综述：人工智能在果蔬加工领域的应用带来的改进：从在线检测到未来食品设计，从食品安全到个性化营养

《Food Control》：Artificial intelligence-driven improvements in fruits and vegetables processing fields: From detection online to future food design, from safety to personalized nutrition

人工智能技术在果蔬加工全链条的应用研究：涵盖原料识别、工艺参数优化及未来食品定制，通过图像识别、多组学整合和数字孪生技术提升加工效率（约30%）、减少损耗，并实现个性化营养设计，但需解决数据质量、模型可解释性及成本问题，推动行业向智能化、可持续化转型。

　　

陈秦|黄水仙|张彦兵|穆罕默德·蒙塔基姆·阿兰|徐珍珍|徐晓云|潘思怡|刘凤霞

华中农业大学食品科学与技术学院，中国湖北省武汉市

摘要

水果和蔬菜（F&V）是维持人类健康的关键食品类别，但面临着诸多挑战。随着人工智能（AI）的进步，F&V加工行业正在经历从感知到决策的智能化升级。本文系统地讨论了AI在F&V整个加工链中的应用，包括原材料识别、加工参数优化以及未来食品设计。通过整合成像技术、传感器、数字孪生技术和多组学技术，AI实现了实时且无损的检测，提高了可追溯性和加工效率（约30%），并减少了浪费。AI驱动的F&V产品设计正成为研发的核心。显然，AI技术能够根据特定的功能需求（包括营养强化和质地定制）实现个性化营养。可食用传感器与AI的结合可以实时监测F&V中的营养成分摄入量，从而调整饮食菜单。尽管存在数据质量、模型可解释性、成本和伦理问题，AI技术仍推动F&V加工行业迈向一个高度个性化、可预测和可持续的智能时代。

引言

如今，世界各地生产和消费的各种F&V加工产品已成为全球食品产业的重要支柱（Hassoun等人，2024年）。然而，F&V加工行业仍面临诸多挑战，如原材料的多样性和变异性。如何在保证安全的同时准确平衡质量最大化与加工能耗，始终是工艺优化的核心问题（Feng等人，2025年）。据报道，在F&V加工过程中产生了15-20%富含生物活性化合物的副产品，但这些副产品并未得到有效利用。特别是，现代消费者的需求已从基本的“安全需求”转变为追求“清洁标签”、个性化营养、独特的感官体验和环境可持续性，这对产品质量提出了更高的要求（Faulisi等人，2024年）。

依赖经验公式和有限试错的传统研发（R&D）和生产模式已经变得力不从心，迫切需要一场范式转变，以推动加工行业进行技术创新（Holt等人，2022年）。

人工智能（AI）技术的蓬勃发展为这一转型提供了核心驱动力。尤其是机器学习（ML）和深度学习（DL），能够从海量多维数据中自动学习复杂模式和规则，并执行预测、分类、优化甚至创造性生成等高级任务，这些技术已在整个F&V产业链中得到广泛应用（图1）（Li等人，2025年；Wang等人，2024年）。在F&V加工领域，AI在智能过程监控方面展现出巨大优势。智能控制系统能够实时监控和调整加工参数，确保F&V产品质量的稳定性和一致性（Lee & Ma，2025年）。

特别是随着营养学进入“精准营养”时代，为特定健康需求（如老年人、糖尿病患者、运动员）定制和个性化的未来食品开发已成为F&V加工行业的必然趋势。这依赖于包括生成式AI、自然语言处理和大规模知识映射在内的前沿技术的深度融合（Wang等人，2025年）。AI不仅可以通过预测F&V中活性成分的特性（如营养平衡、高感官接受度、定制的3D/4D打印食品）来实现多重目标，还可以结合传感技术实时监测活性成分的摄入量（Escalante-Aburto等人，2021年）。

尽管已有研究总结了AI技术在F&V领域的优势并进行了发表（Niu等人，2024年；Wang、Zhang、Li等人，2024年；Zhang、Zhang、Mujumdar等人，2024年），但这些已发表的综述主要集中在AI技术在冷冻F&V、F&V果汁和F&V保鲜中的应用。关于AI技术在加工参数优化以及高质量F&V产品可追溯性方面的应用前景的综述却较为稀缺。值得注意的是，尽管有许多关于基于F&V的食品开发的研究，但随着AI技术的进步，设计未来食品以满足营养需求已成为不可避免的趋势，但这些研究尚未得到充分讨论。

因此，本文重点关注新兴技术辅助下的AI在加工参数优化和可追溯性预测方面的实际应用，接着探讨了它们在加工程度预测中的应用，并深入探讨了AI技术在提升未来食品营养设计方面的现状。这些见解有助于推动智能、精准、可持续和营养现代化的F&V加工产业的发展。

部分摘录

F&V的识别与分类

F&V加工过程的起点是对原材料的精准理解。虽然长期以来一直使用传统的手动分选和RGB相机结合图像处理算法进行大小和颜色分级，但这些方法往往无法处理F&V复杂的形态和表面缺陷。AI，尤其是深度学习（DL），赋予了机器智能感知和分析能力，实现了前端处理的质的飞跃。

AI驱动的F&V加工程度预测

食品加工程度与营养和健康密切相关，有助于消费者识别“隐藏的不健康”食品，促进理性选择。FoodProX是一种机器学习（ML）分类器，能够根据可能因不同加工操作而改变的营养成分，准确区分生洋葱、煮熟的洋葱、炸洋葱和洋葱圈（Menichetti等人，2023年）。通过整合代谢组学数据，ML被用来区分各种F&V加工产品。

AI驱动的F&V未来食品设计

AI技术用于优化F&V中的重要活性成分、它们的相互作用、生物利用度、感官和风味特性以及打印食品结构，以实现食品的精准营养设计（Agrawal等人，2025年）。基于消费者需求，AI辅助定制的3D/4D打印F&V可以为食品提供个性化营养。更重要的是，AI能够实时监测营养状况，为个性化F&V饮食提供依据。

AI在F&V加工中的挑战

AI在F&V加工中的质量、安全和营养控制应用已取得显著进展，加速了高质量产品和未来食品的开发，提高了加工效率并减少了浪费。然而，仍存在许多问题和挑战需要解决，以下是基于本综述的一些建议（图4）：

• (1)
  数据质量和可获取性：高质量、标准化且带有注释的F&V数据（尤其是食品设计属性数据）是

结论

本文系统总结了AI技术在F&V加工链各个方面的重大改进，强调了其在优化加工参数、可追溯性和加工程度预测方面的核心价值。再次强调，AI驱动的未来食品设计是工业创新的下一个战略高地，将根本改变产品开发模式。借助大数据分析，AI能够高效设计创新配方。

作者贡献声明

黄水仙：撰写——审稿与编辑。陈秦：撰写——审稿与编辑、初稿撰写、监督、调查、数据分析、概念构思。刘凤霞：撰写——审稿与编辑、初稿撰写、监督、项目管理、资金筹集、概念构思。潘思怡：撰写——审稿与编辑、监督、项目管理。徐晓云：撰写——审稿与编辑、监督、项目管理。徐珍珍：撰写——审稿

未引用的参考文献

CFOtech Australia，2025年；Chen等人，2024年；Wang等人，2024年；Wang等人，2023年；Wang等人，2023年；Wang等人，2024年；Yang等人，2023年；Zhang等人，2024年。

利益冲突声明

作者声明没有已知的可能影响本文工作的利益冲突或个人关系。

致谢

本工作得到了中国国家重点研发计划（2022YFD210080102）的支持。