人工智能联合实验室 江苏无锡 214122,杨雨萌江南大学人工智能与计算机学院 江苏无锡 214122;江南大学 科技部中英人工智能联合实验室 江苏无锡 214122,黄耐云江南大学人工智能与计算机学院 江苏无锡 214122;江南大学 科技部中英人工智能联合实验室 江苏无锡 214122,吴小俊江南大学人工智能与计算机学院 江苏无锡 214122;江南大学 科技部中英人工智能联合实验室 江苏无锡 214122,

摘要：目的:研究构建一种时空趋势与风险食品类别相关的多维分析模型，旨在实现对食品安全风险的高效预警，并为监督管理的智能化和精准化提供科学依据和决策支持。方法:依托江苏省市场监督管理局2019年至2024年间的食品抽检数据，设计一种基于时空Transformer的多分类预测模型。该模型深度挖掘食品安全事件在时间与空间维度的演变规律，并建立与风险类别的内在关联，实现对全时空点风险食品类别的预测。为解决多类别数据量差异导致的长尾分布问题，引入加权均方误差损失函数以优化训练，增强模型对尾部类别数据的敏感性。结果:采用4种最高风险类别分类指标与3种全类别风险分类指标综合评估模型的准确性，不仅在已发生风险区域的预测精度上与统计方法相当，而且在全时空范围内实现了全类别风险的高效预测。结论:时空Transformer多分类预测模型为食品安全监管部门提供了一种新颖且有效的工具，能够优化随机抽检策略并提升监管效率。

关键词：时空Transformer; 加权均方误差; 食品抽检; 风险预警; 多分类预测; 食品安全

基金资助：国家重点研发计划项目(SQ2023YFF1100111)；国家自然科学基金项目(61772237)