Knowledge graph-based expert system for tea pesticide residue compliance verification and detection method selection optimization
Yanyan Zhang · Jianrong Wen · Xuexiang Su 等 6 人
构建知识图谱专家系统，自动核验茶叶农药残留合规并优化检测方法选择。
整合110种农药与37项标准构建知识图谱，用语义分类和加权集合覆盖算法。
500例回溯判定与人工一致，并额外发现3例被人工漏检的代谢物加和案例。
可扩展至其他作物与多残留定义，并探索知识图谱与实验室LIMS实时联动。
知识图谱专家系统用于茶叶农残合规判定与检测方法优选，500例回溯验证一致率100%，方法新颖、数据扎实，对农产品质量安全监管有实用价值。
引言 农药标准（如GB 2763）中严格的最高残留限量（MRLs）和复杂的残留物定义，给茶叶安全管理中的合规性验证和检测方法选择带来了重大挑战。人工审查容易产生系统性错误，尤其是因忽视代谢物或异构体而导致的假阴性。方法 本研究提出了一种基于知识图谱的专家系统来解决这些问题。我们采用人在回路验证流程，构建了整合110种茶叶登记农药活性物质（包含847个实体和2，156个关系）及37项检测标准的领域专用知识图谱。开发了将残留物定义归类为六种模式（A型–F型）的语义分类模型，以实现自动化、逻辑驱动的合规性验证。实现了加权集合覆盖算法，以在现有标准化方法中优化检测方法的选择。验证包括一项小型探索性试点用户研究（n = 5）和对500份历史实验室样本的回顾性分析。结果 在回顾性分析中，系统的自动判定在所有500个案例中均与实验室人工最终判定一致（95% CI：99.3%–100.0%），表明系统忠实再现了GB 2763的机构解释。值得注意的是，系统独立标记出3例一级人工审查已通过的代谢物加和（B型）案例，说明其作为多组分残留物定义冗余保障的价值。试点用户研究显示了与认知负荷理论一致的定性趋势，而系统以平均每样本0.63秒的速度产生确定性判定。讨论 该系统为实验室质量控制和法规合规提供了有效的决策支持工具。