ICS 03.120.99 CCS A 00 中华人民共和国国家标准 GB/T41563—2022 消费品安全数据融合与集成通则 General rules for data fusion and integration of consumer product safety 2023-02-01实施 2022-07-11发布 国家市场监督管理总局 发布 国家标准化管理委员会 GB/T41563—2022 目 次 前言 范围 1 2 规范性引用文件 3 术语和定义 基本要求 4 5 数据融合与集成对象 6 数据融合与集成级别 数据融合与集成技术 7 附录A（资料性） 基于三角模糊数与加权平均算子的数据融合方法 附录B（资料性） 基于三角模糊数与加权平均算子的数据融合方法应用示例 附录C（资料性） 消费品安全数据融合常用方法 参考文献 GB/T41563—2022 前言 本文件按照GB/T1.1一2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任 本文件由全国消费品安全标准化技术委员会（SAC/TC508）提出并归口。 测技术有限公司、安徽华普生产力促进中心有限公司、深圳市凯东源现代物流股份有限公司、北京航空 航天大学、上海青岳电子科技有限公司、西门子（中国）有限公司、循乾净化设备（上海）有限公司、安徽省 质量和标准化研究院、南京中医药大学、利辛县富亚纱网有限公司、上海越美电子设备有限公司、芜湖市 标准化研究院 本文件主要起草人：王理、前勇、许应成、宁秀丽、吴倩、李莹、李亚、卢稳、倪国华、张珺、陶影海、 裴飞、叶如意、胡振刚、王芬、曹静、王小燕、赵杰、虎鹏、冯卫、王双、朱亚军、徐胜飞、崔德钊、张武、朱华旭、 文红梅。 II GB/T41563-2022 消费品安全数据融合与集成通则 1范围 本文件给出了消费品安全数据融合与集成的对象、级别和技术等内容。 本文件适用于各类组织开展消费品安全数据融合与集成活动。 2规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文 本文件。 GB/T30135消费品质量安全风险信息描述规范 GB/T30136 消费品质量安全风险信息采集和处理指南 3术语和定义 3 下列术语和定义适用于本文件。 3.1 消费品 consumer product 主要但不限于为个人使用而设计、生产的产品。 注：包括产品的组件、零部件、附件、使用说明和包装。 ［来源：GB/T35248—2017，2.2，有修改］ 3.2 消费者 首consumer 为个人目的购买或使用商品和服务的个体社会成员。 ［来源：ISO26000：2010，2.2，有修改］ 3.3 数据融合datafusion 集成多个数据源以产生比任何单独的数据源更有价值信息的过程。 ［来源：GB/T36625.1—2018.3.1] 3.4 多源数据 multi-source data 来源于多个渠道，可能包含不同类型或格式的数据。 4 基本要求 4.1 保护性 应建立涉及个人或者组织信息的受控管理制度，保证信息在可控范围内流转和使用， 1 GB/T41563—2022 4.2 完整性 消费品安全信息的采集应力求全面、完整，不应有选择性地进行取舍、分割、随意修改或删除，消费 品安全信息的描述、采集和处理应符合GB/T30135和GB/T30136中的规定。 5 5数据融合与集成对象 5.1概述 消费品安全数据融合与集成的对象包括消费品相关的定性和定量数据。 5.2 定性数据 消费品安全的定性数据指对消费品质量、性能等进行描述或评价的信息，一般由数字、文本、图像、 视频等构成，如网络奥情、消费者评价等信息。 3定量数据 5.3 消费品安全的定量数据指对消费品质量、性能等进行检测、抽查、召回的信息，一般由数字、文本等 构成，如监督抽查、风险监测、召回通报等信息 6 数据融合与集成级别 6.1 级别分类 消费品安全数据融合与集成级别分为三类：数据级融合与集成、特征级融合与集成和决策级融合与 集成。 6.2数据级 数据级融合与集成也称像素级融合与集成是最低层次的融合与集成。数据级融合与集成过程如 图1所示，其直接在采集的消费品安全原始数据层上进行融合与集成，在多源数据未经预处理前进行数 据关联和分析，融合与集成之后进行特征提取，能够最大程度地保留原始数据的特征，也能够提供较多 的细节信息。 通过数据级融合与集成可按照产品名称、生产厂商名称等，对纺织品、儿童用品、家用电器及电器附 件、家具等消费品的使用者、危害因素和伤害类型等内容进行统计与分析。 2 GB/T41563—2022 数据源 数据源 数据 特 级融 征 次策 合与 提 集成 取 .... 数据源 图1数据级融合与集成过程 数据级融合与集成优点是原始信息丰富，能提供数据的详细信息，融合与集成精度高：缺点是所要 处理的数据量巨大，处理代价高，耗时长，实时性差。 数据级融合与集成方法包括：代数法、HIS变换、小波变换、主成分变换（PCT）、K-T变换等。 6.3特征级 特征级融合与集成属于中间层次的融合与集成，如图2所示该层次融合与集成过程分为三个步骤： 首先，对消费品安全数据进行特征提取，提取的特征信息应为原始数据信息的充分表示量或统计量；其 次，按特征信息对多源数据进行分类、聚集和综合，产生特征失量；最后，采用特定的方法或技术融合这 些特征失量，做出相关决策。 通过消费品安全数据特征级融合与集成，可以对引发消费品伤害事件的物理危害、化学危害、生物 物、无机毒物危害等，生物危害的致病微生物、致病生物等，环境危害的温度、湿度、静电等， 数据源 特征提取 数据源 特征 特征提取 级融 天 决策 合与 联 集成 ... 效招源 特征提取 图2特征级融合与集成过程 3 GB/T41563—2022 特征级融合与集成优点是在融合与集成过程中保留了重要特征信息，并且对信息进行了压缩，便于 数据实时处理。 特征级融合与集成方法包括：概率论统计、逻辑推理、神经网络、基于特征抽取的融合方法、基于搜 索的融合方法、基手三角模糊数与加权平均算子方法等，其中基于三角模糊数与加权平均算子方法见附 录A，基于三角模糊数与加权平均算子的数据融合方法应用示例见附录B。 6.4决策级 决策级融合与集成是一种高层次的融合与集成，该层次融合与集成过程如图3所示，从消费品安全 具体决策问题需求出发，充分利用特征级融合所提取的各类特征信息，进一步进行分析、推理、识别和判 决等的融合过程，融合结果为决策与管理提供依据。对包括伤害类型、伤害结果、伤害性质、伤害严重程 度等信息进行分析、推理、识别。 数据源 特征挞取 决策1 数据源 特征提取 决策 决策 2 级融 决策 联 集成 . 数据源 特征提取 決策” 图3决策级融合与集成过程 风险等级建立了关联，决策者可以进一步发现某类消费品存在的风险隐患。如通过贝叶斯估计方法，将 玩具产品中的易脱落小部件与使用者的年龄和使用环境建立模型，可以分析导致伤害发生的可能性 天小。 决策级融合与集成优点是融合与集成实时性好，有一定的容错能力；缺点是预处理代价较高，原始 信息的损失较多。 决策级融合与集成方法包括：模糊集、贝叶斯估计、专家系统等。 7数据融合与集成技术 7.1概述 消费品安全数据融合与集成技术是一个具有复杂性的综合处理过程，包括传统方法和面向大数据 方法。传统方法有HIS变换、D-S证据推理、神经网络和贝叶斯估计等，面向大数据方法包括模式/本 体对齐、实体链接、冲突处理和关系推演等，消费品安全数据融合常用方法见附录C。在消费品安全数 据级融合与集成、特征级融合与集成和决策级融合与集成中，可以综合运用传统方法和面向大数据方法 中的一种或几种。 4 GB/T41563—2022 7.2传统方法 7.2.1HIS变换 HIS变换是应用比较广泛的数据级融合方法，HIS变换方法的一般做法是：首先，将已经配准的 RGB颜色空间，形成新的图像。 7.2.2D-S证据推理 D-S证据理论是有限域上对经典概率推理理论的一般化扩展，其主要特性是支持描述不同等级的 精确度和直接引人了对未知不确定性的描述 7.2.3神经网络 神经网络具有很强的容错性以及自学习、自组织及自适应能力，能够模拟复杂的非线性映射。在消 费品安全多源信息中，各信息源提供的环境信息都具有一定程度的不确定性，可以采用神经网络特定的 学习算法来获取知识，得到不确定性推理机制。 7.2.4贝叶斯估计 贝叶斯估计是融合静态环境中多传感器高层信息的常用方法。它使传感器信息依据概率原则进行 组合，测量不确定性以条件概率表示，当传感器组的观测坐标一致时，可以直接对传感器的数据进行融 7.3面向大数据方法 7.3.1模式/本体对齐 利用属性名称、类型、值的相似性以及属性之间的邻接关系来寻找源模式与中介模式的对应关系。 所需关键技术包括演化模型、概率模型和深度匹配等。 7.3.2实体链接 记录链接和结构化与非结构化数据之间的复杂数据实体关联等。 7.3.3冲突解决 从所有冲突中甄别正确的值，可分为模式冲突、标识符冲突、数据冲突 7.3.4关系推演 自动找到关联数据中的路径模式和自然语言中的关系词汇之间的对应关系，可分为实体间直接关 系推理、实体间间接关系推理和关系演化度量。 5 GB/T41563—2022 附录A （资料性） 基于三角模糊数与加权平均算子的数据融合方法 A.1数据类型及其特点 根据数据描述方式的不同，本样例将数据分为定性和定量两类