《Trends in Food Science & Technology》：From detection chains to prevention trends: An AI governance framework for terrestrial and marine food-safety systems
编辑推荐：
人工智能在食品安全中的应用研究：揭示技术-治理失衡与海洋系统治理短板
Joothykannan Krisnanmoorthy | Yudi Fernando
马来西亚彭亨阿尔苏丹阿卜杜拉大学工业管理学院，彭亨，26300，马来西亚
摘要
背景
人工智能（AI）技术正在从根本上将食品安全从被动检测污染转变为预测性预防系统，但其应用过程中存在治理缺陷，这些缺陷威胁到了技术的公平普及。
范围和方法
本文分析了2015年至2025年间的1766篇出版物，以评估AI检测系统、预测分析以及区块链在陆地和海洋供应链中的可追溯性。
主要发现和结论
计算机视觉在病原体检测方面的准确率可达95-99%，而区块链则能够将追溯时间从几天缩短到几秒。我们的分析揭示了技术与管理之间的严重失衡（比例为7.5:1），并且海洋系统的代表性严重不足（陆地系统占主导，比例为2.3:1；非法捕鱼研究的相关文献更是少之又少，比例为57:1），尽管水产品为全球33亿人提供了17%的动物蛋白。欧盟、美国和亚太地区的监管框架碎片化，给小型和中型企业带来了应用上的不确定性。尽管海洋食品对全球动物蛋白供应至关重要，但相关治理措施却未能有效应对有害藻类爆发、重金属生物累积和非法捕鱼等问题。我们提出了一个适用于陆地和海洋食品安全系统的AI治理框架，该框架包含了适应性监管机制。
引言
预计到2030年，AI在食品安全市场的全球采用规模将从27亿美元增长到137亿美元，这表明业界迫切需要变革性的食品安全解决方案（BCC Research, 2025）。这种增长是对持续存在的污染危机的回应，例如2024年的“Boar’s Head”召回事件，该事件影响了700万磅产品，并导致19个州共有61人患病、10人死亡（USDA, 2024）。这凸显了安全系统失效的灾难性后果。传统的基于检测的方法在污染事件发生后才发挥作用（Balakrishnan et al., 2025a; Naseem & Rizwan, 2025）。同时，资源密集型的人工检查无法跟上全球食品贸易的规模和速度。这种贸易跨越多个大陆，涉及不同的监管标准、受气候影响的污染路径以及碎片化的供应链，从而在多个交接点创造了安全漏洞的风险（Krisnanmoorthy & Fernando, 2025）。
基于AI的组学技术为农业食品供应链中的黄曲霉素检测和缓解提供了变革性解决方案（Yohannis et al., 2025）。然而，治理框架在应对海洋特定挑战（如有害藻类爆发、重金属生物累积和非法捕鱼）方面仍存在困难（Kuppusamy et al., 2024）。
AI技术在三个维度上实现了变革：实时检测利用基于大规模图像数据集训练的卷积神经网络的计算机视觉系统，以超出人类检测速度的速度识别病原体、异物和品质异常（Balakrishnan et al., 2025b）；光谱方法结合机器学习可以检测复杂食品基质中的掺假物（Goyal et al., 2024）；现代生物传感器可以在几分钟内识别病原体，而传统培养方法则需要24-48小时（Nnachi et al., 2022）。预测分析是AI最具创新性的贡献之一，它通过分析历史数据、环境条件和供应链特征来预测食源性疾病爆发的时间和地点，从而在产品到达消费者之前采取预防措施（Dhal & Kar, 2025）。
增强的可追溯性将区块链与AI和物联网（IoT）传感器相结合，创建了从源头到消费端的防篡改记录（Patel et al., 2023）。试点实施将追溯时间从7天缩短至2.2秒，实现了几乎即时识别污染源并防止产品广泛传播（Jahanbin et al., 2023）。我们工作的意义在于填补了现有研究和分析揭示的关键空白，推动了理论和最佳实践的发展。我们认为现有文献往往孤立地评估AI技术，而没有对检测、预测和可追溯性应用进行比较性绩效评估。
尽管技术取得了这些进步，但海洋和水产食品系统在AI治理框架方面仍严重不足。Gephart等人（2024）指出，水产品提供了全球约17%的动物蛋白，是超过33亿人的主要蛋白质来源。然而，AI在海鲜安全领域的应用进展比陆地系统缓慢。海洋环境面临独特的污染挑战（Jayabal, 2025），例如有害藻类爆发会产生麻痹性、腹泻性和记忆丧失性的贝类毒素，这需要集成海洋学数据的复杂预测系统（Young et al., 2020）。重金属通过生物放大作用在长寿的捕食性物种中积累，其浓度可达环境水中的数千倍（Xu et al., 2025）。
微塑料作为具有未知健康影响的污染物日益受到关注，同时气候变化改变了有害藻类爆发的模式，扩大了其地理范围（Abdi et al., 2025; Shahmiri et al., 2025）。除了污染路径外，海洋食品系统的治理结构比陆地农业更为复杂。非法、未报告和不受监管的捕鱼活动占全球捕捞量的高达20%，破坏了合法的供应链并逃避了安全监督（Song et al., 2020）。物种标签错误的研究显示，这种情况在餐馆和小型零售商中尤为普遍（Ahles et al., 2025）。
政策框架落后于技术发展，给开发者和部署者带来了障碍，同时消费者也缺乏足够的保护。欧盟的AI法案（Regulation 2024/1689）于2024-2027年分阶段实施，但针对食品的具体指导有限，尤其是对于海洋环境而言。美国的相关措施在食品和药物管理局（FDA）、农业部（USDA）、国家海洋和大气管理局（NOAA）等机构之间缺乏协调。亚太地区占全球水产养殖产量的大部分，但其治理差异性更大。中国的集中式AI标准与地方性法规并存（Chen & Xu, 2025），而东南亚国家则维持着不断发展的AI食品安全框架，优先考虑小规模生产者的参与和出口市场的兼容性（ASEAN, 2024）。日本和韩国运营着复杂的治理系统，针对不同的污染问题（如辐射监测和有害藻类爆发预测）（Jolly et al., 2023）。这种区域多样性，加上尽管有东盟的整合努力，但跨境协调机制仍然有限，给服务于33亿人的海鲜贸易带来了挑战。
尽管食品贸易具有全球性，但国际协调机制仍不完善。数字化转型技术在投资方面备受重视，制造过程、食品安全预防控制、供应链生产和库存管理都显示出积极的采用效果（Plakantara & Karakitsiou, 2025）。主要的技术投资集中在支持可追溯性的系统和设备上，这得益于全球供应链对透明度和问责制的日益重视（Cromwell et al., 2025a）。然而，这种投资发生在治理真空环境中，特别是对于面临高昂实施成本的小型和中型企业来说，带来了部署上的不确定性（Sharma et al., 2023）。
本文通过全面分析AI技术、治理框架以及适用于陆地和海洋环境的食品安全系统的实施路径，填补了这些空白。我们使用Scopus和Web of Science两个数据库进行了综合搜索（共1766篇出版物，2015-2025年），以最大化覆盖范围，并结合了关键的政策框架评估。这是首篇全面探讨蓝色经济的综合综述，而不是将海洋系统视为次要考虑因素。我们的分析对食品科学和技术界做出了四项贡献：首先，我们提供了AI检测技术、预测系统和可追溯性平台的全面总结，以及支持技术选择的绩效指标；其次，我们批判性地评估了不同司法管辖区的新兴治理框架，识别了实施挑战和最佳实践；第三，我们开发了一个涵盖陆地和海洋环境的综合治理框架，并在每个支柱中都体现了蓝色经济的整合；第四，我们提供了可行的实施指南，解决了能力限制、公平性考虑和跨司法管辖区的协调机制问题。
我们的研究探讨了三个基本问题：（1）哪些AI技术被用于陆地和海洋供应链的食品安全检测、预测和可追溯性，它们的性能特点、实施要求和操作限制是什么？（2）主要司法管辖区在应对食品安全系统中AI应用方面的治理框架是如何演变的，技术能力与监管准备之间存在哪些关键差距，特别是在蓝色经济应用方面？（3）需要哪些综合治理机制和实施路径，以确保在不同食品系统背景下实现公平、有效和负责任的AI采用，包括供应全球17%动物蛋白的海洋食品领域？从被动检测到预测性预防的转变需要协调行动，以解决能力建设、标准化倡议以及在整个政策发展中明确纳入海洋环境的问题。
我们的研究采用了三角验证方法来回答这些问题。这种方法提供了基于证据的决策指导，并指出了需要政策关注的治理-技术脱节之处。它使我们能够评估陆地和海洋供应链中的AI检测系统、预测分析和区块链可追溯性。选择标准、范围和分析方法的详细信息见第3节。
部分摘录
AI技术改变食品安全检测和监测
AI通过三个相互关联的领域提升食品安全：（1）实时检测系统；（2）预测性风险评估；（3）改进的可追溯性（Naseem & Rizwan, 2025）。现代计算机视觉系统利用基于大规模图像数据集训练的卷积神经网络，以超出人类检测速度的速度识别异物、微生物菌落、表面缺陷和品质异常（Ferrari et al., 2017; Koirala et al., 2019; Zhou et al., 2019）。在海鲜加工领域
综合数据分析方法
本研究采用了一种综合数据分析框架，结合了文献计量网络分析、系统文献综述和比较技术评估，以评估食品安全系统中AI治理的演变。与传统的系统综述不同，我们的多方法方法更侧重于技术性能评估、治理差距识别和实施路径分析
出版物增长和数据集组成
系统搜索发现了578篇WoS论文和1188篇Scopus论文，经过年份、文档类型和语言的筛选后共计1766条记录。分析显示该领域在三个不同阶段经历了显著的发展。（1）基础阶段（2015-2018年）：新兴的AI应用在食品安全治理中开始出现。WoS仅发现了80个独特关键词；Scopus发现了174个。该领域正在发展，但缺乏主题组织。
利益冲突声明
作者声明以下可能的财务利益和个人关系：Yudi Fernando表示获得了马来西亚高等教育部（MOHE）和马来西亚彭亨阿尔苏丹阿卜杜拉大学的财政支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
本研究得到了马来西亚高等教育部（MOHE）的FRGS资助，项目编号为FRGS/1/2025/SS01/UMPSA/01/2和RDU250114。作者感谢马来西亚彭亨阿尔苏丹阿卜杜拉大学（UMPSA）的研究与创新部门对这项研究的支持。
