【学术讲座】SuReFood系列讲座第11期：基于机器学习的欧洲小麦多重真菌毒素污染区域预测

Regional prediction of multi-mycotoxin contamination of wheat in Europe using machine learning

基于机器学习的欧洲小麦多重真菌毒素污染区域预测

报告简介

在合适的环境条件下，小麦在生长期间容易受到各种真菌或真菌毒素的污染。特别是用于饲料和食品的小麦中，一旦发现存在真菌毒素，如脱氧雪腐菌醇和玉米赤霉烯酮，就可能会直接影响动物和人们的身体健康。本研究旨在开发一种机器学习算法，利用作物物候数据、天气数据和卫星图像作为输入，预测欧洲地区小麦中的一种或多种真菌毒素的风险水平。本研究构建了一套有11年(2010-2020年)真菌毒素监测数据的数据集，其中包括欧洲小麦中脱氧雪腐菌醇、玉米赤霉烯酮、T-2毒素和HT-2毒素、伏马菌素、黄曲霉毒素和/或赭曲霉毒素A浓度的历史记录。该数据集基于年份和网格(25 × 25千米)与小麦物候数据、天气数据和卫星图像数据关联。其中，2010-2018年的完整数据集被分为一个模型训练集(80%)和一个内部模型验证集(20%)，2019年和2020年的数据则用于外部验证。研究采用随机森林(RF)算法，并应用这些数据来调试改进模型。该模型预测了生长在每一个网格中的小麦被所关注的六种真菌毒素污染的(低、中、高)概率（至少一种真菌毒素的污染）。结果表明，该模型具有较高的预测表现：内部和外部验证的预测精度为0.90-0.99。基于荷兰的(案例研究)小麦数据，卫星图像显示整体模型性能得到了显著的改善。目前的模型及其霉菌毒素预测可被利益相关方用于增加小麦供应链的物流和基于风险的监测，从而有助于提高小麦衍生产品的安全性，并改善粮食安全。未来需要更多的具有种植作物详细位置的真菌毒素数据对预测模型进行进一步改进和优化。

报告嘉宾

Xinxin Wang

荷兰瓦赫宁根大学商业经济学组博士研究生

Xinxin Wang目前是瓦赫宁根大学商业经济学组博士研究生，主要从事利用机器学习对饲料链中的食品安全危害进行具有成本效益的监测方面的研究。

报告详情

日期

2022年10月25日，星期二

时间

16:00 – 17:00 （中国）

9:00 – 10:00 （荷兰）

场地

Microsoft Teams 直播

关于 SuReFood

SuReFood是中国和国际科学家的联盟，在中国和世界其他地区开展关于可持续自然资源开发利用和农食系统的跨学科研究。通过联合，联盟旨在提高该领域研究的能见度和社会影响，并促进知识交流。更多的活动，可以通过微信关注我们或访问我们的网站https://surefood.org/。

参与方式

请点击“阅读原文”，在默认浏览器中打开，进入Teams线上参与或加入Microsoft Teams会议室（ID：367558356466；密码：fBarHV）

相关内容

文字编辑：李凡

排版校对：钱宸