基于抽检数据的北京市鸡蛋安全状况分析与对策探析

为了解北京市鸡蛋安全状况,本文整理了2018年6月至2022年12月期间北京市市场监督管理局发布的食品安全监督抽检信息公告,挖掘并多维度分析了鸡蛋抽检数据。结果表明:4 509批次抽检数据中,鸡蛋整体合格率为98.71%。散装鸡蛋、脏蛋、无抗蛋及草鸡蛋等存在不合格情况;餐饮类场所的鸡蛋不合格率较高;鸡蛋安全大体呈现“1、3季度合格率低”的季节性特征。北京市场鸡蛋安全问题主要是兽药残留,58批次不合格样本中共涉及9种兽药残留,其中恩诺沙星、氟苯尼考和金刚烷胺残留问题相对严重。建议开展养殖环节用药培训和法规宣讲活动、加强抗生素替代技术的研发和推广应用、加强鸡蛋供应链信息溯源体系建设和应用、优化监管抽查方案和措施,进一步提高首都市场鸡蛋安全监督监管效果。

基于改进MobileNetV3-Large的鸡蛋新鲜度识别模型

鸡蛋在运输贮存过程中一直伴随着品质的不断衰减,如何快速、准确地识别鸡蛋新鲜度是业界和学者们共同关注的话题。针对鸡蛋内部气室和蛋黄等新鲜度特征差异不显著的问题,该研究提出一种基于改进MobileNetV3-Large的轻量级鸡蛋新鲜度识别模型。首先在深度可分离卷积中引入动态卷积(DynamicConvolution,DC)模块,改进后的深度可分离动态卷积模块能够为不同的鸡蛋图像动态生成卷积核参数,提高模型特征提取能力;其次在注意力模块中引入坐标注意力(Coordinate Attention,CA)模块,增强模型对位置信息的感知能力;最后采用3276张鸡蛋图像训练并测试改进的MobileNetV3-DA模型。试验结果表明,MobileNetV3-DA模型在测试集上的准确率为97.26%,分别比ResNet18、VGG19和ShuffleNetV2模型高5.19、0.84和5.91个百分点;模型参数量和计算量分别比MobileNetV3-Large减少1.03和78.64 M;在实际应用中,MobileNetV3-DA模型精确率、召回率和加权分数的平均值分别为95.95%、95.48%和97.82%,达到了理想的识别效果。改进的MobileNetV3-DA模型为鸡蛋供应链各环节进行鸡蛋新鲜度快速、准确识别提供了算法支持。