机器学习在食品工业中的应用.pdfVIP

第24卷第1期中国食品学报Vol.24No.1

2024年1月JournalofChineseInstituteofFoodScienceandTechnologyJan.2024

机器学习在食品工业中的应用

姚仁朋1，孙玉敬，赵圆1，孟瑞锋2

（浙江工业大学食品科学与工程学院杭州310014

2内蒙古工业大学航空学院呼和浩特010051

摘要食品的质量安全是人类健康、社会稳定与发展的一个重要方面。确保食品的质量和安全是一个复杂且涉及多方面的

问题，必须考虑食品加工的所有阶段，从种植和收获到储藏、运输、消费。将机器学习应用于食品加工领域可以大幅提高工

作效率，保障食品的质量与安全。本文系统总结机器学习与深度学习模型，并详细阐述机器学习在食品领域，诸如图像识

别、分级、质量检测和食品产业链中的应用。为机器学习在食品加工中的应用提供理论参考，以拓展食品科研人员的研究思

路。

关键词机器学习；神经网络；食品工业；食品分级；食品检测

D0I:10.16429/j.1009-7848.2024.01.034

文章编号1009-7848(2024)01-0349-15

随着人口增长以及人们对健康食品的需求日总结机器学习与深度学习模型，并详细阐述机器

益增加，食品加工中的质量安全问题越来越受到学习在食品领域，诸如图像识别、分级、质量检测

重视。食品加工是指将天然的动、植物等原料加工和食品产业链中的应用，旨在为人工智能在食品

为食品，或将一种形式的食品加工为更适合现代工业中的应用提供理论指导。

人饮食习惯的其它形式的食品。据联合国粮食及

农业组织（FAO）的数据显示，到2050年，全球人1机器学习的理论及方法

口可能增长到91亿左右。为了满足日益增长的机器学习和人工智能的具体方法是指计算机

人口对多种食品的需求，将新型的技术应用于食操作系统借助获取的数据库数据得到一定的三维

品领域的研究必不可少。图，并继续借助这个三维图进行预测的方法。这种

使用人工智能机器取代人类劳动一直是科研特殊的方法使用密集的训练样本来立即找出选择

人员研究的目标。如今，具有执行复杂任务能力的模式，最终获得更准确和可预测的未来数据库数

智能机器正逐渐取代人类的工作。这些机器被训据或趋势3,其核心是借助最小二乘法对数据库中

练成能够通过视觉、语音识别等接受并处理信息，的数据进行分析,并从中学习，然后在数据库的新

然后做出有用的决策2。人工智能领域涵盖机器学数据中进行决策或预测。机器学习和人工智能的

习、自然语言处理、视觉、机器人和自动驾驶车辆具体方法分为传统的机器学习和深度神经网络，

等。人工智能领域中，实现食品加工领域智能化的它们有可能用于更复杂的分布式系统和改进的数

两种主要算法是机器学习(ML)和深度学习(DL)。据统计分析。下文将重点介绍传统机器学习方法

ML和DL技术都已成为食品加工过程中的有效和深度学习方法的主要算法。

工具，包括食品分级、分类、预测、质量评价等。目1.1传统的机器学习方法

前机器学习等人工智能算法和技术是国内外食品传统的机器学习涉及在小样本集上手动提取

学术界和企业界关注的热点，并在短期内取得了特征，以平衡学习结果的有效性和学习模型的可

一定的进展，而尚无相关的综述报道。本文将系统解释性，在有限样本的特定