《Food and Bioproducts Processing》：Smart food comminution using deep learning and machine vision: progress and prospects
编辑推荐：
人工智能在食品破碎中的应用研究，系统综述了机器学习、深度学习和计算机视觉在原材料分类、工艺优化、颗粒监控及质量分析中的创新应用，探讨动态设备参数调整、实时质量评估及3D打印技术的整合，分析数据获取、模型泛化等挑战并提出解决方案。
周伟杰|张敏|唐天添|Bhesh Bhandari|李春丽
江南大学食品科学与资源国家重点实验室，中国江苏省无锡市214122
摘要
人工智能（AI）在食品粉碎中的应用正迅速从传统加工方法转向智能系统。AI可以提高研磨效率、颗粒均匀性和产品质量，同时降低能耗和人工干预的需求。本文系统地回顾了机器学习、深度学习和计算机视觉在食品粉碎中的关键作用，强调了它们在原材料分类、工艺优化、颗粒大小监测和粉末质量分析方面的创新应用。此外，还探讨了实际应用场景，如现场监测、原材料预处理、动态设备参数调整和实时质量评估。最后，本文还讨论了食品粉末与3D打印技术在智能制造背景下的潜在整合。最后，本文总结了当前面临的挑战，并提出了未来发展的可行解决方案。
章节摘录
1. 引言
近年来，人工智能（AI）技术在食品行业展现出了强大的创新潜力（De Jódar Lázaro等人，2020年；Zhao等人，2023年）。从原材料质量检测（Liu等人，2024年）、生产过程优化（Li等人，2022年）到产品分析（Pradana-López等人，2021年），AI通过数据驱动的方法显著提升了食品加工的自动化和智能化水平。
食品粉碎是食品加工的关键环节，
与食品粉碎相关的AI技术介绍
机器学习（ML）作为AI的基础领域，专注于通过迭代的数据模式识别使计算系统自主提升操作能力。ML方法主要分为四种类型：有监督模式识别、无监督结构发现、混合注释方法（半监督）和基于奖励的行为优化（强化学习）。深度学习（DL）是ML的一个高级子集原材料的质量评估与分类
AI可以在收获后对原材料进行分类和质量评估（Razavi等人，2024年）。为了评估大豆作为豆浆原料的潜力，Zhu等人（2024年）对54个大豆品种及其豆浆进行了化学、质地和感官分析，并将结果整理成数据集，以构建基于深度学习的模型。利用大豆的物理化学性质对豆浆的盈利能力和质量数据进行定量预测。食品粉末的分类与质量评估
目前的食品粉末质量评估系统主要依赖于人类的经验判断和物理性质测量，这些方法受到操作效率低下、主观变异性以及工业规模环境中高昂验证成本的限制。向智能评估架构的转变，能够动态地数字化复杂材料，是优化生产流程和实现精确质量管理的重要途径（Przyby?等人，在3D打印中的应用
近年来，3D打印技术在食品领域的应用发展迅速，食品墨水的质量直接决定了最终打印产品的质量与效率（Huang等人，2025年；Wang等人，2025年）。食品墨水的原材料通常需要被粉碎或制成粉末，以提高其分散性和可打印性，其流动性、湿度和颗粒大小等特性对打印过程至关重要（Dancausa Millán和Millán Vázquez De La Torre，2024年，挑战与潜在解决方案
AI为整个食品粉碎生命周期的智能控制提供了核心技术支持，推动了与3D打印的跨领域整合。然而，从实验室研究到工业应用的过渡仍受到数据采集成本、模型泛化能力、行业采用率以及适应动态环境能力等挑战的制约。利用AI支持的智能控制框架来实现整个食品粉碎过程结论
通过系统回顾现有文献，本研究证实AI在食品粉碎的原材料分类、工艺优化和质量评估方面展现了卓越的能力。本文提出的“食品粉碎整个生命周期的智能控制框架”模型首次将分散的现场监测、粉碎处理、粉末分析以及下游3D打印应用有机结合在一起，填补了这一领域的空白
未引用的参考文献
(Chen等人，2024年；Miao等人，Williams等人，)
CRediT作者贡献声明
李春丽：撰写 – 审稿与编辑、资源整理、调查。Bhesh Bhandari：撰写 – 审稿与编辑、方法论设计、调查。唐天添：撰写 – 审稿与编辑、方法论设计。张敏：撰写 – 审稿与编辑、监督工作、资源整理、方法论设计、调查。周伟杰：撰写 – 原始草稿撰写、方法论设计、数据分析、数据整理。致谢
我们感谢中国国家重点研发计划（合同编号2023YFF1104205）、中央高校基本科研业务费（JUSRP202416005）、江苏省先进食品制造装备与技术重点实验室项目（编号FMZ202003）以及国家食品科学与技术一流学科建设（编号JUFSTR20180205）的财政支持，这些支持使我们能够开展这项研究。
