国际标准分类(ICS)
19 试验
25 机械制造
29 电气工程
31 电子学
37 成像技术
45 铁路工程
61 服装工业
65 农业
67 食品技术
71 化工技术
77 冶金
79 木材技术
85 造纸技术
93 土木工程
95 军事工程
-
现行
译:T/XZBX 0089-2025 Food Microbiological Detection Automation Technical Specification适用范围:食品安全是公共健康和社会稳定的重要保障,而微生物污染是导致食品安全事件的主要风险之一。传统的食品微生物检测方法多依赖人工操作,存在检测周期长、效率低、人工误差大等问题,难以满足食品产业链快速检测与监管的需要。 随着自动化技术、分子生物学和信息技术的发展,食品微生物检测正逐步向高通量、快速化和智能化方向转变。自动化检测系统通过集成样品前处理、核酸提取、扩增分析和结果判读等功能,可以有效减少人工干预,提高检测灵敏度和准确性,并实现批量样品的高效检测。 然而,目前食品微生物检测自动化在设备选型、操作流程、质量控制和数据管理等方面尚缺乏统一规范,影响了其推广应用和结果的可比性。本文件的制定,旨在建立食品微生物检测自动化的技术规范,明确基本原则、技术要求、操作流程与质量管理措施,为食品检测机构、监管部门和相关企业提供标准依据,提升食品微生物检测的科学性、可靠性和可追溯性【国际标准分类号(ICS)】 :07.100.30食品微生物学 【中国标准分类号(CCS)】 :M74广播、电视发送与接收设备发布单位或类别:(CN-TUANTI)团体标准 | 发布时间: 2025-10-10 | 实施时间: 2025-11-01收藏 -
现行
译:T/XZBX 0072-2025 Quality control procedures for intelligent algorithms for food microbiological detection based on big data适用范围:食品微生物检测是保障食品安全与公共健康的核心环节,传统方法主要依赖实验室人工操作与标准化培养检测流程。然而,随着食品产业链日益复杂化、检测样本量迅速增长以及对风险监测响应的时效性要求不断提高,传统检测模式在准确率、效率和覆盖范围方面面临瓶颈。 近年来,借助大数据技术的发展与人工智能算法的快速迭代,智能微生物识别与检测辅助系统在食品安全领域逐步应用。智能算法可通过对历史检测数据、图像数据、菌种特征数据等多源信息的深度学习,实现对微生物检测过程的识别、判断、预测与结果校核,有效提升检测速度和一致性。但由于样本异构性、算法模型透明性差以及训练数据质量不一,智能检测算法本身的可控性、稳定性和评估机制尚未建立统一标准。 为保障基于大数据的食品微生物检测智能算法在实际检测过程中的可重复性、准确性与审查可追溯性,制定本文件。本文件从数据采集与预处理、算法建模与训练、质量指标设定与评估、系统验证与持续改进等方面,明确智能检测算法在质量控制中的关键技术要点与标准流程,适用于从事食品微生物智能检测系统研发、部署、运行和监管的相关单位【国际标准分类号(ICS)】 :07.100.30食品微生物学 【中国标准分类号(CCS)】 :M73视频、脉冲系统设备发布单位或类别:(CN-TUANTI)团体标准 | 发布时间: 2025-08-15 | 实施时间: 2025-09-01收藏 -
现行
译:T/CIQA 124-2025 Mold and yeast rapid counting in beverages and packaged drinking water using fluorescence staining method适用范围:方法适用范围、方法原理、仪器设备、试剂和材料、检验程序、操作步骤,给出了结果与报告格式和废弃物处置要求【国际标准分类号(ICS)】 :07.100.30食品微生物学 【中国标准分类号(CCS)】 :M74广播、电视发送与接收设备发布单位或类别:(CN-TUANTI)团体标准 | 发布时间: 2025-07-14 | 实施时间: 2025-07-14收藏