当前位置:首页 > 文章列表 > 文章 > 常见问题 > 学校食堂留样记录通常需要关注哪些字段

学校食堂留样记录通常需要关注哪些字段

来源:17golang原创 2026-09-07 18:54:02 0浏览 收藏

学校食堂的留样记录,核心不是把表格填满,而是让“哪一餐、哪一种食品、留了多少、什么时候留、谁负责”能够被一一追溯。按教育部等部门发布的《学校食品安全与营养健康管理规定》,中小学、幼儿园食堂应当对每餐次加工制作的每种食品成品留样,每个品种不少于125克,专柜冷藏保存48小时以上,并记录食品名称、留样量、留样时间和留样人员。地方规范或学校制度还可能增加审核人、柜内温度、销样时间等字段,执行时应以所在地要求和本校制度为准。

实操上可以把记录分成两层:四个国家规则明确的追溯字段必须填全;温度、标签编号、审核和销样信息用于把设备、样品和交接过程连起来。只写“已留样”而没有对象、数量和时间,后续很难核对。
要点速览
  • 每餐次、每种食品成品分别留样,样品量不少于125克,冷藏保存48小时以上。
  • 食品名称、留样量、留样时间、留样人员是记录的核心字段,容器标识要能对应台账。
  • 柜内温度、审核人和销样时间属于常见内部复核项,温度异常或缺项要及时按校内制度处理。

学校食堂留样记录,先把四个核心字段填完整

第一项是食品名称,建议写到能区分同餐不同菜品的程度,例如“午餐—番茄炒蛋”,不要只写“午餐菜品”。第二项是留样量,填实际留样重量或至少记录达到制度要求的数量。第三项是留样时间,最好精确到时、分,并与餐次对应。第四项是留样人员,填写实际分装和放入留样柜的人,而不是笼统写“食堂”。

字段记录什么现场怎么核对
食品名称餐次和具体品种与容器标签、当日菜单一致
留样量实际数量,原则上不少于125克按校内工具或称量记录复核
留样时间分装并入柜的日期、时分能推算48小时保存起点
留样人员实际操作人员姓名或工号与交接记录、值班安排对应
学校食堂食品留样记录字段图,展示食品名称、留样量、留样时间、留样人员与冷藏柜温度的对应关系
图1:留样容器和记录卡应能对应到食品名称、留样量、留样时间与留样人员,冷藏及柜温作为现场管理信息同步记录。

时间、温度和样品要形成同一条记录链

“留样时间”不是开餐时间,也不一定等于工作人员开始烹饪的时间,应按学校实际流程明确口径,例如以样品分装完成并放入专用冷藏设备的时间为准。这样才能判断48小时保存期限从何时起算。不同地区和学校对冷藏设备的温度记录方式可能不同,国家条文强调的是专柜冷藏保存;因此台账中可以增加“设备编号、柜内温度、异常处理”三列,但不要把某个地方制度的温度数值直接套成全国统一要求。

样品应按品种分别盛放在清洗消毒后的密闭专用容器中,容器上的名称、编号或时间要和记录表一致。若发现样品不足、标签脱落、设备温度异常,先保留现场信息,立即通知食品安全员,按校内应急和交接制度补记、隔离或上报;不要事后凭印象改写原始时间。

用一张餐次清单做收餐后的交接复核

留样人员完成分装后,食品安全员可以用“菜单—样品—台账”三方对照,而不是只看表格有没有签名。先对照当天菜单和实际供餐品种,避免漏留;再看容器标签能否找到对应行;最后检查重量、时间、人员和冷藏柜状态。地方管理规范常会增加审核人或固定编号,这些字段的作用是方便交接和定位,不应替代四个核心字段。

  • 标签一致:餐次、食品名称和容器编号能相互找到。
  • 样品足量:每个品种单独留样,数量达到学校执行口径。
  • 温度与销样:设备状态、保存起点和到期处理有记录,异常项被标出。
学校食堂餐后留样复核清单图,展示标签一致、样品足量、温度与销样三个检查点
图2:交接复核要同时看标签、样品数量和温度销样记录,缺一项就标记待补并按校内制度处理。

常见问题

只写“留样完成”可以吗?

不建议。至少应能还原食品名称、留样量、留样时间和留样人员;“已完成”无法指向具体样品,也无法判断保存起点。

柜内温度是不是国家统一必填字段?

国家规定明确了专柜冷藏保存和核心留样记录字段,但不同地区、学校可能在此基础上要求记录设备温度、审核人或销样信息。应查看本地规范和本校表单,不要用一个地区的扩展项代替全国规则。

发现漏记后能不能第二天补填?

应立即报告食品安全管理人员,保留能核对的原始信息,按校内制度处理并注明补记原因、时间和人员。不要把不确定的时间或数量填成确定值。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go 交叉编译怎么为 ARM64 关闭不需要的 cgoGo 交叉编译怎么为 ARM64 关闭不需要的 cgo
上一篇
Go 交叉编译怎么为 ARM64 关闭不需要的 cgo
Go TLS 握手失败时怎么查看证书链和 SNI
下一篇
Go TLS 握手失败时怎么查看证书链和 SNI
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    592次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    630次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    662次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    631次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    446次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码