基于Spring Boot微服務架構的農產品質量安全監測平臺構建與應用

鄧 波 張維誼 朱春燕 陸仲斐 宋宇迎 周雨璊 袁昳雯 豐東升

（上海市農產品質量安全中心，上海市青浦區 201708）

上海市農產品質量安全中心（以下簡稱中心）于2019年完成了機構的調整與合并，原服務于公益二類事業單位的公共服務信息系統，已不能滿足公益一類事業單位服務于政府監管的需要，再加上隨著中心業務種類的變化和檢測數量的增長，所涉及的領域范圍和工作流程也均需進行全面梳理和調整。因此，為了提升中心的檢測能力，為政府提供更加科學、準確、具有國際認可度的數據，使上海市的農副產品在國際大貿易背景下更具競爭優勢，中心設計、研發了一套基于Spring Boot微服務架構[1]的農產品質量安全監測平臺（以下簡稱平臺）。平臺重點聚焦于滿足CNAS體系要求的質量監管[2]，進行了質量管理、檢驗方法庫、標準庫、模板庫的電子化建設，全面實現了檢驗方法庫電子化、原始記錄無紙化、數據采集自動化、標準判定自動化、數據分析智能可視化、移動應用。中心通過開發、規范、優化工作流程，簡化用戶操作，提升系統響應速度，進而實現了檢驗數據、管理數據的科學管理，保證了檢驗過程原始數據的真實、可靠、完整、全面、不易消除、可追溯性和多重關聯性，提升了數據統計與分析的準確性和便捷性，進而建設了標準操作規范體系，規范了檢驗業務流程，加強了實驗室資源管理、質量與安全管理，提高了農產品檢測實驗室人員的工作效率，實現了實驗室信息化管理[3]。現筆者擬對該平臺的構建與應用情況進行介紹，以期給類似單位進行相關平臺構建提供參考借鑒。

1 平臺設計

1.1 總體框架設計

平臺系統架構融入了標準的WEB方式[4]，由一個可升級和可擴展的WEB瀏覽器客戶端應用和一個數據服務器組成。

平臺是一套擁有自主產權的國產軟件，支持國產服務器[5]、數據庫、操作系統、中間件。適配的國產服務器類型為華為泰山200，CPU為華為麒麟920、ARM 2.6Ghz×2、單顆48，操作系統為中標麒麟高級操作系統7.6ARM版，數據庫為達夢數據庫（版本DM8），支持單體應用和微服務容器化部署（Docker、Rancher、K8S、Nacos等均能正常部署）。

平臺采用的Spring Cloud框架[6]，是基于Spring Boot的一整套實現微服務架構的云服務框架。Spring Boot微服務技術體系對代碼量進行了大幅縮減，配置結構邏輯更加清晰，同時刪除了大量的配置操作，簡化了開發流程[7]。同時，平臺圍繞業務領域組件來創建應用，這些應用可獨立進行開發、管理和迭代。在分散的組件中使用云架構和平臺式部署、管理和服務功能。此外，SW-研發管理采用容器化部署[8]，使部署和運維更加便利，移動端解決方案支持IOS、Android、Windows RT等主流版本。

平臺包括用戶層、應用層、支撐層、信息資源層和基礎設施層五個層次，包含標準規范體系、安全保障體系、運行維護體系、技術支持體系和實驗室管理規范體系五個體系。

1.2 數據流程設計

平臺數據流程設計包括抽樣計劃導入、抽樣報檢、現場抽樣、實驗室任務委托登記、檢驗項目檢測方法自動匹配、樣品留樣制樣管理、檢驗分析、儀器數據自動采集、檢驗報告自動生成、實驗室日常資源和質量體系的全方位合規管理等，見圖1。

2 核心功能

2.1 綠色農產品現場抽樣系統

根據綠色食品定點檢測機構抽樣管理等有關工作的要求，在綠色食品產品和產地環境抽樣時，抽樣人員應詳細、準確、即時記錄抽樣信息，確保采樣的真實性、規范性和溯源性。平臺通過移動端對抽樣地點信息、抽樣過程、樣品封樣情況等進行記錄，能實現照片（或錄像）自動生成水印（如采樣時間、GPS定位等信息），清晰記錄抽樣地點特征（如企業標牌等）、樣品現場采集過程、樣品現場封存過程、樣品運輸及存放環境條件、抽樣單與已封樣品合照等功能。同時，系統能對被抽樣地點、過程、產品狀態及其他可能影響檢測結果的情形進行現場拍照或錄像，并通過平臺存檔以備查驗。此外，系統還首次將現場抽樣與主體詳細信息、生產單位、現場錄入樣品信息、結果信息進行自動關聯，現場抽樣信息可自動生成LIMS系統委托任務[9]，業務人員再進行檢驗項目、檢驗方法等內容的完善。

2.2 可視化、可配置檢驗業務流程管理

平臺針對檢驗檢測過程管理子系統中不同的檢測對象，可配置不同的檢驗業務流程，以滿足不同檢測對象的業務特點。其中，檢驗過程和關鍵點控制支持可視化流程配置，用戶可根據需要進行手工流程配置。

2.3 儀器數據自動采集接口

為提升檢驗檢測過程的工作效率，通過儀器數據自動采集接口，平臺可實現對所有工作站類型儀器的數據采集，并將儀器譜圖文件在系統中進行歸檔保存，并自動生成原始記錄單。其中，在實驗室儀器數據采集過程中，系統可根據樣品檢測標準，滿足樣品來源的可追溯性，提升樣品檢測的安全性，確保數據完整[10]。

2.4 全面符合ISO/IEC 17025的資源管理功能

平臺實現了全面符合ISO/IEC 17025的資源管理功能，主要包括人員管理、儀器設備管理、材料管理、方法標準管理、文件管理、客戶管理等，見圖2。

3 取得的成效

平臺從方案設計到線上運行，現場抽樣系統和樣品管理系統歷時3個月完成。平臺建成后，經實踐應用，取得了以下成效。

3.1 實現了綠色農產品抽樣和管理的科學化

原來的管理模式是通過手機拍照和紙質記錄來實現綠色農產品抽樣和管理的，但兩者的關聯性不強，無法滿足中綠體〔2019〕145號文中對綠色食品現場抽樣工作的要求。而平臺的開發應用，實現了后臺基礎數據庫導入、現場樣品信息錄入、GPS定位并自動記錄、現場照片拍攝自動上傳、后臺加蓋經緯度和時間等信息水印、現場打印抽樣單等功能；建立了標準化樣品庫，能進行樣品規范化管理；建立了樣品檔案，可設置唯一性標識；實現了樣品具有特制標簽并附有二維碼，能支持掃描槍、移動端掃描，做到樣品信息實時掌握；實現了樣品流轉全程記錄，能保證樣品的有效性和可溯源性；實現了樣品資料種類的多樣化存儲。

3.2 實現了儀器采集和數據分析的智能化

傳統數據錄入功能是通過手工謄抄來實現的，不僅在數據轉移過程中易產生偏差，而且工作效率很低。而平臺儀器的自動采集功能，實現了天平數據、圖譜數據、串口儀器數據的自動采集，且平臺支持上傳檢驗過程中產生的照片、圖譜等文件，并能自動合成至原始記錄中，減少了數據轉移的誤差，提高了原始記錄的生成效率，縮短了報告周期。

3.3 全面符合ISO/IEC 17025的資源管理

3.3.1 設備管理

傳統設備管理是通過管理員進行線下清點和狀態查看實現的，若實驗室設備較多，設備檢定/校準狀態需要人工識別，容易出現遺漏或錯過計量周期。而平臺的開發應用，實現了設備的臺賬管理，可自動打印設備標識/識別碼；實現了儀器設備的條碼管理，可按照樣品、檢測項目、崗位、檢驗人員等查看實驗設備的使用情況和統計實驗設備的使用頻次。同時，平臺還支持對設備維修、保養、校準、計量確認、量值溯源、點檢、降級、啟封、封存、報廢等的管理，且能通過設置專門的角色實現對實驗設備的借出、歸還以及對設備狀態和使用記錄的管理。

3.3.2 標準方法管理

傳統的標準方法管理是通過紙質版標準查詢實現的，而中心檢測和判定標準設計達1 000個以上，相關參數甚至超過1萬個，標準和方法的管理工作量大、查新任務重、檢索困難、判定費時且容易出錯。而平臺的開發應用，建立了符合體系管理要求的標準、方法、能力庫，實現了對標準庫集成、系統自動方法查新、系統提示、產品標準和方法標準的電子化管理等，并能對其中的關鍵數據進行結構化拆分，對標準進行分類管理；建立了CNAS、CMA能力庫，可結構化檢測項目信息，拆分過程參數，配置公式、修約規則、檢出限、定量限等。

3.3.3 文件管理

鑒于文件的發放、回收和更改必須做到受控管理，而傳統方法是由文件管理員進行追蹤，不僅文件替換困難，且易發生不受控和文件遺失的情況。而平臺的開發應用，建立了統一的文檔與實驗數據存儲平臺，實現了電子文件與文件柜號的一一對應，統一了實驗數據入出口，實現了相關人員在統一的文檔與數據平臺上進行操作，實現了文件多級分類管理和受控文件發放與回收管理。

3.3.4 質量體系管理

平臺圍繞實驗活動中各個階段的質量安全風險的預防，建立了各種類型的質量控制計劃。同時，平臺支持質量管理計劃編制功能，如內部評審、管理評審、質量監督、客戶投訴、新工作評審、不確定度評定、期間核查、能力驗證、外部評審、質量監督等管理功能，能滿足CNAS-CL01：2018《檢測和校準實驗室能力認可準則》質量管理體系要求，并提供對各類計劃維護、實施和監控的全過程系統化控制，對不符合項發起糾正措施，能全面監督計劃的實施和審核過程。

4 小 結

平臺經過10個月的應用，初步完成了對620個農產品檢測和判定標準的拆解，并針對1 262個檢驗參數制定了判定規則，關聯了各類儀器設備336個，用戶使用人數達44人。同時，通過移動終端APP的使用，現場能直接在移動終端上錄入抽樣信息，并上傳數據，提高了現場抽樣任務的工作效率，提供了可溯源、可驗證的事實依據，且所有檢測業務審核流程都可通過手機APP實現，極大地提升了信息流轉審批速度，提高了中心工作效率。此外，平臺建立了實驗室質量保證與質量控制手段，遵從質量規范，通過閉合環鏈實現了全過程質量監控和預警，為上海市農產品質量安全監測提供了保障。

近年來，上海市政府對食品安全評價的預測預警評判機制日益重視，提高實驗室日常管理水平和提升大數據分析能力就顯得日益緊迫。因此，中心檢測能力的提升和檢測結果的準確性對于政府的科學決策十分重要。未來，平臺應用將會逐步實現科學化、網絡化、完整性、及時性、溯源性和準確性，且隨著對食品安全要求的提高以及對平臺使用認識的加深，平臺將不斷嘗試拓展數據可視化、嵌入GIS進行蔬菜藥物殘留分析、利用數據化模型識別危害特征、利用SPSS進行數據統計分析和數據挖掘、添加蔬菜藥物殘留時空分布分析系統、添加農藥獸藥殘留風險評估系統等。