La seguridad alimentaria es una cuestión de alta prioridad para todos los países. El análisis de alerta temprana y el control de riesgos son esenciales para las prácticas de gestión de la seguridad alimentaria. Este documento propone de manera innovadora un sistema de alerta temprana de riesgos basado en puntuaciones de anomalías (ASRWS) a través de un auto-codificador no supervisado (AE) para la alerta temprana efectiva de productos de detección, que clasifica productos calificados y no calificados mediante la reconstrucción de errores. El análisis de alerta temprana de muestras calificadas se lleva a cabo mediante umbrales de alerta temprana. El método propuesto se aplica a un lote de datos de pruebas de productos lácteos de una provincia china. Los extensos resultados experimentales muestran que el modelo de detección de anomalías no supervisado AE puede analizar de manera efectiva los datos de pruebas de productos lácteos, con una precisión de predicción y una tasa de detección de fallas de 0.9954 y 0.9024, respectivamente, en solo 0.54 segundos. Se proporcionó un método basado en umbrales de alerta temprana para realizar el análisis de riesgos, y luego un panel de expertos en seguridad alimentaria realizó una revisión de riesgos sobre los resultados de predicción producidos por el método propuesto. De esta manera, la inteligencia artificial mejora la eficiencia del panel, mientras que el panel mejora la confiabilidad del modelo. Este estudio proporciona un método de alerta temprana de seguridad alimentaria rápido y rentable para datos de detección y ayuda a los departamentos de supervisión del mercado en el control del riesgo de seguridad alimentaria.