食品安全问题在我国是一个很重要的问题,每年都有因食品安全问题而引发的中毒事件。蘑菇作为深受广大人民群众的喜爱的一种食物,由误食而导致死亡的事件更是比比皆是。原因在于蘑菇,木耳等菌类的毒性检测中,当下的检测方法繁琐或不可靠,以致这个问题一直未得到妥善的解决。习主席在十九大报告中提出要“实施健康中国战略”,其中明确指出“人民健康是民族昌盛和国家富强的重要标志^[1]”,“实施食品安全战略,让人民吃得放心^[2]”。我国政府正在实行食品安全政策,在这一政策的支持下,越来越多的专家学者会相继加入进来,食品安全问题的解决将会取得很大的进展。本文从美国加州大学欧文分校提供的蘑菇数据集出发,探索了基于机器学习技术的毒蘑菇识别方法。前人用朴素贝叶斯实现过蘑菇的毒性识别,本人在他的实验上进行拓展。首先,将蘑菇数据集输入到六种常用的机器学习算法中,然后对其结果进行横向比对,通过比对结果淘汰掉K-means和PCA两种相对识别率不高的算法。然后,使用Stacking算法将ID3决策树、朴素贝叶斯、随机森林和K-近邻等分类器进行融合,实现用机器学习的方式将蘑菇有无毒性进行分类。其次,为验证模型优良性,将任意几个模型进行组合,实验证实只有将以上四种模型全部通过Stacking算法融合时,准确率才会达到最高。最终,在完成实验模型后,设计了一个毒蘑菇识别小程序,将待测蘑菇图片输入程序后,程序内部使用LeNet-5网络对图片中蘑菇的属性进行分类,然后将该蘑菇所属的属性输入Stacking算法模型运算即可得出蘑菇有无毒性,经实物验证,实验结果与实际情况相符,证明该模型有很高的应用价值。