《Foods》：Artificial Intelligence-Enabled Computer Vision for Food Inspection: From Validated Measurements to Process Control
编辑推荐：
人工智能赋能的计算机视觉能够提升食品检验的频率和空间覆盖范围，但高预测精度并不能建立可靠的生产决策。本综述性评论审视了将图像测量与分级、剔除和过程控制相联系的证据。研究人员通过感知模态、参考终点、验证单元和操作行为，对农产品、谷物与坚果、肉类与海鲜、微生物学以
人工智能赋能的计算机视觉能够提升食品检验的频率和空间覆盖范围，但高预测精度并不能建立可靠的生产决策。本综述性评论审视了将图像测量与分级、剔除和过程控制相联系的证据。研究人员通过感知模态、参考终点、验证单元和操作行为，对农产品、谷物与坚果、肉类与海鲜、微生物学以及包装领域的代表性研究进行了比较。该综合分析区分了可见质量与特定危害、制备缺陷与自然变异，以及图像层面性能与已验证的产品结果。作者提出的证据图谱将分析可行性、独立样本测试、操作挑战、外部迁移和前瞻性影响作为部分独立的维度进行组织。该图谱未经验证，并非成熟度评分或监管标准。依赖于任务的报告考量涉及不确定性、发生率、误剔除和弃权。安全相关的用途需要单独的针对特定危害的验证、抽样和验收标准。过程集成额外需要从采集到执行的整体测试、已接受产品的验证以及受控更新。目的性选择的证据基础无法确定领域范围内的有效性或对模态进行排序。研究重点包括可追溯数据集、机制性挑战以及前瞻性干预研究。向闭环控制的进展应依据稳定的测量值以及对既定操作域内明确的产品和过程结果所产生的已证明效果来判断。
3. 连接食品状态、图像信息与行动
3.1. 从测量到控制的链条
一个检验系统包含观察、理解、预测、决策和控制五个环节。采集决定了可用信息；校准、分割和特征提取决定了信息的表征方式；预测将该信息与定义的终点相关联；独立的决策规则分配具体行动；控制阶段则包括该行动的实施与验证。前序环节的错误会向后传播，因此预期用途应先于模型选择。规格说明需明确产品与操作范围、缺陷或属性、其参考定义、所需的空间或分析分辨率以及允许的响应时间。三种操作模式——决策支持、自动分拣和闭环过程控制——应保持区分，其中分拣本身不能证明实现了食品质量的反馈控制。
3.2. 根据食品机理选择模态
红绿蓝（RGB）成像适用于外观分级、可见缺陷定位等，但其局限性在于无法直接观测内部成分和隐藏缺陷。多光谱成像（MSI）和高光谱成像（HSI）可获取光谱-空间数据立方体，但化学终点的统计预测并不等同于选择性分子检测。关键问题是图像与终点之间的关系能否在生产中独立变化的条件下维持。荧光和热成像需要针对特定终点的验证。X射线衰减提供内部结构和材料对比度信息，而深度成像和三维（3D）重建可支持体积估计，但需经过验证的密度关系。传感器选择应基于在相同独立测试条件下，将最简单可行的测量与增加波段、视角或模态进行比较的实验结果。
3.3. 匹配预测单元与决策单元
分类、检测、分割和回归分别适用于不同的任务。预测单元可能与实验单元不同，例如一个果仁可能产生数千个光谱，但这些派生观测并未增加独立物理样本的数量。性能应在采取行动的层级上进行汇总，并明确结合像素、视图或帧的规则。参考终点也需要对齐，例如用储存天数来分配新鲜度标签可能编码的是经过的时间而非微生物或感官状况。改进标签质量比增加网络复杂度更能带来可靠的性能提升。
3.4. 学习稀缺缺陷
迁移学习和自监督学习可以减少标注需求，异常检测适用于正常产品丰富而缺陷稀少的情况。合成增强和多模态融合引入了额外假设，必须用真实缺陷进行挑战，并且融合方法必须在相同的留出样本上优于单一模态。增强也应尊重食品机理，否则可能使基于颜色的成熟度标签失效。
4. 跨食品检验终点的比较证据
4.1. 农产品：外观、成熟度和内部状况
农产品研究表明识别准确率与生产相关性必须同时考虑。番茄检验系统结合了图像处理与支持向量分类。苹果和香蕉的低成本深度学习系统在测试集上准确率超过98%，但在实际样本上降至约94%-97%。多视角柑橘分拣通过跟踪旋转果实将视觉发现与移除联系起来。樱桃番茄和牛油果的HSI研究展示了连续质量预测，但牛油果研究中子图像分配导致相关观测跨越了评估边界，不应被解释为对独立未见果实的性能。外部测试提供了更直接的迁移证据，一项苹果HSI研究进行了时间外部验证，但有限的样本量和间接的光谱关系仍限制了关于新品种或新仪器的论断。
4.2. 谷物、坚果和发酵产品：等级不等于危害浓度
对于干燥颗粒状食品，检验需协调小目标、可变呈现和高物料流量。可可切面检验量化了与发酵相关的视觉等级，但不能直接衡量风味。黄曲霉毒素B1的近红外HSI分类使用了制备的浓度组，但自然污染在真菌生态和毒素分布上存在差异，化学安全性声明需要在自然污染样本上使用适当的参考分析方法进行评估。X射线核桃系统提供了超越推理时间的操作证据，包括传送带/气动分拣测试，但其报告的分拣纯度描述的是合格箱中的纯净度，而非缺陷剔除灵敏度。
4.3. 肉类和海鲜：成分、腐败和异物
肉类外观受多种相互作用过程影响。物种和掺假研究证明了在限定制备条件下的区分能力，但迁移挑战包括脂肪含量、冷冻解冻和包装等因素。新鲜度预测需要明确的终点，总挥发性碱性氮（TVB-N）和感官劣变是质量指标，不能证明特定病原体的缺失。鳕鱼寄生虫检测在工业条件下报告了73%的检出率，相比传统人工检查约50%的检出率有所提高，但仍存在大量残留漏检。禽肉异物研究表明目标尺寸如何改变性能，透明和半透明材料被排除在模型评估之外。后续的半监督学习和硬件优化构成了从分析对比度到计算可行性的有用序列，但仍需在代表性生产条件下同步完成采集、检测和正确移除的演示。
4.4. 包装和过程几何：强集成，精确分母
披萨包装密封检验在研究的设定内取得了相关的操作成果，但光学密封缺陷只是包装完整性丧失的替代指标。热成型包装检验提供了一个关于分母的启发性示例，其生产测试中的漏检产品分数与缺陷灵敏度回答了不同的问题。面包颜色分割的输出只有在重复性、物理校准和对过程变化的响应得到确认后，才能成为过程控制测量。
4.5. 微生物成像：在限定测定法内实现更快速读取
微菌落成像通过识别生长来改变分析工作流程，但其贡献在于培养观察和解释，不应被描述为直接在完整食品图像中识别每种病原体。食品碎屑是基质干扰的具体来源，一项研究表明将鸡肉、菠菜和奶酪碎屑纳入训练改善了区分能力。验证应区分目标检测与样本水平的分析灵敏度，低初始污染、受损细胞和回收效率都会改变目标变得可见的概率。旨在支持放行决策的替代微生物学方法，其整个工作流程应与相关参考方法在适用的ISO 16140验证路径内进行比较。
5. 为预期用途组织验证证据
5.1. 在整个模型开发过程中保持独立性
数据泄露可能发生在模型拟合之前、预处理期间或反复访问测试集时。实际保障措施是记录每个图像、光谱、补丁和增强观测与其父样本和采集组的关联。分区应在增强或补丁生成之前进行。时间分组对储存实验尤为重要，同一产品在不同储存时间的观测共享生物学历史，将其拆分到开发和评估集会使预测看起来更具可迁移性。外部测试应明确说明什么是外部的。
5.2. 报告带有分母和不确定性的指标
报告需包含独立样本计数和混淆矩阵。分类需要类别特异性灵敏度和特异度；检测需要定位准则和目标尺寸分布；回归需要物理单位的绝对误差、偏差和围绕决策边界的不确定性。概率模型应包括校准图。分母必须明确，假阴性率与被漏检的所有物品的比例是不同的概念。不确定性应反映抽样设计，零漏检情况下的二项式上限可用于计算条件项目级灵敏度。批次或批次的依赖性需要通过分层模型或保守设计来处理。罕见但严重的缺陷即使估计不精确也应单独报告。
5.3. 将阈值与发生率和行动联系起来
生产发生率改变了看似强大分类器的实际意义。在低缺陷发生率下，即使高灵敏度也会导致大多数被标记的物品实际上是合格的。对于质量分级，可通过固定成本的等式来近似决策阈值的影响。概率校准有助于解释分数，但不能消除对特定决策进行验证的需求。当图像质量不合格或分数不足以做出可靠决策时，应设置弃权路线，并测量其工作量和残余风险。
5.4. 利用解释来探究失败机制
可视化解释可以揭示模型对托盘、标签或照明伪影的依赖，而非食品缺陷本身。有用的测试是看解释是否能引出可证伪的挑战。解释最适合用于设计受控的后续实验和改进数据收集。
5.5. 按预期用途解读提出的证据图谱
提出的证据图谱使用L1-L5标签组织了五个证据问题，涵盖从受限环境中的分析可行性到前瞻性行动及其下游后果。这些是证据维度标签，而非累积级别或准备就绪分数。该图谱是作者推导的综合，未经过德尔菲法或专家共识验证，是作为讨论和研究设计辅助工具提供的，而非推荐的监管框架。
5.6. 应用独立的安全门
外观分级和安全支持决策有不同的风险评估标准。霉菌毒素分拣需验证化学浓度，异物需验证检测加移除，包装完整性需将密封发现与功能性泄漏参考配对，病原体检测需验证完整的分析方法。这些针对特定终端的门控补充而非取代证据维度。
5.7. 预先指定外部迁移的验收标准
时间、仪器、供应商和场地迁移是独立的声明。应在外部测试前指定哪些因素变化、哪些保持不变以及锁定的模型/阈值/校准。每个声明的领域都需要基于终点、预期误差、缺陷发生率和独立批次数量来论证样本量。验收必须与预期用途挂钩，包括预先规定最小可接受的灵敏度值、偏差和误差限值。
6. 将检验与食品过程控制相结合
6.1. 共同验证采集、识别和执行
部署的系统包括光学、产品呈现、预处理、模型、阈值、通信和执行器。产品呈现决定覆盖范围，挑战测试应追踪已知物体通过采集、跟踪和移除的全过程。总响应时间包括曝光、传输、推理和物理执行，平均推理速度不能确立时序可靠性。
6.2. 区分监控、验证和再验证
日常监控确定检验站是否在其批准条件下运行；验证检查已实施的控制是否继续按预期功能运作；再验证评估在产品、过程、传感器、模型或阈值发生实质性变化后证据是否仍然充分。参考测试应包括已接受产品和被拒产品。更新的模型应在离线状态下针对适当的保留和新挑战集进行评估。
6.3. 通过前瞻性比较建立过程效益
初始前瞻性阶段可在现有控制措施保持不变的情况下记录预测。一旦规则固定，干预研究可将定义的检验工作流程与合适的基线进行比较。结果选择应反映食品问题，安全绩效应与质量和经济结果分开评估。
6.4. 在验证的过程包络内闭合回路
反馈设计必须考虑传输延迟、停留时间分布和执行器限制。调整过程可能会改变模型所基于的数据分布。对于危害控制应用，经过验证的关键限值和纠正措施程序优先于优化目标。
7. 面向可迁移食品视觉的研究重点
首要重点是更好的测试设计，新数据集应保留物理样本和采集组标识符。第二个重点是机制鲁棒性，实验应独立于终点变化可能的混杂因素。第三个重点是标签和传感器的经济使用，自监督和迁移学习的效益应通过独立验证样本数量和决策性能来衡量。第四个重点是干预效益的前瞻性证据，展示持续减少已确认缺陷逃逸的效果比在基准上获得微小增益更有价值。
