食品安全问题近些年来受到社会各界的高度重视，关系到每一位社会群众的身体健康。乳制品已经逐渐成为社会群众日常生活不可或缺的食品之一，乳制品中含有丰富的对人体健康有益的元素，但是自乳制品加工过程中，如果出现质量安全问题，饮用存在乳制品的消费者身体健康会受到很大的威胁，还会对乳制品生产企业的社会声誉造成极大的负面影响。因此，加强乳制品质量安全检测工作就显得尤为必要。其中神经网络在安全风险预警中的应用，使得乳制品在生产全过程中能够得到较好的检测，如果存在质量安全问题会第一时间发现。
1.乳制品生产加工流程分析
在分析乳制品安全风险预警机制前，必须明确乳制品的生产加工流程，才能够使安全风险预警系统更加具有针对性和实效性。当前普通乳制品的生产加工流程如下：
1. 乳制品原料验收和预处理。该环节主要是对乳制品原料的处理，主要是对乳制品原料的质量检测，预处理主要包括过滤、净化和冷却等工序，使其能够达到下一步加工的标准。
2. 均质处理。因为乳制品原料中的脂肪球大小一般在10微米左右，乳制品原料在放置一段时间后就会出现结块或脂肪上浮的现象，从而影响口感，均质处理是将乳制品原料中的脂肪球直径缩小，一般缩小到2微米以下，从而使乳制品原料直径分布更加均匀，提高乳制品口感。均质处理一般需要将乳制品原料升温至60摄氏度左右，能够起到很好的均质效果[1]。
3. 杀菌处理。杀菌处理是乳制品生产中的核心工序，是将乳制品原料中对人体有害的微生物全部杀死，以及对影响乳制品成品维保和保质期的微生物，经过这两道杀菌处理工序，能够提高乳制品的综合质量。乳制品杀菌最常用的方法是高温杀菌，在杀菌完成后采用磷酸酶进行实验，如果实验结果呈阴性则说明杀菌处理效果合格。
4. 发酵处理。当前我国乳制品生产加工过程中，所采用的主要发酵处理工序是最佳酶解工艺条件对乳制品原料进行水解，之后选择对乳制品有影响的因素进行实验，从而确定最佳发酵处理工序。
5. 冷却处理。乳制品在经过高温杀菌后需要迅速冷却至5摄氏度以下，从而能够抑制乳制品中残留细菌的繁殖，能够提高乳制品的保质期。
6. 灌装处理。在上述工序全部完成后，需要将乳制品灌装到指定容器中，从而进行售卖。灌装还能够防止乳制品遭到污染，当前我国乳制品灌装容器多种多样，例如玻璃瓶、塑料瓶等，每一种灌装容器都有不同特点。
2.乳制品质量预测流程分析
乳制品生产加工过程具有一定的特殊性，与其他一般食品生产加工流程不同，所以乳制品的质量预测流程也有很大的不同，具有以下几个特点：（1）质量预测数据来源多样。乳制品生产加工需要使用多种机械设备，这些机械设备的质量、更新情况有着很大的区别，从而导致生产交给你数据较为分散，还有一些乳制品生产加工过程中的数据需要依靠生产人员的感官进行判断，这些数据不利于储存，从而造成了乳制品生产加工质量预测数据出现了多样化的特点。（2）质量控制要点较多。乳制品生产加工过程较为繁琐，乳制品从原料到成品需要经过多道工序，每一道工序中都存在着不同的质量控制要点，从而导致乳制品生产全过程的质量控制要点较多，把握难度较大。（3）质量预测目标差异。当前我国市场中流通的乳制品多种多样，每一种不同的乳制品质量预测目标存在着很大的差异，从而导致乳制品质量预测工作较为繁琐，需要根据乳制品成品不同类型建立不同的质量预测目标[2]。
3.乳制品质量安全风险预警中神经网络系统的构建分析
质量安全风险预警在乳制品生产加工中具有重要的作用，是保障乳制品质量安全的重要技术手段。我国乳制品质量安全风险预警系统经过多年的发展，现代化、信息化水平不断提高。将神经网络技术加入乳制品安全风险预警系统中，能够全面提高质量安全风险预警速度和准确性。神经网络是从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按照不同的方式进行连接从而组成网络的技术，在乳制品质量安全风险预警系统中具有很好的应用效果。
3.1基于神经网络的乳制品质量安全预警系统设计目标
基于神经网络的乳制品质量安全预警系统是指在乳制品生产加工企业中以生产过程数据构建的神经网络模型。其中最为重要的数据是能够影响乳制品质量安全的因素数据，根据该数据构建一个完善的乳制品质量安全预警神经网络模型，则能够自动对乳制品生产加工过程进行检测，当某个能够影响到乳制品综合质量的因素数值超过网络模型中的阈值时，则能够进行预警，从而帮助生产人员更好地控制乳制品质量安全。神经网络具有自适应性自学习性特点，能够根据外界环境变化对自身系统做出调整。神经网络在经过相应的训练和学习后，则能够自动调整网络参数，能够针对所设定的数值产生期望的输出数值，同时根据学习算法能够自动进行学习，从而使神经网络更加完善，使得神经网络对乳制品生产加工质量安全的预警是正确的、科学的、接近乳制品质量安全要求的。基于神经网络的乳制品质量安全预警是具有较高实用性的，能够对乳制品生产加工进行指导，降低质量检测工作量，并未乳制品质量安全检测提供可靠的预测和预警，能够提高乳制品生产企业综合工作效率[3]。
3.2基于神经网络的乳制品质量安全系统结构设计
基于神经网络的乳制品质量安全系统结构设计需要结合乳制品的生产流程、质量安全标准规定以及乳制品生产加工的实际系统，建立一个完善的信息化、自动化、智能化的神经网络质量安全控制系统[4]。本文所设计的基于神经网络乳制品质量安全系统结构分为三个层级，即表示层、业务层和存储层，三个层级的结构能够保障系统的安全性，用户只能够通过业务层访问相应的数据，从而减少了系统入口点，能够有效屏蔽掉许多系统危险。表示层是界面外观和界面规则层，为用户提供交互界面，并根据用户的操作指令接入相应的接口，将用户指令传递到业务层中；业务层是主要由业务接口、业务规划和数据访问等层级构成，能够根据上层用户的指令进入不同业务中，业务规划层能够将用户指令划分到不同处理器中进行处理，数据访问层则是提供数据查询、更新等服务；存储层主要是神经网络系统用于数据存储的层级。下图是所设计的基础架构图。
图1：基础层级架构
3.3基于神经网络的乳制品质量安全预警实现
在基于神经网络的乳制品质量安全预警系统结构完成后，则需要完善内部功能，从而实现质量安全预警，发挥出该系统的实际作用。
（1）样本数据确定。神经网络具有自学习性特点，因此需要准备充足的数据以供神经网络进行学习，如果数据过少，会影响神经网络的学习效果，所以需要选择科学的数据，例如将蛋白质含量、脂肪含量、酸度、细菌总数、杀菌温度、蛋白质含量等加入到系统中，并为神经网络提供充足的数据支持，使其能够自动学习，建立乳制品质量安全预警模型。
（2）算法确定。在完成数据处理后，选择科学的算法，该算法需要根据不同乳制品类型的具体参数进行确定，科学的算法是确保乳制品质量安全预警结果准确性的必要条件。在确定算法后，神经网络则能够根据数据进行运算，当计算结果超过乳制品质量安全的数值规定时，则能够发出预警，从而完成乳制品质量安全预警工作。
（3）数据库设计。数据库是神经网络系统的重要部分，主要用于存储数据，神经网络能够根据数据进行学习，在数据不断更新的过程中，经过一段时间的学习后，神经网络能够自动更新更加接近乳制品质量安全的标准数值，从而能够识别出更多不符合质量安全标准的产品，并将这些数据保存在数据库中。
3.4基于神经网络的乳制品质量安全预警监测
在本系统设计完成后，于2019年在H市某乳制品生产加工企业中运用，该企业所生产的乳制品产品类型超过20种，每一种不同产品都有着不同的质量安全等级规定。在为期一个月的试验后，神经网络系统能够对不符合质量安全标准的乳制品快速识别，且随着神经网络学习时间的延长，质量安全预警工作效率不断提高，标准也在不断升级，取得了良好的应用效果。
4.结束语
综上所述，本文对基于神经网络的乳制品质量安全预警系统进行了全新的设计，希望能够对我国乳制品生产加工企业起到一定的借鉴作用，提高我国食品安全质量检测工作水平。
参考文献
[1]陈嘉惠、杨巧玲、钮冰、陈沁. 乳制品质量安全风险评估及预警的研究进展[J]. 自然杂志, 2020, v.42;No.341(06):P.66-70.
[2]曾欣平, 吕伟, 刘丹. 基于供应链和可拓物元模型的乳制品企业食品质量安全风险预警研究[J]. 安全与环境工程, 2019,(002):P.0930-0930.
[3]陈锂、邹礼华、孟可欣、陈翔、尹佳、董曼、郭鹏程、文红. 长短期记忆神经网络在肉制品中铅含量风险预警的应用[J]. 现代食品科技, 2020, v.36;No.252(08):P.78+323-330.
[4]陈夏威, 王博远, 岑应健,等. 基于机器学习的食品安全风险预警研究现状与展望[J]. 医学信息学杂志, 2019, 040(003):P.56-61.