.png){kind=icon}
返回
Artificial intelligence enhances food testing process: A comprehensive review
.png){kind=icon}
PRE
AI
DOI：10.1016/j.fbio.2025.106404.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了人工智能（AI）在食品检测中的变革性作用，重点关注其在食品安全、质量评估和真实性验证中的应用。针对传统检测方法在效率和成本效益方面的局限性，该研究系统地分析了机器学习（ML）和深度学习（DL）技术与传感器检测、光谱成像及分子分析等先进测量技术的协同作用，以实现快速、无损的检测。论文强调了数据预处理和特征工程在优化模型性能中的关键作用，同时比较了监督学习、无监督学习和半监督学习算法在不同检测场景中的优势。它突出了可解释人工智能（XAI）对于增强系统透明度和可信度的必要性。提出了未来发展方向，包括多模态数据的整合、自适应AI系统的开发以及预测性安全指标的建立。该研究为推动食品检测中AI应用的发展提供了理论框架和技术路线图，为推动食品行业的智能化转型提供了重要见解。
Keyword:
Artificial intelligence
Food testing
Machine learning
Deep learning
Future development
期刊
IF:
5.9
论文数:
9.9K
被引数:
2.2W
机构
引用论文
Rapid qualitative detection of titanium dioxide adulteration in persimmon icing using portable Raman spectrometer and Machine learning基于便携式拉曼光谱仪和机器学习的柿子中二氧化钛掺假的快速定性检测
PREAI
分享收藏A Raisin Foreign Object Target Detection Method Based on Improved YOLOv8基于改进YOLOv8的A Raisin foreign object目标检测方法
OAAI
OAAI分享收藏Manifold: A Model-Agnostic Framework for Interpretation and Diagnosis of Machine Learning Models
OAAI
OAAI分享收藏Fusing 1H NMR and Raman experimental data for the improvement of wine recognition models融合1h NMR和拉曼实验数据改进葡萄酒识别模型.png)
FOOD CHEMISTRYOAAI
FOOD CHEMISTRYIF9.8
OAAI分享收藏Innovative non-destructive technologies for quality monitoring of pineapples: Recent advances and applications菠萝质量监测的创新无损技术: 最新进展和应用
PREAI
分享收藏
查看更多内容