综述：由人工智能驱动的食品安全与质量控制

《Journal of Food Measurement and Characterization》：Artificial intelligence-driven food safety and quality control

人工智能在食品检测中的应用综述：通过深度学习技术提升传统检测方法的效率，覆盖危害检测、质量评估和实时监控，但存在数据不平衡、可解释性差等问题，需融合传感器与大数据技术优化系统

　　

摘要

确保食品安全和质量已成为全球性的关键优先事项，这一需求源于世界人口的快速增长以及现代食品生产和分销系统的日益复杂化。随着供应链的全球化和多样化，与污染、掺假和质量下降相关的风险也随之加剧，给公共卫生和国际贸易带来了重大挑战。尽管传统的检测和监测方法在科学上已经得到了验证，但它们在效率、成本效益以及适应多种污染源和动态生产环境方面往往存在局限性。近年来，作为人工智能的一个变革性分支，深度学习的出现为通过自动化数据分析和智能模式识别来克服这些局限性提供了新的机会。本综述全面总结了2019年至2025年间人工智能在食品安全和质量控制方面的应用进展，涵盖了危害检测、质量评估以及用于实时风险预测和决策支持的智能监测技术。通过系统地分析代表性方法、技术框架和性能结果，本文强调了人工智能在复杂食品基质中实现高通量、非破坏性和精确分析方面的优势。同时，也指出了数据不平衡、解释性有限以及环境变化等持续存在的挑战，这些因素阻碍了人工智能的大规模应用和法规整合。预计人工智能与先进传感技术、大数据分析及领域专业知识的结合将推动下一代智能食品安全系统的演变，最终实现更加透明、适应性强且可持续的采后处理、质量管理和全球食品安全保障方法。