2025年10月，华南理工大学现代食品工程研究中心孙大文院士团队在国际Top期刊《Trends in Food Science & Technology》（IF=15.4，JCR1区，中科院1区）发表题为“Intelligent non-invasive testing of food quality: advancing accuracy and efficiency powered by artificial intelligence”的综述性论文。华南理工大学孙大文院士为本文唯一通讯作者，华南理工大学蒲洪彬副教授为论文共同作者，华南理工大学博士研究生余静孝为论文第一作者。

成果介绍

随着现代食品工业和食品供应链的快速发展与日益复杂化，消费者对食品质量和安全的要求日益提高。这一趋势促使食品企业需要快速、高效且全面的监测系统，凸显了对快速可靠检测方法的迫切需求。虽然无损检测（NIT）技术能提供高效且非侵入式的品质评估，但对智能数据解读和自动化决策的需求依旧在增长。人工智能（AI）为提取有意义的数据模式提供了强大工具，使智能、精准且可扩展的食品品质监测成为了可能。NIT与AI的融合代表着关键性突破，不仅能提升检测精度（如将校准误差降低10 ~ 20%），更能提高检测效率（如在数分钟内完成食品质量与安全评估的快速筛查）。

提升检测结果可靠性并扩大快速检测规模，可有效增强NIT技术在食品生产流通中的应用价值。因此，本综述旨在系统探讨AI如何辅助NIT技术应用于食品质量与安全领域，重点聚焦两大核心维度：准确性与效率。本综述涵盖广泛的NIT技术与食品检测目标，围绕两大核心视角展开：（1）通过因子校准、数据增强、特征提取与模型优化提升准确性；（2）借助自动化与机器人技术、便携设备、高通量模式及物联网与区块链技术提高效率。通过总结这两大视角下的关键方法与进展，本综述为智能食品质量安全评估的未来研究与实践应用提供了全面框架与技术参考。

总而言之，AI与NIT的融合显著提升了食品质量安全评估的准确性与效率。当前挑战主要体现在可解释性不足、数据多样性欠缺以及产业化部署滞后等方面。短期内可行进展主要包括：可解释与可迁移AI模型、多源传感器数据融合、实时监测的边缘AI技术。长期来看，神经网络架构搜索、类脑计算、量子机器学习等颠覆性技术有望实现变革性突破。本综述通过区分短期可行发展与长期颠覆性机遇，为AI赋能的食品NIT领域搭建了连接科学创新与产业实践的桥梁。

原文链接https://doi.org/10.1016/j.tifs.2025.105357