2024年11月12日，合肥工業(yè)大學(xué)食品與生物工程學(xué)院蔡克周教授團(tuán)隊(duì)在國際食品Top期刊《Comprehensive Reviews in Food Science and Food Safety》（Q1，IF: 12.0）發(fā)表題為“Machine vision combined with deep learning–based approaches for food authentication: An integrative review and new insights ”的綜述性論文。合肥工業(yè)大學(xué)2023級博士研究生沈澈為第一作者，通訊作者為合肥工業(yè)大學(xué)食品與生物工程學(xué)院蔡克周教授和渤海大學(xué)食品科學(xué)與工程學(xué)院王博博士。
食品欺詐會(huì)破壞消費(fèi)者信任、造成經(jīng)濟(jì)風(fēng)險(xiǎn)并危害人類健康。因此，開發(fā)有效的技術(shù)來快速可靠地分析食品質(zhì)量和安全以進(jìn)行食品認(rèn)證至關(guān)重要?；跈C(jī)器視覺的方法已成為快速、無損分析食品真實(shí)性和質(zhì)量的有前途的解決方案。工業(yè) 4.0 革命為該領(lǐng)域帶來了新趨勢。深度學(xué)習(xí) (DL)作為人工智能的一個(gè)子集，表現(xiàn)出強(qiáng)大的性能和泛化能力來有效地處理大量數(shù)據(jù)。與機(jī)器學(xué)習(xí)和數(shù)字圖像處理等傳統(tǒng)方法相比，DL模型無需預(yù)處理即可從機(jī)器視覺獲取的圖像中自主提取關(guān)鍵特征并將其輸入神經(jīng)網(wǎng)絡(luò)，在復(fù)雜場景中表現(xiàn)出色。DL技術(shù)的發(fā)展為使用機(jī)器視覺進(jìn)行食品認(rèn)證和真?zhèn)畏治鲩_辟了新的機(jī)會(huì)。
本綜述旨在全面概述廣泛使用的基于機(jī)器視覺的食品認(rèn)證的 DL 方法和輕量級 DL 方法，包括架構(gòu)、應(yīng)用場景和性能評估。重點(diǎn)介紹了結(jié)合機(jī)器視覺識別食品真?zhèn)蔚?DL 的全面研究進(jìn)展，包括食品摻假、品種識別、新鮮度檢測和食品質(zhì)量檢測。輕量級深度學(xué)習(xí)與智能手機(jī)和便攜式設(shè)備的結(jié)合為食品認(rèn)證注入了新的活力，并為消費(fèi)者提供了有前途的工具。此外，本綜述強(qiáng)調(diào)了這些技術(shù)固有的挑戰(zhàn)，例如無障礙性、數(shù)據(jù)隱私、算法偏差和可解釋性以及輕量級深度學(xué)習(xí)的設(shè)計(jì)和開發(fā)。作為食品銷售的終端，消費(fèi)者受到食品欺詐的困擾。隨著深度學(xué)習(xí)的進(jìn)步，利用智能手機(jī)和其他小型設(shè)備檢測食品欺詐可以讓消費(fèi)者做出更明智的選擇。借鑒最新研究，我們希望為消費(fèi)者的食品安全問題提供未來的方向和解決方案。
