综述：下一代食品安全技术：利用太赫兹技术和人工智能对食品进行无损检测

《Journal of Food Measurement and Characterization》：Next-generation food safety: Terahertz and AI for non-destructive testing of food products

太赫兹光谱与人工智能结合为农食品非破坏性检测提供新方案，在掺假识别、变质监测和质量评估中展现高精度（分类准确率＞90%，定量误差＜0.05g/100g）和噪声优化优势，但存在高湿度穿透、数据不足等技术瓶颈，并探讨其与HACCP、ISO/AOAC框架的整合路径及全球供应链社会经济影响。

　　

摘要

食品掺假和污染仍然是全球供应链完整性、公共卫生保护以及消费者信任面临的关键挑战。传统的破坏性分析技术，如高效液相色谱（HPLC）和气相色谱-质谱（GC–MS），虽然准确，但具有侵入性、耗时且不适用于高通量或在线监测。本文评估了太赫兹（THz）光谱和成像技术结合人工智能（AI）作为新兴的非破坏性检测（NDT）方法在农食品质量和安全中的应用，重点探讨了它们在加工和质量控制系统中的整合。通过对2021年至2025年间发表的研究进行系统梳理，研究了THz技术在掺假检测、变质监测和质量评估中的应用，并将其与高光谱成像、拉曼光谱、近红外和中红外光谱、超声波以及X射线检测等现有技术进行了对比。最新报告显示，在某些干食品掺假检测任务中，分类准确率超过90%；定量分析的回归误差低于0.05克/100克；利用AI辅助的THz处理流程，信噪比提高了约25%至40%。同时，本文也重点讨论了存在的问题，包括在高水分食品中的穿透能力有限、数据集稀缺、校准转移以及模型泛化能力不足等挑战。基于这些发现，本文概述了与HACCP体系和ISO/AOAC框架相一致的工业和监管路径，并探讨了相关社会经济影响，如减少食品浪费、提高资源利用效率以及在全球农食品供应链中实现公平的合规性验证。

图形摘要

食品掺假和污染仍然是全球供应链完整性、公共卫生保护以及消费者信任面临的关键挑战。传统的破坏性分析技术，如高效液相色谱（HPLC）和气相色谱-质谱（GC–MS），虽然准确，但具有侵入性、耗时且不适用于高通量或在线监测。本文评估了太赫兹（THz）光谱和成像技术结合人工智能（AI）作为新兴的非破坏性检测（NDT）方法在农食品质量和安全中的应用，重点探讨了它们在加工和质量控制系统中的整合。通过对2021年至2025年间发表的研究进行系统梳理，研究了THz技术在掺假检测、变质监测和质量评估中的应用，并将其与高光谱成像、拉曼光谱、近红外和中红外光谱、超声波以及X射线检测等现有技术进行了对比。最新报告显示，在某些干食品掺假检测任务中，分类准确率超过90%；定量分析的回归误差低于0.05克/100克；利用AI辅助的THz处理流程，信噪比提高了约25%至40%。同时，本文也重点讨论了存在的问题，包括在高水分食品中的穿透能力有限、数据集稀缺、校准转移以及模型泛化能力不足等挑战。基于这些发现，本文概述了与HACCP体系和ISO/AOAC框架相一致的工业和监管路径，并探讨了相关社会经济影响，如减少食品浪费、提高资源利用效率以及在全球农食品供应链中实现公平的合规性验证。

图形摘要