迈向闭环：人工智能驱动非热食品加工中的安全自主性、验证与信任

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：Toward closing the loop: safe autonomy, validation, and trust in AI-driven nonthermal food processing

　　

• 一个0–5级框架将咨询型AI与受安全约束的控制区分开来。• 两个已报告的反馈回路调节流量或占空比，而非微生物安全。• 在所评估的研究中，尚未验证基于微生物状态的反馈。• 安全的干预需要生物验证和完整的响应时间信息。• 已定义的运行限制和变更控制支持更高级自主性的测试。引言食品生产面临着日益增长的安全、可持续性和低加工食品需求。预计到2050年全球人口将达到91亿（Yusufo?lu等人，2026），而受污染的食品每年已导致约6亿例疾病和42万人死亡（Kyaw等人，2024）。消费者越来越偏好被认为天然健康的低加工、洁净标签产品（Baghirov和?ahmurat，2026；Dimopoulou等人，2025；Zhang等人，2026）。热加工仍然是工业默认选择，但它会降解热不稳定营养素、使蛋白质和酶变性，并赋予熟食风味（Khan、Zhen、Kong等人，2026）。它也是能耗大户，相关的操作如干燥约占食品工业能耗的五分之一（Panigrahi等人，2025）。非热技术，包括高压处理（HPP）、脉冲电场（PEF）、脉冲光和紫外线C（UV-C）、冷等离子体、超声波和电离辐射，能够在接近环境温度下灭活病原微生物，同时更好地保留营养和感官特性（Khan、Zhen、Kong等人，2026；Kyaw等人，2024）。据报道，HPP比超高温（UHT）加工少使用多达50%的能量（Sawale等人，2024）。这些技术已在商业中使用。HPP已商业使用约三十年，非热处理正在多个产品类别中逐步取代传统保鲜（Kyaw等人，2024；Osaili等人，2025）。对智能控制的需求源于这些过程的物理特性。其功效对产品基质和生物变异性高度敏感，因此固定的加工参数必须针对预期的产品和条件范围进行验证。例如，杀菌UV-C不仅取决于提供的剂量，还取决于剂量率、水果表面特性和包装。其生物学剂量-反应关系量化不佳，传统方案依赖于经验性的固定时间规则，忽视了不同微生物菌株之间的抗性差异和特别耐药菌株的存活（Ahn等人，2026；Yu等人，2024）。在高压均质化（HPH）中，灭活模型仍然特定于特定的机器、介质和微生物，因为阀门几何形状和流体粘度很少被量化，并且系统高度非线性（Pezo和Donsi，2025）。类似的变异性存在于整个供应链中，甚至短暂的瞬时温度偏差都可能导致不可逆转的质量恶化（Mao等人，2026）。欧洲风险评估者同样得出结论，产品间变异性使得通用保质期限制不适用，并建议逐案验证（Messens等人，2023）。原料异质性也会导致加工结果不一致（Zhang等人，2026），而信号噪声、校准漂移和环境波动会降低传感效果（Demirci Uzun，2025）。保守的固定方案在有利条件下可能会使用更多能量或降低吞吐量。在其验证的运行范围之外，可能无法提供预期的安全结果。因此，自适应运行是管理变异性的一种潜在手段，但需要自己的支持证据。针对这种变异性的拟议解决方案是数据驱动的。在食品工业4.0以及最近工业5.0的旗帜下，人工智能（AI）、机器学习（ML）、物联网（IoT）、数字孪生和区块链有望实现食品过程的连续监测、预测建模和自适应运行（Dhal和Kar，2025；Kavindya等人，2026；Panigrahi等人，2025）。IoT传感、AI分析和区块链可追溯性被呈现为实时监测和自动化决策的集成生态系统（Ablegue等人，2026；Bytyqi等人，2026；Nastasijevic等人，2025）。以数字孪生为中心的安全管理已被提出，将危害控制从被动验证转向主动的风险决策支持（Ismail等人，2026；Yusufo?lu等人，2026）。工业5.0进一步将目标重新定义为围绕人机协作、韧性和可持续性（Hadi等人，2024；Mao等人，2026）。因此，关于连续自适应、自我优化的非热加工的构想已经非常完善（Kavindya等人，2026）。本综述检查了已实施的系统距离该愿景还有多远。现有综述分为三组，都没有完全解决自主过程控制问题。技术导向的综述评估了微生物功效、质量、放大和结果一致性（Khan、Zhen、Kong等人，2026；Osaili等人，2025；Raza等人，2026）。特定领域的综述描述了干燥、肉类加工、冷冻和原料改性中准确的离线预测（Panigrahi等人，2025；Sun等人，2025；Xia等人，2026；Zhang等人，2026）。其他综述提出了AI引导的加工线（Kyaw等人，2024）。Rashvand等人（2025）在六种非热技术之间提供了最接近的比较，但没有对自主性进行分类，没有检查传感到执行延迟和安全约束，也没有解决自适应控制器的验证。表1比较了这些综述。未解决的问题是报告的系统是否展示了自主食品安全控制。本综述检查了228篇选定出版物，区分了设备反馈与基于微生物致死率的控制。它评估测量是否足够及时且经生物验证以支持干预，同时将研究发现与建议的系统以及通过二级来源报告的证据分开。本综述将0–5级框架应用于冷等离子体、脉冲光和UV-C、PEF、HPP、超声波和电离辐射。它区分了已证明的功能与建议的能力，并检查了测量、响应时间、验证和变更控制。第2节定义了框架和方法。第3节非热食品加工中自主控制的现状、第4节实时过程可观测性的传感架构、第5节可实现自主性的技术特定评估评估了证据和技术特定约束。第6节限制向自主控制迈进的数据约束、第7节自适应过程控制的验证和监管约束检查了数据、微生物验证和监管。第8节讨论了新兴方向，第9节提出了结论和未来优先级。段落片段自主级别定义和分类标准自主在食品文献中没有共享的定义。固定自动化执行规定的程序或控制律，而基于模型的自主性使用测量值来估计相关状态并选择行动。两者都可能包含反馈。因此，自动温度控制器是一个闭环，但不一定是AI系统或自主的微生物安全控制器。在一项热牛奶巴氏杀菌研究中，C4.5模型对产品质量进行了分类，而单独的控制器……物理反馈和第5级要求文献地图将13篇出版物分配给第5级，包括七篇研究论文和六篇综述。研究论文涉及控制相关问题，但在它们实施的内容上有所不同（Ahn等人，2026；Baghirov和?ahmurat，2026；Li等人，2025；Mehta等人，2024；Pelissari等人，2021；Pichayamongkol等人，2027；Syamsiana等人，2025）。两项实施了工程变量反馈，但均未建立第5级微生物安全自主性。其他使用固定处理……OES用于冷等离子体过程监测冷等离子体在其机制和光学信号之间提供了直接联系。活性氧和氮物种（RONS）在放电发射中产生，OES可以非侵入性地实时记录特征线。然而，所审查的食品文献很少将这种能力用于控制。Kavindya等人（2026）建议在冷等离子体过程中使用OES配合光纤温度、气体和电化学传感器，并描述了针对包装食品的传感器集成。然而，在所评估的全文证据中，……冷等离子体：活性物种可观测性和控制潜力冷等离子体产生在毫秒内对电气调整做出响应，但这并没有建立微生物安全反馈。近环境电离产生RONS而不会显著整体加热（Kavindya等人，2026），报告的减少量约为0.15–7.4 log10（Cui等人，2023；Xing等人，2026）。仅温度并不能代表等离子体诱导的微生物灭活，不能替代经过验证的活性处理指标（Pichayamongkol等人，2027）。数据稀缺、异质性和缺乏标准化三个相关的数据问题限制了超越咨询型AI的进展。数据集小，异质性太高无法可靠地汇集，并且报告的没有共同标准。这些限制共同削弱了预测可靠性（Dhal和Kar，2025）。用于脱氧雪腐镰刀菌烯酮降解的冷大气等离子体模型使用了72个观测值（Janic Hajnal等人，2026），大多数太赫兹数据集包含少于300个单实验室样本（Shanmugapriya等人，2026）。HPP元模型只能覆盖……已验证的运行限制和自适应模型过程验证确立了一个指定的控制措施在定义的产品和过程条件下实现了所需的危害减少。它可能覆盖一个运行条件范围，而不仅仅是单一设定点。该证据基础之外的重要变化需要评估，并在必要时重新验证（Ceylan等人，2021）。在电子束处理蛋类中，在3 kGy的建模没有消除在拟议的1.25 kGy处理中进行实验确认的需要……新兴方向生成式和智能体AI可以提出配方、原料、数据集或实验，但审查的例子主要支持离线设计和建模（Al-Sarayreh等人，2023）。它们可能缩短过程控制之前的设计周期，但它们不闭合控制回路。自然语言处理、图网络和大语言模型支持原料替代和重新配方（Raza等人，2026；Yusufo?lu等人，2026）。Transformer预测抗菌效力……结论和未来展望0–5级框架区分了咨询型AI和安全的自主非热加工。审查的主要研究确定了两个物理反馈回路，控制循环流量或发生器占空比。两者都没有使用经过验证的微生物安全状态来确定处理。其他例子提供离线建模、后处理估计或储存期间的新鲜度监测。审查的证据没有建立第4级有界干预或第5级微生物安全……未引用的参考Khan等人，2026；Pichayamongkol等人，；Sari等人，2025。利益冲突声明作者声明就本文没有利益冲突。数据可用性支持本综述的信息可在引用的出版物、手稿和补充数据S1中获得。致谢本研究得到了国家重点研发计划（2024YFD2100604）、广东省重点领域研发计划（2023B0202030002）、广东省重点领域研发计划项目（2025B0202110003）、国家自然科学基金（32372474和U23A20267）、新疆维吾尔自治区重点科技计划项目（2022A02002-4）和111项目（B17018）的资助。Muhammad Talha Afraz | Yuhuan Geng | Wenhao Xiao | Muhammad Faisal Manzoor | Rana Muhammad Aadil | Xin-An Zeng | Zhong Han