农业耕作是一项特殊、复杂、独立的工作,同时也是最重要的工作,它关系到人类健康和整个生态循环。随着我国农业的快速发展,同时因为对农产品的监管还没有达到一定程度,农产品质量安全事件频频发生,这不仅对人们日常生活构成了巨大威胁,也严重影响了整个社会经济的增长。越来越多不同层次的消费者对农产品的安全、健康、质量保障意识的需求也在不断增加。社会信息化的发展,给监管农业生产、销售流程带来了有效的监管方案。利用信息技术,构建农产品及其投入品的来源、成份、加工以及流向信息等完整信息链显得十分重要,这类产品历史信息称之为追溯信息。在现如今已有的追溯系统中,均采用阈值设计方法对追溯信息进行异常数据检测。可是对于复杂的产品方向需要设计的阈值较为复杂,且需要专家进行阈值判断,工作量较大。本文以此为背景,研究农产品追溯平台中异常产品数据的预警问题,在传统的果蔬、肉类和乳品等阈值预警等预警体系基础上,结合马尔科夫模型和卷积神经网络算法设计异常检测模型,并开发异常数据自主检测系统。实现农产追溯平台中的异常自主检测和追踪。针对不同的情况,在充分考虑不同农产品数据的特性的条件下创建阈值管理系统;针对某一农产品的单一数据建立马尔科夫模型,进行预测下一个时间点的数值,并根据不同预测值的概率判断是否进行异常预警;根据不同产品流通点和不同产品之间的特点创建特征矩阵,根据矩阵中数据走向趋势判断是否属于异常数据。系统采用Spark+Kafka大数据处理架构,以及以java语言为基础的web开发技术,并且以Mysql做为后台数据库进行开发实现预警系统中模块的功能。使用该架构实现了农产品预警系统所需要的实时性、高并发性和高容错性等要求。本系统实现了农产品在整个供应链中的数据异常预警,旨在降低不必要的农产品损耗、提高农产品异常检测效率、保障农产品质量安全。本系统以一种完善的流程控制、信息查询及管理、警情预测等功能为监管部门提供事前预警和问题追踪。