随着国内食品质量大案频发，食品质量安全问题越来越引起社会重视。本项目依托长春市科技发展计划项目-物联网重大科技专项（项目编号：11KZ03,项目名称：食品质量监管与追溯物联网示范平台），以鼎丰真食品有限责任公司为研究对象，设计了一个基于物联网四层架构的食品质量监管与追溯示范平台，并提出了一个基于贝叶斯分类决策的数据融合算法。该系统的主要作用是搜集并记录生产数据、设备故障预警和质量问题追溯。质量追溯系统的体系结构设计包含五个设计要素，其中硬件方面包括数据采集方式和通信网络，软件方面包括编码体系、数据库建设以及质量追溯策略。这五个设计要素根据物联网四层架构组织在一起，实现了六大功能模块，分别为原料及成品仓储管理、加工流程管理、环境监控管理、操作人员管理、物流流向管理以及追溯事件管理。系统围绕对数据的采集、处理和存储展开。在物联网四层架构中，对象感知层负责数据的采集，采用RFID、二维码识读器和温湿度传感器等设备搜集原始数据，再根据编码协议从不同格式的数据中提取相关信息进行处理并上传。网络层的结构决定系统需要采用基于簇的数据融合协议将数据传给上层服务器，每一簇网络节点具有初级数据融合功能并载有小型数据库，不需要服务器支持即可实现设备故障预警。中央服务器实现信息整合层的数据融合过程，它将各个簇传来的数据进行决策判断后提供给应用层使用，并将所有关于产品的生产信息压缩存储导数据库中，以供后续追溯功能的使用。数据融合算法解决的是海量数据的处理问题。在本系统中，生产数据的记录需要数据融合算法来实现数据压缩，故障预警系统需要数据融合算法来进行故障判断，而质量追溯问题需要数据融合算法来提供决策支持。影响糕点类食品质量的因素有很多，其主要影响因子原材料的样本相关度很高。根据这一特点本文针对决策级的数据融合，提出了一个具有加快系统训练速度的数据融合算法。该算法基于贝叶斯分类决策，增加了二次定位相关数据的过程。该过程是通过样本相似度检测来发现潜在的问题数据，相当于增加了用以改善样本空间的数据分布的训练样本数据量，扩大训练样本的影响范围。本文通过两种方法验证了赶紧算法的优越性。一种是验证在相同训练样本下，系统的决策能力（响应速度、正确率等）。另一种是检测在相同条件下，当某一质量事件发生后，系统自修正的速度。通过实验数据对比，相较于朴素贝叶斯决策与最小风险决策，带有二次数据定位的算法在解决此类问题上具有更好的效果，可以通过更少的训练样本使系统达到同一决策水平，或者在相同训练环境下达到更好的改进效果。