人工智能技術在食品中的應用

王 芹

（1. 滄州市物資儲備和糧油質(zhì)檢中心，河北 滄州 061000；2. 滄州市發(fā)展和改革委員會，河北 滄州 061000）

0 引言

人工智能技術（Artificial intelligence，AI） 首次被提出是在1950 年，旨在用計算機技術模擬人類智能的理論、方法、技術、應用系統(tǒng)，通過自然語言處理、計算機視覺、機器學習等方法，實現(xiàn)計算機完成人的智力才能完成的工作[1]。人工智能技術飛速發(fā)展，在各行各業(yè)都有越來越廣泛和深入的應用。食品與老百姓的生活息息相關，傳統(tǒng)的生產(chǎn)加工方式存在效率低、耗材多等缺點，人工智能技術的引入，有助于提高食品加工生產(chǎn)效率。陳堅[2]在2019 年發(fā)表的《中國食品科技：從2020 到2035》中提到，我國食品工業(yè)目前存在加工增值與資源利用不足的問題，資源和能源消耗巨大，并指出，對食品加工進行智能化裝備的革命，將成為食品工業(yè)升級的一個重要趨勢。關于食品行業(yè)智能化的研究從未停止，在食品生產(chǎn)的各個環(huán)節(jié)均有應用探索。

1 食品原料采集

原料采集是食品生產(chǎn)后續(xù)環(huán)節(jié)的開端，把握好開端，是后續(xù)加工過程的基礎。以糧食食品為例，糧食收獲后，需進行扦樣和檢驗，以保證原糧安全，一些研究將人工智能技術應用到原糧扦樣和現(xiàn)場檢測中，提高了原糧檢測效率。

王超群[3]針對原糧扦樣過程中存在的專業(yè)人才少、工作效率低、人力成本高等問題，研究開發(fā)了智能扦樣系統(tǒng)。該系統(tǒng)由智能扦樣機和PLC 控制柜組成，在系統(tǒng)中設置好扦樣程序，工作時，智能扦樣機可以自動判斷扦樣位置和數(shù)量，保證扦樣點有代表性，實現(xiàn)了無人自動扦樣。該系統(tǒng)借鑒了無人工廠的經(jīng)驗，以計算機系統(tǒng)代替人工重復勞動，提高了原糧收獲中扦樣這一步驟的智能化水平。

扦樣的糧食不應過于潮濕，水分含量不宜過高，針對目前糧食水分檢測具有檢測時間長、破壞性大等問題，高向上[4]提出了基于信道狀態(tài)信息（Channel state information，CSI） 的糧食水分快速檢測最優(yōu)模型。該模型基于CSI，因發(fā)現(xiàn)不同水分含量的小麥樣品會引起WIFI 信號的CSI 變化，因此通過特征提取算法，選出了特征子載波，并結合人工智能技術進行數(shù)據(jù)分析，計算得到對應小麥水分信息。該模型具有可視化操作界面，學習難度低。該模型檢測精度高、檢測成本低、檢測速度快、可操作性強，提供了一種創(chuàng)新、智能的糧食水分檢測思路。

收貨后小麥不完善粒的傳統(tǒng)檢測方法是人工檢測，主觀性較強，費時費力，需要檢驗人員經(jīng)驗豐富。周永強[5]研究了一種用人工智能方法檢測小麥不完善粒和雜質(zhì)的方法，針對小麥圖像集數(shù)據(jù)較少的問題，設計了1 個圖像自動采集裝置，采集不同密集程度、小麥粒數(shù)量下，3 個品種小麥粒的圖像，通過標記數(shù)據(jù)構建不完善粒和雜質(zhì)的數(shù)據(jù)圖集；基于新獲得的圖集對檢測小麥不完善粒的YOLOX 模型進行改進，使得新模型檢測速度更快，準確率更高，并能同時識別多類別的小麥不完善粒，并進行計數(shù)；利用獲得的模型研發(fā)了一套小麥不完善粒智能檢測系統(tǒng)，能夠動態(tài)采集圖像并檢測，實用性較強。

2 食品流通

在物流發(fā)達的今天，食品流通成為不可避免的一個環(huán)節(jié)，這一過程的質(zhì)量控制顯得尤為重要。基于物流過程中食品安全的研究成為近年來的熱門。林延昌[6]研究了一種基于區(qū)塊鏈技術的食品安全追溯系統(tǒng)，該研究以牛肉為例，構建了包含養(yǎng)殖環(huán)節(jié)、屠宰加工環(huán)節(jié)、物流環(huán)節(jié)、銷售環(huán)節(jié)在內(nèi)的質(zhì)量追溯系統(tǒng)。在構建的系統(tǒng)中，每個環(huán)節(jié)的單位或監(jiān)管部門維護自己分管職責的區(qū)塊鏈節(jié)點，所有節(jié)點構成一個區(qū)塊鏈網(wǎng)絡，整個網(wǎng)絡有篡改數(shù)據(jù)情況時立馬會被識別和發(fā)現(xiàn)。區(qū)塊鏈技術具有去中心化、數(shù)據(jù)不可篡改等特點，非常適合應用于追溯領域，該研究以牛肉為例構建的食品追溯模型可借鑒到其他食品研究中。

王志立[7]構建了一個食品冷鏈物流數(shù)字化成熟度評價模型，該模型以系統(tǒng)性、客觀性、靈活性、定性與定量結合為原則，以基礎設施數(shù)字化、業(yè)務流程數(shù)字化、質(zhì)量控制數(shù)字化、數(shù)字化績效為評價指標，采用德爾菲法進行初步體系評價，依據(jù)CMM 成熟度模型，將食品冷鏈物流數(shù)字化成熟度分為5 個等級：初始級、成長級、規(guī)范級、優(yōu)化級和卓越級，并結合企業(yè)實例，驗證了該模型的可用性。該研究建立了一個可評價食品冷鏈物流數(shù)字化成熟度的實用模型，但存在數(shù)據(jù)收集不足等問題，還需進一步充實。

3 食品加工與包裝

食品加工和包裝過程復雜，人力消耗多，同時效率偏低、出錯率高。面對傳統(tǒng)加工與包裝環(huán)節(jié)存在的問題，一些科研人員一直不斷嘗試將人工智能技術融入其中。

常憲輝[8]研究了智能監(jiān)測制作饅頭過程中面團發(fā)酵狀態(tài)的方法。篩選面團發(fā)酵過程中多個動態(tài)指標，發(fā)現(xiàn)面筋蛋白的傅里葉紅外光譜有8 處特征峰隨面團發(fā)酵有顯著變化（p＜0.05），面團產(chǎn)氣量先隨面團發(fā)酵顯著增高（p＜0.05），然后顯著降低（p＜0.05），與面團發(fā)酵狀態(tài)顯著相關面團產(chǎn)氣量、面團的面筋蛋白結構可以作為特征指標反映發(fā)酵程度，并據(jù)此利用不同傳感技術建立了智能監(jiān)測面團發(fā)酵狀態(tài)的方法。用GC-IMS 技術提取不同發(fā)酵狀態(tài)面團的揮發(fā)性物質(zhì)，以篩選出的22 個特征揮發(fā)性物質(zhì)為基礎，建立了用電子鼻智能監(jiān)測面團發(fā)酵狀態(tài)的方法。根據(jù)面團發(fā)酵不同程度時近紅外光譜信息的變化規(guī)律，采用SG -卷積平滑對光譜做降噪處理，構建了一種用近紅外光譜技術智能監(jiān)測面團發(fā)酵狀態(tài)的方法。該研究為利用傳感技術智能監(jiān)測面團發(fā)酵狀態(tài)提供了理論依據(jù)。

孫靖宇[9]以肉類為研究對象，研究了一個全數(shù)字化排酸車間管控系統(tǒng)，實現(xiàn)了肉類排酸、分級、入庫全加工流程的數(shù)字化管理。針對排酸車間結構復雜、效率低、人力消耗高等問題，從排酸車間總體系統(tǒng)設計、利用超高頻RFID 系統(tǒng)讀取性能、數(shù)據(jù)采集與實時監(jiān)控3 個層次，對肉類排酸進行數(shù)字化升級，為肉類排酸車間實現(xiàn)數(shù)字化轉(zhuǎn)型提供了堅實的理論基礎。

毛明[10]闡述了人工智能包裝技術在食品行業(yè)中的應用，包括機器學習技術、物聯(lián)網(wǎng)技術、自然語言處理技術。其中，物聯(lián)網(wǎng)技術應用在食品包裝中，可以實現(xiàn)食品生產(chǎn)信息的追溯，并利用電子感應器感應包裝內(nèi)食品類型和數(shù)量，并由無限信號傳導到手機客戶端，實現(xiàn)食品信息的實時追蹤；機器學習技術基于積累的大數(shù)據(jù)，對包裝食品進行監(jiān)測和預警，如用圖像識別判斷食品包裝是否有瑕疵，以及判斷食品質(zhì)量；自然語言處理技術主要可以識別消費者在手機端的反饋信息，對改進產(chǎn)品和服務起到推動作用。

高虹[11]設計了一種食品加工生命周期中實現(xiàn)數(shù)字化的方案，利用計算機輔助設計和數(shù)字孿生技術，實現(xiàn)智能定義加工食品的幾何形狀、標簽、品質(zhì)、包裝等信息，通過傳感器實現(xiàn)食品加工過程的實時監(jiān)控；利用計算機視覺技術，及時發(fā)現(xiàn)食品加工過程存在的問題，提供無損檢測報告和改進意見，實現(xiàn)數(shù)字化生產(chǎn)；利用虛擬現(xiàn)實技術（VR），收集生產(chǎn)者和消費者對于食品的屬性的要求，節(jié)約了物理原型。

食品智能包裝技術實現(xiàn)了包裝的信息化、智能化，為生產(chǎn)企業(yè)提高了生產(chǎn)效率，為消費者提供了更好的服務，為食品品質(zhì)實時監(jiān)測提供了有力保障，未來應用前景廣闊。

4 食品貯藏

食品貯藏是食品加工后保證食品安全的環(huán)節(jié)，傳統(tǒng)常用的方法包括低溫、氣調(diào)等方法，人工智能技術在食品貯藏中可智能判斷貯藏狀態(tài)，并實時調(diào)節(jié)貯藏條件，是對傳統(tǒng)貯藏方法的升級。吳文福等人[12]總結近40 年來智慧化儲糧理論和案例，升華出糧倉哲學：解構糧食儲藏系統(tǒng)三元微結構，以“一分為二，二分為三，三生變化”作為基本思想，以機理、數(shù)據(jù)聯(lián)合驅(qū)動為智慧化策略，對過去和現(xiàn)在的儲糧方法進行歸納，為構建更高水平儲糧體系提供支撐。

劉哲等人[13]研究了一種多功能儲糧安全現(xiàn)場快速檢測分析儀。該分析儀利用計算機建模和數(shù)據(jù)分析方法，已知多點位溫度、濕度、二氧化碳濃度的條件下，推算儲糧水分、積熱、積濕等指標，進而判斷糧食霉變等狀態(tài)，有效指導儲糧安全。初步應用顯示該分析儀可有效輔助儲糧管理。

吳子丹等人[14]闡述了AI 技術在糧食產(chǎn)后貯藏管理中的重要應用，包括糧堆多耦合理論機理驅(qū)動AI技術、儲糧蟲害機器識別技術、數(shù)據(jù)驅(qū)動AI 技術等，可實現(xiàn)糧庫儲糧過程中的庫存識別、質(zhì)量監(jiān)測、智能預測等。該研究有效提升了糧食貯藏管理效率，但仍存在基礎數(shù)據(jù)庫信息獨立問題，數(shù)據(jù)關聯(lián)有待加強，以進一步促進糧食系統(tǒng)建設從數(shù)字化向智能化、智慧化提升。

5 食品質(zhì)量安全

食品質(zhì)量安全一直是食品行業(yè)的重要課題，無論是國家層面、企業(yè)層面還是每一個普通群眾，都對食品質(zhì)量安全高度關注。關于AI 技術在食品質(zhì)量安全方面的應用研究也不斷深入。

王丹等人[15]研發(fā)了一種智能快速檢測小麥中玉米赤霉烯酮的技術，即熒光定量高靈敏智能即時檢測（Point-of-care testing，POCT） 技術，基于抗原與抗體特異性免疫反應，利用高靈敏度物質(zhì)作為追蹤物標記抗體，實現(xiàn)用智能手機現(xiàn)場監(jiān)測小麥中玉米赤霉烯酮。最低檢出限為0.02 ng/mL，加標回收率達到104.9%～110.3%，批內(nèi)重復性的回收率為95.2%～104.2%，批間再現(xiàn)性回收率為92.3%～107.5%，檢測結果與UPLS-MS/MS 方法一致?；谠摲椒ㄑ兄频淖灾瓶焖贆z測儀，可與手機連接，即時智能監(jiān)測小麥中的玉米赤霉烯酮含量，為糧食質(zhì)量安全智能監(jiān)測提供了一種快速、可靠的技術方法。

宋潔等人[16]闡述了AI 技術在糧食安全中的重要作用，尤其是AI 技術可以抓住系統(tǒng)的細節(jié)邏輯，增強糧食管理系統(tǒng)預警監(jiān)測能力，提高智慧決策能力，對突發(fā)狀況下的糧食應急管理有十分重要的意義。

張鑫等人[17]研究了一種基于卷積神經(jīng)網(wǎng)絡（Convolutional neural network，CNN） 和Wasserstein 距離的生成對抗網(wǎng)絡（Wasserstein generative adversarial nets，WGAN） 組合的電子舌技術，可快速檢測陳化小麥的貯存年限。研究經(jīng)過信號數(shù)據(jù)處理、與傳統(tǒng)檢測方法對比、模型性能分析，表明建立的WGAN-CNN模型綜合性能良好，可用于陳化小麥年限快速識別。該模型利用WGAN 構建樣本集，克服了單一基于CNN 模型的電子舌技術因樣本不足導致的識別能力有限的缺點，為人工智能快速檢測小麥貯存年限提供了新的途徑。

6 結語

總結目前人工智能技術在食品中的應用，發(fā)現(xiàn)存在一些可改進的方面。一是目前存在信息分散、孤立的情況，造成信息重復收集，浪費人力、物力，應加強信息系統(tǒng)化，全產(chǎn)業(yè)鏈貫通，避免重復檢測[18]。二是信息的真實有待加強，可利用區(qū)塊鏈技術，確保信息不可篡改。三是保證信息完整可用，防止信息丟失，增加信息可靠性、完整性、可用性。四是提高研究成果的轉(zhuǎn)化率。目前，關于人工智能技術在食品中的應用，理論研究居多，小規(guī)模應用占一部分，應增加研究信息系統(tǒng)的實用性，并積極推廣應用。五是提高可復制性?？山梃b其他行業(yè)比較成熟的信息系統(tǒng)，提高本系統(tǒng)的可復制性，推廣應用到不同食品領域，減少重復研發(fā)的成本。