一种食品安全风险在线评估与控制方法与流程

本发明属于食品安全溯源
技术领域：
，具体涉及一种食品安全风险在线评估与控制方法。
背景技术：
民以食为天，食品的质量安全对人体健康和社会安定有重大影响。例如重金属污染、黄曲霉毒素污染、大肠杆菌污染，农药残留等这些污染物危害严重，一旦出现超标会严重影响食用者的身体健康，甚至危害生命。因此采用及时有效的措施，建立全产业链溯源系统，进行污染源的排查，快速、准确的发现污染源，能够有效的抑制污染的传播，维系社会稳定，降低食品污染对人体的伤害。目前，我国食品溯源系统主要是针对加工企业食品生产基本资质信息的真实性比对进行。食品质量安全的管理关键在于对危害因子的识别与源头认定。由于缺乏溯源技术，食品生产过程的危害因子(如重金属、黄曲霉毒素等有害成分)的含量、是否符合相关标准等数据，缺乏相关的技术及时、可靠的获取，因而难以进行快速准确溯源。根据食品加工的特点，危害的产生可能有原料带入型、环境干预型如生产过程发生的生化反应等。除发酵类的产品外，大多数食品加工过程中重金属、黄曲霉毒素、大肠杆菌、农药残留等的污染主要是由于原料带入而导致的，通常是通过原料的配料、添加物等途径带入成品中。食品的质量安全控制主要是通过对成品的危害成分进行抽样检测完成的，存在采样、检测周期长，危害问题发现不及时，导致不合格产品流入市场，食品安全隐患大等问题。目前对食品加工过程中污染物的研究主要集中在污染物的快速检测等领域。中国发明专利cn105004597b公开了一种用于谷类作物中重金属镉快速检测的前处理试剂及方法，采用离子液体、双氧水及柠檬酸溶液混合配置的前处理剂，前处理试剂中离子液体：30％的双氧水：柠檬酸溶液的体积比为3～6:1～3:2～6，柠檬酸溶液的浓度为200g/l，将前处理剂加入到粉碎后的谷物中进行微波处理，再调整ph至6-8即可。与传统的前处理试剂相比，该专利中采用双氧水、柠檬酸和离子液体相互结合的方式，避免使用传统的无机强酸，具有绿色环保的特色，前处理试剂中添加的双氧水与该特定离子液体和柠檬酸共同作用，提高谷类作物中淀粉的消耗，减少谷类作物中淀粉对检测重金属镉的影响，同时本前处理试剂显著地增加了对谷类作物中重金属镉的提取回收率，从而利用非常短的提取时间就可以获得较高的提取回收量，为谷类作物中重金属镉的现场快速检测提供了基础。又如中国发明专利cn106290435a公开了一种淀粉食品中重金属成分快速检测方法，先将淀粉食品粉碎后加水混合，然后选择重金属含量成等差数列的标准溶液，采用x射线照射，得到标准溶液的x射线荧光光谱，建立x射线荧光光谱与重金属含量之间的多远校正检测模型，将第一步得到的混合物过筛后过滤保留滤液，最后再将第三步得到的液体混合物进行x射线照射，得到液态食品的x射线荧光光谱，根据液态食品的x射线荧光光谱与标准溶液的x射线荧光光谱的对应关系得到液态食品的重金属含量。该方法使得各标准溶液之间的重金属含量成等差数列，提高了样品的选择性，而且得到的检测模型在各成分位置分辨力相同，置信区间相同，提高了检测结果的可信度，检测过程简单，快速，可满足重金属快速检测的需要。这些食品污染物快速检测技术研究与应用对食品加工的在线溯源具有重要的作用，同时为食品污染物风险在线评估提供了良好的基础。技术实现要素：本发明的目的是基于食品污染物快速检测的基础上，以食品产业链中的投入物为基础，开发一种在线的食品安全风险评估及控制方法，该方法可准确评价食品加工过程中污染物的风险及危害程度，并可及时找到污染源头，有效控制危害的发生。该方法可实现提前防范的目的，在产品未生产出来之前就能够及时有效准确的评价最终产品中污染物的含量及导致污染物超标的原因，减少生产者的损失，避免污染物超标的食品流入市场，影响消费者健康。为实现上述目的，本发明通过以下技术方案实现：一种食品安全风险在线评估与控制方法，其特征在于，包括以下步骤：(1)确定产业链，(2)确定产业链上的有物料投入的物料投入点i和采样点，投入点同时设置为采样点；(3)风险评估：计算采样密度、投入点风险因子含量、风险指数、风险程度对最终产品进行风险评估；(4)预警：根据步骤(3)的评估结果进行预警分析，高风险则进入步骤(5)，低风险进入下一个采样点重复步骤(3)；(5)溯源：步骤(4)预警进入溯源程序，查找产业链上危害节点，节点需要控制时进入步骤(6)，危害节点不需要控制时进入下一个采样点重复步骤(3)继续评估；(6)纠偏：调整投入点的投入物中危险因子的含量，调整后继续循环步骤(3)。作为具体技术方案，该食品安全风险在线评估与控制方法具体操作步骤如下：(1)确定产业链：确定食品从源头到餐桌包括食品生产加工工艺在内的产业链；(2)确定采样点和物料投入点：根据步骤(1)确定的产业链，在产业链上设置采样点j，计算相同采样点两次采样间隔的时间c；根据产业链上有投入物投入的点确定投入点i，记录投入点i的投入物信息，预测产品危害因子含量；(3)风险评估：计算采样密度ρ：测定物料经过相邻两采样点j-1与采样点j的时间间隔dj，预测产品经过投入点i后的危害因子含量：根据各投入物投入点中的危害因子含量bi与投入物百分比例ai计算物料经过投入点i后的危害因子含量z，zi-1为投入点i之前产品中危害因子的含量，计算产品经过投入点i后的风险指数：根据产品经过投入点i后产品中危害因子含量标准zb，计算物料经过投入点i后的风险指数ai，判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，(4)预警分析：根据风险指数ai，污染危害度f值的大小判定危害因子，当ai＜1且f＜ai时，系统显示低风险，直接进入下一个采样点重复步骤(3)；反之系统提示进入步骤(5)；(5)溯源：向产业链上游进行溯源，查找危险节点；危险节点的危害需要处理进入步骤(6)，危险不需要处理进入下一个采样点重复步骤(3)；(6)纠偏：调整上游投入物中危险因子含量，然后重复步骤(3)。作为优选技术方案，所述危险因子包括重金属、黄曲霉毒素、大肠杆菌、农药残留。作为优选技术方案，所述步骤(1)中产业链包括最终食品生产工艺在内的产业主链及包括投入物i生产工艺在内的产业支链。作为优选技术方案，所述投入点产品中危害因子含量标准包括国家标准，行业标准，企业标准。作为优选技术方案，所述采样点采集数据包括危害因子含量。作为优选技术方案，投入点i的投入物信息包括投入物种类、投入物比例、投入点名称、危害因子含量、采样时间、采样周期。本发明以包括食品生产加工在内的全产业链为基础，建立食品整个产业链条上的污染物的风险评估及控制方法，根据各投入点上投入物信息可准确预测食品生产线下游各个采样点的污染物含量信息或最终产品中污染物含量信息，能提早的预测出产品污染物是否超标，有效降低产品危害，防止大量的携带污染物的食品流入市场，达到提前防范的目的。同时由于本发明根据包括食品加工在内的产业主链与产业支链为主要溯源考察链，可及时、全面、高效的查找出污染物出现的生产及产业节点，快速找到源头，落实责任，将风险危害降到最低。附图说明图1本发明流程图；图2包括大米生产加工在内的产业链；图3包含有产业支链的大米生产加工产业链；图4方便面加工工艺流程图；图5干制调味鱼加工工艺流程图；图6花生油加工工艺流程图。具体实施例下面结合附图以具体实施例的形式对本发明做进一步的解释说明，需要指出的是，本发明的保护范围并不仅限于以下实施例，所有本领域的技术人员以本发明的精神对本发明所做的等效的替换均落入本发明的保护范围。实施例1一种食品安全风险在线评估与控制方法，如图1所示，包括以下步骤：(1)确定产业链；(2)确定产业链上的有物料投入的物料投入点i，并在投入点i处对应采样点，根据haccp要求另外设置其他采样点；(3)风险评估：计算采样密度、投入点风险因子含量、风险指数、风险程度对最终产品进行风险评估；(4)预警：根据步骤(3)的评估结果进行预警分析，高风险则进入步骤(5)，低风险进入下一个采样点重复步骤(3)；(5)溯源：步骤(4)预警进入溯源程序，查找产业链上危害节点，节点为投入物投入点时进入步骤(6)，危害节点不是投入物投入点进入下一个采样点重复步骤(3)继续评估；(6)纠偏：调整投入点的投入物中危险因子的含量，调整后继续循环步骤(3)。实施例2以大米的生产加工产业链为例，大米安全风险在线评估及控制方法具体操作步骤如下：(1)确定大米产业链：根据大米加工流程建立大米生产加工在内的产业链如图2所示；(2)确定采样点和物料投入点：根据步骤(1)确定的产业链，在产业链上设置采样点j，在稻谷处设置第一个采样点1，稻谷加工成大米后抛光之前设置第二个采样点2，抛光过程中抛光剂水为第三个采样点3，配米过程中所加入的大米为第四个采样点4，成品处设置第五个采样点5，计算同一采样点两次采样间隔的时间c；根据产业链上有投入物投入的点确定投入点，此产业链中抛光处为投入点1，配米处为投入点2，并通过采样点3与采样点4记录投入点的投入物信息，预测产品危害因子含量；(3)风险评估：计算采样密度ρ：测定物料经过相邻两采样点的时间间隔dj，此处从采样点1到采样点5的总时间间隔为2.1h；预测产品经过投入点1后的危害因子含量：抛光剂添加量为1％，危害因子含量为b1，则经过投入点1后危害因子含量预测值为：产品经过投入点1后的风险指数：根据产品经过投入点1后产品中危害因子含量标准zb，计算物料经过投入点1后的风险指数a1，判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，(4)预警分析：根据风险指数ai，污染危害度f值的大小判定危害因子，当ai＜1且f＜ai时，系统显示低风险，系统提示该投入点产品未超过相关标准，且采样时间、采样密度合理，未出现漏检或采样不合理情况，直接进入投入点2重复步骤(3)；预测产品经过投入点2后的危害因子含量：另一品种大米的按1:1进行复配，则新增加大米的添加量为100％，危害因子含量为b2，则经过投入点2后危害因子含量预测值为：产品经过投入点2后的风险指数：根据产品经过投入点2后产品中危害因子含量标准zb，计算物料经过投入点2后的风险指数a2，判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，预警分析：根据风险指数a2，污染危害度f值的大小判定危害因子，若此时ai＞1或f＞a2，系统发出预警；系统显示存在风险，进入步骤(7)的溯源程序；(5)溯源：向产业链上游进行溯源，查找危险点；投入点1低风险，而投入点2为高风险，因此锁定问题根源位于投入点1与投入点2之间，投入点2投入物为大米，因此首先排查投入点2处所投入大米的相关采样数据，若找出所配大米存在问题，系统提示需要处理，直接进入步骤(8)，若所配大米没有问题，证明中间采样点检测或采样密度存在异常，不需要对所配物料进行处理，调整采样密度或进入下一个采样点重复步骤(3)；(6)纠偏：调整所配大米种类，选用危害因子含量较低的大米种类进行配米，然后重复步骤(3)。如此循环步骤(3)-(6)，步骤(3)与步骤(6)之间形成往复进行的闭环网络，各级数据上传至云平台以供及时查验，寻找危害源头。本实施例中的危害因子为重金属、黄曲霉毒素、大肠杆菌、农药残留等。投入点的投入物信息包括投入物种类、投入物比例、投入点名称、危害因子含量、采样时间、采样周期。采样点设置在投入点前，至少每个投入点设置1个采样点，采样点数大于等于投入点数，各个采样点采集的数据上传至云平台，当系统出现风险时可由查询系统进入云平台，调出各采样点及投入点的相关数据，达到快速找出危害点的目的。实施例3一种食品安全风险在线评估与控制方法，其工艺流程如图1所示。该食品安全风险在线评估与控制方法应用与大米中重金属含量的在线评估与控制，具体步骤如下：(1)确定产业链：确定食品从源头到餐桌包括食品生产加工工艺在内的产业链；以及所有投入物在内的产业支链，如图3所示；(2)确定采样点和物料投入点：列出加工过程中有物料投入的物料投入点，在产业主链中，物料投入点为抛光与配米，在产业支链中物料投入点同样为抛光与配米；产业主链采样点设置与实施例2相同，产业支链中每个加工节点均设置为采样点，采样点设置位置如图3所示；计算相同采样点两次采样间隔的时间c；记录投入点的投入物信息；(3)风险评估：计算采样密度ρ：测定产业支链上物料经过相邻两采样点的时间间隔dj，该线上大米从稻谷开始加工成所配大米总时间为2.1h，即采样时间间隔分别设置为0.3h，0.5h，1.0h，1.5h，2.0h，2.5h，3.0h，3.5h，4.0h；不同采样时间，采样密度分别为7、4.2、2.1、1.4、1.05、0.84、0.7、0.6、0.525，预测产品经过投入点21后的危害因子含量：此处投入物水中的危害因子含量b21与投入物百分比例1％，计算物料经过投入点21后的危害因子含量z，z0为第一个投入物投入前大米中危害因子的含量，该数值可从前面的采样点所获得的数据中得到：计算产品经过投入点21后的风险指数：根据产品经过投入点21后产品中危害因子含量标准zb，计算物料经过投入点21后的风险指数ai，此处zb为大米中重金属cd国家标准为0.2mg/kg，原料稻谷cd含量为0.060mg/kg经过脱壳后糙米中的cd含量测定值为0.076mg/kg，经过白米节点后采样所得的金属cd含量为0.052mg/kg，采样点27采集到抛光剂水中的重金属cd含量为0.2mg/kg；则系统预测最终产品中的重金属cd含量为：系统预测风险因子为：判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，ρ、c、f值如下表1所示：表1本例产业支链投入点21处的ρ、c、f值c0.30.51.01.52.02.53.03.54.0ρ74.22.11.41.050.840.70.60.525f0.0380.0640.1270.190.2540.3180.3810.4450.509(4)预警分析：根据风险指数a21，污染危害度f值的大小判定危害因子，当c小于2.0时，此时系统得出a21＜1且f＜a21，系统显示低风险，直接进入下一个采样点重复步骤(3)；当c大于2.0时，系统提示存在风险进入步骤(5)；(5)溯源：向产业链上游进行溯源，查找危险点；从查询系统进入云平台调取各个采样点的数据，发现抛光过程中采用的水中cd含量较高，但抛光剂水的附着量较小，此处水的危险无需控制，因此可直接进入下一个投入点重复步骤(3)，同时系统提示风险由于采样时间间隔超过物料经过全程的时间间隔，因此可增加采样点来降低风险；配米投入点22处重复步骤(3)；(3)风险评估：若采样点采集到的所配大米中重金属cd含量为0.37mg/ml，系统预测产品最终重金属含量为：系统预测风险因子为：此时ρ、c、f值如下表2所示：表2本例产业支链投入点22处的ρ、c、f值c0.30.51.01.52.02.53.03.54.0ρ7.0004.2002.1001.4001.0500.8400.7000.6000.525f0.1510.2510.5020.7541.0051.2561.5071.7582.010(4)预警分析：根据风险指数a22，污染危害度f值的大小判定危害因子，当c小于2.0时，此时系统得出a22＞1，系统显示高风险；此时系统提示f总大于a22，此时风险与采样时间及频率无关，系统提示进入进入步骤(5)溯源程序；(5)溯源：从查询系统进入各个采样点，调取采样点数据，采样点27之前系统显示低风险，则问题出在配米程序，调出配米过程大米相关数据，发现该处大米中重金属cd超标，需要处理则进入步骤(6)纠偏程序；(6)纠偏：调整上游投入物大米的比例或更换投入物大米品种，调整后重复步骤(3)。所有产业支链中的食品安全风险在线评估与控制方法步骤相同。对于产业主链上的投入点1，采样密度ρ：测定产业支链上物料经过相邻两采样点的时间间隔dj，该线上大米从稻谷开始加工成所配大米总时间为2.1h，即采样时间分别设置为0.3h，0.5h，1.0h，1.5h，2.0h，2.5h，3.0h，3.5h，4.0h；不同采样时间，采样密度分别为7、4.2、2.1、1.4、1.05、0.84、0.7、0.6、0.525，预测产品经过投入点1后的危害因子含量：此处投入物水中的危害因子含量b1与投入物百分比例1％，计算物料经过投入点1后的危害因子含量z，z0为第一个投入物投入前大米中危害因子的含量，该数值可从前面的采样点所获得的数据中得到：计算产品经过投入点1后的风险指数：根据产品经过投入点1后产品中危害因子含量标准zb，计算物料经过投入点1后的风险指数ai，此处zb为大米中重金属cd国家标准为0.2mg/kg，若各采样点采集的数据如下：原料稻谷cd含量为0.060mg/kg；经过脱壳后糙米中的cd含量测定值为0.076mg/kg；经过白米节点后采样所得的金属cd含量为0.052mg/kg，采样点3采集到抛光剂水中的重金属cd含量为0.087mg/kg；则系统预测最终产品中的重金属cd含量为：预测风险因子为：系统预测污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，ρ、c、f值如下表3所示：表3本例产业支链投入点1处的ρ、c、f值c0.30.511.522.533.54ρ74.22.11.41.050.840.70.60.525f0.0370.0620.1240.1860.2490.3110.3730.4350.497(4)预警分析：根据风险指数a1，污染危害度f值的大小判定危害因子，当c小于2.0时，此时系统得出a1＜1且f＜a1，系统显示低风险，直接进入下一个采样点重复步骤(3)；当c大于2.0时，系统提示存在风险进入步骤(5)；(5)溯源：从查询系统进入云平台调取数据，未找出异常数据，系统提示风险由于采样时间间隔超过物料经过全程的时间间隔，因此可增加采样点来降低风险；之后重复步骤(3)进入下一个投入点风险评估；(3)风险评估：配米比例按1:1计算，预测投入点2处的重金属含量为：预测风险因子为：系统预测污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，ρ、c、f值如下表4所示：表4本例产业支链投入点2处的ρ、c、f值c0.30.511.522.533.54ρ74.22.11.41.050.840.70.60.525f0.00930.01550.03100.04660.06210.07760.09310.10870.1242(4)预警分析：根据风险指数a1，污染危害度f值的大小判定危害因子，当c小于2.0时，此时系统得出a2＜1且f＜a2，系统显示低风险，直接进入下一个采样点重复步骤(3)；当c大于2.0时，系统提示存在风险进入步骤(5)；(5)溯源：从查询系统进入云平台调取数据，找出配米处存在异常数据，系统提示是否进行处理，需要处理则进入步骤(6)；(6)纠偏：调整配米节点中所配大米品种，更换重金属cd含量较小的大米做为配方米，同时可增加采样密度，时刻进行风险评估，避免由于高风险的大米品种对最终大米产品导致不可逆的影响。实施例4一种食品安全风险在线评估与控制方法，其工艺流程图如图1所示。该方法可用于方便面中的重金属铅的检测。具体步骤如下：(1)确定产业链：确定方便面加工工艺流程图，如图4所示；(2)确定采样点和物料投入点：列出加工过程中有物料投入的物料投入点，物料投入点为配面、和面、油炸；配面程序投入物为面粉、木薯淀粉、玉米淀粉；和面工序投入物为盐水，根据haccp确定的食品安全的关键控制点为配粉、和面、油炸三道工序；各投入物投入点与关键控制点为采样点，另外可多设置两个采样点，采样点设置如图4所示；计算相同采样点两次采样间隔的时间c；记录投入点的投入物信息；(3)风险评估：计算采样密度ρ：测定产业链上物料经过相邻两采样点的时间间隔dj，该线上面粉从配粉开始加工成所方便面总时间为1.0h，即采样时间分别设置为0.3h，0.5h，1.0h，1.5h，2.0h，2.5h，3.0h，3.5h，4.0h；预测产品经过投入点1后的危害因子含量：设此处方便面中的危害因此为重金属铅，此处投入物木薯淀粉比例占面粉的3％，检测其中重金属铅含量0.15mg/kg，玉米淀粉投入比例为面粉的6％，检测其中重金属含量为0.18mg/kg；面粉中重金属含量为0.21mg/kg；计算物料经过投入点1后的危害因子含量z，z0为0.21mg/kg；计算产品经过投入点1后的风险指数：根据产品经过投入点1后产品中危害因子含量标准zb，根据gb2762-2017，zb为0.2mg/kg，计算物料经过投入点1后的风险指数ai，配面后原料中的重金属铅含量为系统预测风险因子为：判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，ρ、c、f值如下表5所示：表5本例产业支链投入点1处的ρ、c、f值c0.30.51.01.52.02.53.0ρ3.332.001.000.670.500.400.33f0.3100.5171.0341.5502.0672.5843.101(4)预警分析：根据风险指数a1，污染危害度f值的大小判定危害因子，系统显示f＞a1，系统显示高风险，进入步骤(5)；(5)溯源：向产业链上游进行溯源，查找危险点；从查询系统进入云平台调取各个采样点的数据，发现所采用的面粉中铅含量较高，进入步骤(6)进行纠偏操作，(6)纠偏：更换面粉或进入面粉所做的产业链找出问题源头，调整后重复步骤(3)。面粉加工所在的产业链中的食品安全风险在线评估与控制方法与上述步骤相同。纠偏后投入点1处的风险降低，系统显示投入点1处为低风险，则可进入第二个采样点重复步骤(3)。投入点2处投入物盐水的投入比例为27％，水中重金属铅的含量为0.001mg/kg，若调整后面粉中重金属铅含量为0.15mg/kg，其他原料中的重金属铅含量不变，则经过投入点1后的重金属含量为：经过投入点2后的产品中的重金属铅的含量为：系统预测风险因子为：判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，投入点2处的ρ、c、f值如下表6所示：表6本例产业支链投入点2处的ρ、c、f值c0.30.511.522.53ρ3.332.001.000.670.500.400.33f0.1940.3230.6460.9691.2921.6151.938(4)预警分析：根据风险指数a2，污染危害度f值的大小判定危害因子，c≤1时系统显示a2＜1且f＜a2，系统显示低风险；进入下一个采样点重复步骤(3)；当c＝1.5时，a2＜1，f＞a2系统显示产品达标，但采样密度过低，若需增加采样密度则进入步骤(5)；不需增加采样密度则直接进入下一个采样点重复步骤(3)；(5)溯源：向上游溯源，查看从何处开始采样密度降低，发现采样点1处系统显示低风险，采样密度合理，从采样点2处采样密度开始降低，因此进入步骤(6)进行纠偏；(6)纠偏：从采样点2开始增加采样点2处的采样密度，确保采样点2处采样密度合理，系统显示低风险，进入下一个采样点重复步骤(3)。实施例5一种食品安全风险在线评估与控制方法，其工艺流程图如图1所示。该方法可用于腌制风味鱼中的大肠杆菌的预警及分析。具体步骤如下：(1)确定产业链：确定腌制风味鱼加工工艺流程图，如图5所示；(2)确定采样点和物料投入点：列出加工过程中有物料投入的物料投入点，物料投入点为腌制、调味；腌制程序投入物为腌制料——盐、花椒、八角、料酒等腌制料；调味工序投入物为辣椒、食用油、孜然粉、芝麻、大蒜、花椒等调味料，此处调味料与腌制料通常混合后使用，因此投入物算一种混合物，根据haccp确定的食品安全的关键控制点为腌制、风干、调味、灭菌四道工序；各投入物投入点与关键控制点设置为采样点，采样点设置如图5所示；计算相同采样点两次采样间隔的时间c；记录投入点的投入物信息；(3)风险评估：计算采样密度ρ：测定产业链上物料经过相邻两采样点的时间间隔dj，该线上原料鱼从原料开始加工成半干风味鱼总时间为38h，即采样时间分别设置为2h，5h，8h，12h，16h，20h，24h，28h，32h，36h，40h；预测产品经过投入点1后的危害因子含量：设此处风干鱼中的危害因子为大肠杆菌，此处投入物腌制料比例占鱼体重量的6％，采样点2检测腌制料中大肠杆菌含量最高为0cfu/g；五个独立样中选择大肠杆菌含量最高的做为产品中大肠杆菌含量的预测值，采样点1测定切块后鱼体中大肠杆菌含量为50cfu/g；计算物料经过投入点1后的危害因子含量z1，z0按采样点4的实际检测数据为准为50cfu/g；计算产品经过投入点2后的风险指数：根据产品经过投入点1后产品中危害因子含量标准zb，根据gb10136-2015，zb为100cfu/g，计算物料经过投入点1后的风险指数ai，腌制后预测产品中大肠杆菌含量为：系统预测风险因子为：判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，ρ、c、f值如下表7所示：表7本例产业支链投入点1处的ρ、c、f值c25812162028323640ρ19.007.604.753.172.381.901.361.191.060.95f0.0250.0620.0990.1490.1990.2480.3480.3970.4470.497(4)预警分析：根据风险指数a1，污染危害度f值的大小判定危害因子，系统显示a1＜1且f＜a1，系统显示低风险，进入下一个采样点3重复步骤(3)；若采样点3重复步骤(3)、步骤(4)后系统显示低风险，则进入采样点5重复步骤(3)，采样点5为投入点2，在该点处重复步骤(3)，重复过程如下：(3)风险评估：计算采样密度ρ：测定产业链上物料经过相邻两采样点的时间间隔dj，该线上半干风味鱼从原料鱼开始加工成半干风味鱼总时间为38h，即采样时间分别设置为2h，5h，8h，12h，16h，20h，24h，28h，32h，36h，40h；预测产品经过投入点2后的危害因子含量：设此处风干鱼中的危害因子为大肠杆菌，此处投入物调味料比例占处理后鱼的6％，采样点2检测调味中大肠杆菌含量未检出为5cfu/g；五个独立样中选择大肠杆菌含量最高的做为产品中大肠杆菌含量的预测值，采样点4测定清洗后鱼体中大肠杆菌含量为25cfu/g；计算物料经过投入点2后的危害因子含量z2，z1采用采样点4检测出来的实测值为25cfu/g；计算产品经过投入点1后的风险指数：根据产品经过投入点1后产品中危害因子含量标准zb，根据gb10136-2015，zb为100cfu/g，计算物料经过投入点2后的风险指数a2，腌制后预测产品中大肠杆菌含量为：系统预测风险因子为：判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，ρ、c、f值如下表8所示：表8本例产业支链投入点2处的ρ、c、f值c25812162028323640ρ19.007.604.753.172.381.901.361.191.060.95f0.0140.0350.0560.0830.1110.1390.1950.2220.2500.278(4)预警分析：根据风险指数a1，污染危害度f值的大小判定危害因子，系统显示a1＜1且f＜a1，系统显示低风险，进入下一个采样点3重复步骤(3)。实施例6一种食品安全风险在线评估与控制方法，其工艺流程图如图1所示。该方法可用于花生油中的黄曲霉毒素含量的预警及分析。具体步骤如下：(1)确定产业链：确定花生油加工工艺流程图，如图6所示；(2)确定采样点和物料投入点：列出加工过程中有物料投入的物料投入点，物料投入点为清油工序，添加无为水，此过程为水化脱胶过程；根据haccp确定的食品安全的关键控制点为蒸胚、炒胚、清油三道道工序；再增加原料检测，因此在破碎工序设置采样点，压榨工序设置采样点，采样点设置如图6所示；计算相同采样点两次采样间隔的时间c；记录投入点的投入物信息；(3)风险评估：计算采样密度ρ：测定产业链上物料经过相邻两采样点的时间间隔dj，该线上原料鱼从原料开始加工成半干风味鱼总时间为1.8h，即采样时间分别设置为0.5h，1h，1.5h，2h；预测产品经过投入点1后的危害因子(黄曲霉毒素)含量：此处花生油中的危害因子为黄曲霉毒素，此处投入物水比例占花生油质量的100％，采样点1检测水中黄曲霉毒素为0ppb；采样点1测定破碎后花生中黄曲霉毒素含量为10ppb；计算物料经过检测点1后的黄曲霉毒素含量z0，z0＝10ppb，经过采样点2的黄曲霉毒素含量z1为由于产品经过采样点1-采样点4均无投入物投入，因此原料经过投入点4后的黄曲霉毒素预测值为z0＝10ppb，且风险指数相同。判定污染危害度：根据采样密度与风险指数计算危害因子污染危害度f，ρ、c、f值如下表7所示：表8本例产业支链检测点1-检测点4处的ρ、c、f值c0.511.52ρ3.61.81.20.9f0.1390.2780.4170.556(4)预警分析：根据风险指数a1，污染危害度f值的大小判定危害因子，系统显示a1＜1且f＜a1，系统显示低风险，进入下一个采样点重复步骤(3)。当前第1页12