人工智能技术在食品中的应用

王 芹

（1. 沧州市物资储备和粮油质检中心，河北 沧州 061000；2. 沧州市发展和改革委员会，河北 沧州 061000）

0 引言

人工智能技术（Artificial intelligence，AI） 首次被提出是在1950 年，旨在用计算机技术模拟人类智能的理论、方法、技术、应用系统，通过自然语言处理、计算机视觉、机器学习等方法，实现计算机完成人的智力才能完成的工作[1]。人工智能技术飞速发展，在各行各业都有越来越广泛和深入的应用。食品与老百姓的生活息息相关，传统的生产加工方式存在效率低、耗材多等缺点，人工智能技术的引入，有助于提高食品加工生产效率。陈坚[2]在2019 年发表的《中国食品科技：从2020 到2035》中提到，我国食品工业目前存在加工增值与资源利用不足的问题，资源和能源消耗巨大，并指出，对食品加工进行智能化装备的革命，将成为食品工业升级的一个重要趋势。关于食品行业智能化的研究从未停止，在食品生产的各个环节均有应用探索。

1 食品原料采集

原料采集是食品生产后续环节的开端，把握好开端，是后续加工过程的基础。以粮食食品为例，粮食收获后，需进行扦样和检验，以保证原粮安全，一些研究将人工智能技术应用到原粮扦样和现场检测中，提高了原粮检测效率。

王超群[3]针对原粮扦样过程中存在的专业人才少、工作效率低、人力成本高等问题，研究开发了智能扦样系统。该系统由智能扦样机和PLC 控制柜组成，在系统中设置好扦样程序，工作时，智能扦样机可以自动判断扦样位置和数量，保证扦样点有代表性，实现了无人自动扦样。该系统借鉴了无人工厂的经验，以计算机系统代替人工重复劳动，提高了原粮收获中扦样这一步骤的智能化水平。

扦样的粮食不应过于潮湿，水分含量不宜过高，针对目前粮食水分检测具有检测时间长、破坏性大等问题，高向上[4]提出了基于信道状态信息（Channel state information，CSI） 的粮食水分快速检测最优模型。该模型基于CSI，因发现不同水分含量的小麦样品会引起WIFI 信号的CSI 变化，因此通过特征提取算法，选出了特征子载波，并结合人工智能技术进行数据分析，计算得到对应小麦水分信息。该模型具有可视化操作界面，学习难度低。该模型检测精度高、检测成本低、检测速度快、可操作性强，提供了一种创新、智能的粮食水分检测思路。

收货后小麦不完善粒的传统检测方法是人工检测，主观性较强，费时费力，需要检验人员经验丰富。周永强[5]研究了一种用人工智能方法检测小麦不完善粒和杂质的方法，针对小麦图像集数据较少的问题，设计了1 个图像自动采集装置，采集不同密集程度、小麦粒数量下，3 个品种小麦粒的图像，通过标记数据构建不完善粒和杂质的数据图集；基于新获得的图集对检测小麦不完善粒的YOLOX 模型进行改进，使得新模型检测速度更快，准确率更高，并能同时识别多类别的小麦不完善粒，并进行计数；利用获得的模型研发了一套小麦不完善粒智能检测系统，能够动态采集图像并检测，实用性较强。

2 食品流通

在物流发达的今天，食品流通成为不可避免的一个环节，这一过程的质量控制显得尤为重要。基于物流过程中食品安全的研究成为近年来的热门。林延昌[6]研究了一种基于区块链技术的食品安全追溯系统，该研究以牛肉为例，构建了包含养殖环节、屠宰加工环节、物流环节、销售环节在内的质量追溯系统。在构建的系统中，每个环节的单位或监管部门维护自己分管职责的区块链节点，所有节点构成一个区块链网络，整个网络有篡改数据情况时立马会被识别和发现。区块链技术具有去中心化、数据不可篡改等特点，非常适合应用于追溯领域，该研究以牛肉为例构建的食品追溯模型可借鉴到其他食品研究中。

王志立[7]构建了一个食品冷链物流数字化成熟度评价模型，该模型以系统性、客观性、灵活性、定性与定量结合为原则，以基础设施数字化、业务流程数字化、质量控制数字化、数字化绩效为评价指标，采用德尔菲法进行初步体系评价，依据CMM 成熟度模型，将食品冷链物流数字化成熟度分为5 个等级：初始级、成长级、规范级、优化级和卓越级，并结合企业实例，验证了该模型的可用性。该研究建立了一个可评价食品冷链物流数字化成熟度的实用模型，但存在数据收集不足等问题，还需进一步充实。

3 食品加工与包装

食品加工和包装过程复杂，人力消耗多，同时效率偏低、出错率高。面对传统加工与包装环节存在的问题，一些科研人员一直不断尝试将人工智能技术融入其中。

常宪辉[8]研究了智能监测制作馒头过程中面团发酵状态的方法。筛选面团发酵过程中多个动态指标，发现面筋蛋白的傅里叶红外光谱有8 处特征峰随面团发酵有显著变化（p＜0.05），面团产气量先随面团发酵显著增高（p＜0.05），然后显著降低（p＜0.05），与面团发酵状态显著相关面团产气量、面团的面筋蛋白结构可以作为特征指标反映发酵程度，并据此利用不同传感技术建立了智能监测面团发酵状态的方法。用GC-IMS 技术提取不同发酵状态面团的挥发性物质，以筛选出的22 个特征挥发性物质为基础，建立了用电子鼻智能监测面团发酵状态的方法。根据面团发酵不同程度时近红外光谱信息的变化规律，采用SG -卷积平滑对光谱做降噪处理，构建了一种用近红外光谱技术智能监测面团发酵状态的方法。该研究为利用传感技术智能监测面团发酵状态提供了理论依据。

孙靖宇[9]以肉类为研究对象，研究了一个全数字化排酸车间管控系统，实现了肉类排酸、分级、入库全加工流程的数字化管理。针对排酸车间结构复杂、效率低、人力消耗高等问题，从排酸车间总体系统设计、利用超高频RFID 系统读取性能、数据采集与实时监控3 个层次，对肉类排酸进行数字化升级，为肉类排酸车间实现数字化转型提供了坚实的理论基础。

毛明[10]阐述了人工智能包装技术在食品行业中的应用，包括机器学习技术、物联网技术、自然语言处理技术。其中，物联网技术应用在食品包装中，可以实现食品生产信息的追溯，并利用电子感应器感应包装内食品类型和数量，并由无限信号传导到手机客户端，实现食品信息的实时追踪；机器学习技术基于积累的大数据，对包装食品进行监测和预警，如用图像识别判断食品包装是否有瑕疵，以及判断食品质量；自然语言处理技术主要可以识别消费者在手机端的反馈信息，对改进产品和服务起到推动作用。

高虹[11]设计了一种食品加工生命周期中实现数字化的方案，利用计算机辅助设计和数字孪生技术，实现智能定义加工食品的几何形状、标签、品质、包装等信息，通过传感器实现食品加工过程的实时监控；利用计算机视觉技术，及时发现食品加工过程存在的问题，提供无损检测报告和改进意见，实现数字化生产；利用虚拟现实技术（VR），收集生产者和消费者对于食品的属性的要求，节约了物理原型。

食品智能包装技术实现了包装的信息化、智能化，为生产企业提高了生产效率，为消费者提供了更好的服务，为食品品质实时监测提供了有力保障，未来应用前景广阔。

4 食品贮藏

食品贮藏是食品加工后保证食品安全的环节，传统常用的方法包括低温、气调等方法，人工智能技术在食品贮藏中可智能判断贮藏状态，并实时调节贮藏条件，是对传统贮藏方法的升级。吴文福等人[12]总结近40 年来智慧化储粮理论和案例，升华出粮仓哲学：解构粮食储藏系统三元微结构，以“一分为二，二分为三，三生变化”作为基本思想，以机理、数据联合驱动为智慧化策略，对过去和现在的储粮方法进行归纳，为构建更高水平储粮体系提供支撑。

刘哲等人[13]研究了一种多功能储粮安全现场快速检测分析仪。该分析仪利用计算机建模和数据分析方法，已知多点位温度、湿度、二氧化碳浓度的条件下，推算储粮水分、积热、积湿等指标，进而判断粮食霉变等状态，有效指导储粮安全。初步应用显示该分析仪可有效辅助储粮管理。

吴子丹等人[14]阐述了AI 技术在粮食产后贮藏管理中的重要应用，包括粮堆多耦合理论机理驱动AI技术、储粮虫害机器识别技术、数据驱动AI 技术等，可实现粮库储粮过程中的库存识别、质量监测、智能预测等。该研究有效提升了粮食贮藏管理效率，但仍存在基础数据库信息独立问题，数据关联有待加强，以进一步促进粮食系统建设从数字化向智能化、智慧化提升。

5 食品质量安全

食品质量安全一直是食品行业的重要课题，无论是国家层面、企业层面还是每一个普通群众，都对食品质量安全高度关注。关于AI 技术在食品质量安全方面的应用研究也不断深入。

王丹等人[15]研发了一种智能快速检测小麦中玉米赤霉烯酮的技术，即荧光定量高灵敏智能即时检测（Point-of-care testing，POCT） 技术，基于抗原与抗体特异性免疫反应，利用高灵敏度物质作为追踪物标记抗体，实现用智能手机现场监测小麦中玉米赤霉烯酮。最低检出限为0.02 ng/mL，加标回收率达到104.9%～110.3%，批内重复性的回收率为95.2%～104.2%，批间再现性回收率为92.3%～107.5%，检测结果与UPLS-MS/MS 方法一致。基于该方法研制的自制快速检测仪，可与手机连接，即时智能监测小麦中的玉米赤霉烯酮含量，为粮食质量安全智能监测提供了一种快速、可靠的技术方法。

宋洁等人[16]阐述了AI 技术在粮食安全中的重要作用，尤其是AI 技术可以抓住系统的细节逻辑，增强粮食管理系统预警监测能力，提高智慧决策能力，对突发状况下的粮食应急管理有十分重要的意义。

张鑫等人[17]研究了一种基于卷积神经网络（Convolutional neural network，CNN） 和Wasserstein 距离的生成对抗网络（Wasserstein generative adversarial nets，WGAN） 组合的电子舌技术，可快速检测陈化小麦的贮存年限。研究经过信号数据处理、与传统检测方法对比、模型性能分析，表明建立的WGAN-CNN模型综合性能良好，可用于陈化小麦年限快速识别。该模型利用WGAN 构建样本集，克服了单一基于CNN 模型的电子舌技术因样本不足导致的识别能力有限的缺点，为人工智能快速检测小麦贮存年限提供了新的途径。

6 结语

总结目前人工智能技术在食品中的应用，发现存在一些可改进的方面。一是目前存在信息分散、孤立的情况，造成信息重复收集，浪费人力、物力，应加强信息系统化，全产业链贯通，避免重复检测[18]。二是信息的真实有待加强，可利用区块链技术，确保信息不可篡改。三是保证信息完整可用，防止信息丢失，增加信息可靠性、完整性、可用性。四是提高研究成果的转化率。目前，关于人工智能技术在食品中的应用，理论研究居多，小规模应用占一部分，应增加研究信息系统的实用性，并积极推广应用。五是提高可复制性。可借鉴其他行业比较成熟的信息系统，提高本系统的可复制性，推广应用到不同食品领域，减少重复研发的成本。