综述:从指标监测到主动监控:人工智能驱动的智能手机集成智能包装决策系统

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》:From Indicators to Active Monitoring: Artificial intelligence-Driven Decision-Making for Smartphone-Integrated Intelligent Packaging

【字体: 大 中 小 】 时间:2026年07月15日 来源:TRENDS IN FOOD SCIENCE & TECHNOLOGY 17.4

编辑推荐:

  穆罕默德·埃克拉米|内加尔·罗沙尼-德赫拉吉|阿里·埃克拉米|萨拉·加什塔斯比|扎赫拉·埃马姆-乔梅 伊朗卡拉吉,德黑兰大学农业工程与技术学院食品科学、技术及工程系,传输现象实验室 **摘要** **背景** 与智能手机相连的智能包装已成为实时评估食品质量的一种

  穆罕默德·埃克拉米|内加尔·罗沙尼-德赫拉吉|阿里·埃克拉米|萨拉·加什塔斯比|扎赫拉·埃马姆-乔梅
伊朗卡拉吉,德黑兰大学农业工程与技术学院食品科学、技术及工程系,传输现象实验室

**摘要**
**背景**
与智能手机相连的智能包装已成为实时评估食品质量的一种有前景的策略。然而,从实验室原型发展到具有商业可行性的系统仍面临诸多挑战,包括不稳定的数据处理流程、算法透明度不足以及用户界面设计不完善,这些问题共同限制了分析的可靠性、消费者的信任度以及供应链的整合效率。

**研究范围与方法**
本文对计算框架和以人为中心的框架进行了深入探讨,阐述了如何将响应型材料与智能手机界面相连接。同时回顾了图像处理、多模态深度学习、云基础设施、用户界面设计以及物联网生态系统等相关技术,强调了算法的透明度、边缘计算的限制、硬件多样性以及标准化协议的重要性。

**主要发现与结论**
最新的多模态人工智能模型能够在亚秒级的推理延迟下实现经过验证的新鲜度分类精度,显示出在消费者设备上部署的强大可行性。不过,实际应用中的性能仍极易受到环境光线变化、相机传感器差异以及未校准的色彩基准值的影响。可解释的人工智能、标准化的环境补偿模块以及轻量级的边缘-云端协同机制被认为是实现稳健商业应用的关键因素。透明算法、自适应界面设计以及互操作的数据生态系统的结合将决定下一代智能包装的发展方向。重视边界条件验证以及以消费者为中心的决策支持,将有助于加快相关技术的监管审批和市场推广进程,进而减少食物浪费并提升整个供应链的透明度。

**引言**
近几十年来,食品安全以及减少全球食物浪费问题已成为食品行业和科学界关注的重点(Drago等人,2020;Choubaki等人,2025)。传统包装仅具有被动保护功能,已无法满足复杂现代供应链以及日益了解相关知识的消费者的需求(Tayebi Rad等人,2026)。为应对这一挑战,智能包装这一概念应运而生,它能够实现产品质量的实时监测(Du等人,2025a;Chen等人,2020)。然而,仅有传感硬件的开发并不足以确保这项技术的成功应用。智能手机的广泛普及为将这些包装系统转变为互联平台创造了独特机会,但核心挑战在于如何有效整合数据处理、智能算法以及用户体验设计(D’Almeida等人,2024)。

在用于智能手机连接的智能包装中,材料的选择对传感的准确性和可靠性起着决定性作用(Fernandez等人,2023;Azlim等人,2022)。如图1A所示,生物聚合物、合成聚合物、纳米材料、智能色彩分子、导电材料、水凝胶以及活性包装添加剂等,各自在实现与智能手机的集成方面发挥着不同的功能作用(Siddiqui等人,2022;Upadhyay等人,2024)。例如,壳聚糖和纤维素等生物聚合物具有较高的光学透明度,有利于实现精确的RGB成像;而纳米材料则通过增加表面积来提升传感器的灵敏度和响应速度。花青素和姜黄素等智能分子能够在化学刺激作用下产生明显的颜色变化,从而生成适合智能手机摄像头分析的光学信号(Amin等人,2022)。此外,石墨烯和碳纳米管等导电材料则具备与NFC以及电容式智能手机技术相兼容的特性(Douaki等人,2025)。这种材料的多样性使得人们能够设计出兼具功能性(如抗菌功能)和智能性(如监测功能)的多功能系统(Ganeson等人,2023)。

最新研究表明,由于环境噪声以及智能手机硬件之间的差异,来自包装传感器的原始数据往往缺乏做出精准决策所需的精度(Abedi-Firoozjah等人,2023)。不同手机型号的相机传感器存在差异,环境光强度也会发生变化,此外视角的不同也会影响色彩测量的准确性。在此背景下,图像处理和机器学习模型发挥了关键作用(Kumari等人,2025)。此外,移动平台之间存在的严重硬件差异,如相机传感器灵敏度的不同、默认的图像处理流程存在差异以及显示颜色配置文件不一致等问题,也带来了巨大挑战。这些差异要求采用可靠的基于软件的校准策略以及算法补偿机制,以确保无论用户使用何种设备,都能获得一致且准确的新鲜度评估结果。

这些算法必须具备校准颜色变化或电子信号的能力,能够弥补环境光的影响,并提供可靠的新鲜度估算结果(D’Almeida等人,2024)。预测模型还可以通过分析时间趋势来估算产品的剩余保质期。此外,基于云的数据存储功能有助于追踪产品历史信息,这对于提升供应链透明度以及数据验证具有重要意义,不过同时也需要解决数据隐私和安全方面的问题(Zuo等人,2022)。

尽管技术上已经取得了进展,但消费者接受度仍然是一个重大障碍。即便是最精确的传感器,如果搭配复杂或难以理解的用户界面,也可能会被最终用户所拒绝。用户界面/用户体验设计需要将复杂的化学信息转化为简单、直观且可信的信息呈现形式(Zhao等人,2022)。至关重要的是,这些障碍在不同类型的最终用户身上表现形式各异,这也带来了不同的商业化挑战。对于普通消费者而言,主要的障碍是算法的透明度不足以及用户界面设计的不完善;当人工智能驱动的新鲜度评估结果如同“黑箱”一般,缺乏直观的视觉解释时,会迅速削弱消费者的信任,使他们重新依赖传统的感官评估方法(Oladzadabbasabadi等人,2022;Dena等人,2021)。而对于供应链和物流管理从业者来说,主要的障碍则是数据处理流程的不稳定性。由于不同智能手机硬件之间缺乏标准化的校准协议以及互操作的 数据格式,导致这些包装系统难以无缝集成到企业资源规划系统和物联网追溯系统中,从而阻碍了动态定价以及大规模减少浪费策略的实施(Waldhans等人,2023;Kabadurmus等人,2023)。要克服这些瓶颈,就需要从两个方面入手:为普通消费者打造可解释的、以用户为中心的界面;而为工业领域推动数据流程的标准化以及与硬件的解耦。虽然以往的一些综述已经涵盖了材料合成以及硬件构建的相关内容,但本综述则填补了材料科学与数字技术之间的空白,重点探讨了所谓软件层和交互层的相关内容,包括数据处理范式、人工智能决策框架、边缘-云端协同机制以及以人为中心的用户界面/用户体验设计,只有这些要素相互配合,才能将原始的光学信号转化为对最终用户有价值的洞察信息。本综述侧重于软件和交互方面,分析了在整合数据处理、机器学习以及用户界面设计过程中所面临的种种挑战。从这一视角出发,评估了该技术的潜在能力与用户实际需求之间的差距,旨在推动开发出更具可扩展性且更易于使用的解决方案。最后,关于物联网等方面的未来展望表明,智能包装还需要在硬件、软件以及数据生态系统层面实现进一步融合,才能超越目前作为实验工具的地位,成为真正的行业标准。

**章节节选**
**刺激响应型包装的基础知识**
刺激响应型包装系统是智能手机连接型智能包装生态系统中的基础层,它们作为化学和物理转换器,能够将食品的质量状况转化为可读取的信号(Shakouri等人,2023)。要设计高效的数据处理算法和用户界面,首先就需要深入理解这些材料所具有的响应机制(Kabadurmus等人,2023)。如图1B所示,存在着多种类型的人工智能和机器学习决策范式。

**人工智能在智能手机连接型智能包装中的应用**
在智能手机连接的智能包装中,人工智能涵盖了多种不同的决策范式,每种范式都具有将传感器数据转化为可操作的新鲜度分析结果的独特优势(Sadeghi等人,2022)。这些范式包括基于预定义逻辑条件的规则系统;机器学习,则包括利用标记数据集进行预测的监督学习、在无标记数据中寻找规律的无监督学习,以及用于实现适应性调整的强化学习。

**智能手机集成型包装的数据处理**
基于智能手机的包装系统依赖于强大的计算框架,才能将光学信号转化为可操作的洞察信息。本章介绍了两个关键组成部分:用于处理噪声降低和特征提取的图像处理算法,以及用于确保数据安全传输和存储的云基础设施。图3展示了从图像采集到分析结果的完整工作流程,说明了标准化协议如何提升分析精度,并实现持续的功能优化。

**用户界面设计、校准与决策支持系统**
虽然算法构成了计算的底层基础,但实际应用的效果还取决于直观的人机交互以及可靠的校准机制(Kumar等人,2025)。本章探讨了移动端用户界面/用户体验设计、环境补偿模块,以及那些能够将复杂数据转化为可视化反馈和针对消费者及行业专业人士的可操作建议的决策支持工具。图5展示了控制用户交互、校准流程以及相关功能的并行工作流程。

**面临的挑战与研究缺口**
为了解释智能手机连接型智能包装所面临的各种复杂挑战,首先需要明确这些系统所处的技术生态系统。为了清晰地展示各组成部分之间的相互作用,可以将该生态系统概括为一个包含四个层次的层级模型。在物联网层的最底层是数据生成的核心单元:即与智能手机相连的智能包装以及各种环境传感器,它们负责持续收集实时的物理化学参数和空间数据。

**未来发展方向:基于物联网的智能包装集成数据生态系统**
物联网正在迅速从单纯的连接层发展成为集成食品数据生态系统的核心基础,它使得智能手机连接的智能包装、云分析系统以及供应链各方能够实现无缝互动(Masuduzzaman等人,2026)。未来的发展重点将在于整合边缘计算、机器学习以及以用户为中心的界面设计,从而将原始的传感器数据转化为实时、可操作的新鲜度分析信息(Bhatlawande等人,2024)。

**结论**
总而言之,下一步的重要任务就是将数据处理、人工智能决策范式以及用户界面设计整合到与智能手机相连的智能包装中,用于食品质量监测。仅靠刺激响应型材料本身,只能实现最基础的传感功能。要将它们转化为具有实际应用价值的产品,就需要从底层构建一套软件架构,能够准确地将原始的光学信号转化为反映食品新鲜程度的指标。虽然近期有一些……

**作者贡献**
穆罕默德·埃克拉米:方法设计、原文撰写、概念构思。
内加尔·罗沙尼-德赫拉吉:正式分析、验证、软件开发、审稿与编辑工作。
阿里·埃克拉米:资源协调、可视化处理。
萨拉·加什塔斯比:研究调查、数据整理工作。
扎赫拉·埃马姆-乔梅:项目监督、概念构思、项目管理工作。

**代码可用性**
不适用。

**伦理审批声明**
本研究并未涉及对人类受试者或动物的研究,因此无需伦理审批。

**利益冲突声明**
所有作者均声明,在发表本论文时不存在任何利益冲突。

**出版同意声明**
所有作者均已审阅并批准了最终稿件,并同意将其发表。

**未引用参考文献**
Reza等人,2023;Chaithra和Vinod,2023;D’Almeida和Tiago Lima de Albuquerque,2024;Vargas-Sansalvador等人,2020;Kumari和Gaikwad,2025;Lamberty和Kreyenschmidt,2025;Li和Wang,2023b;Mehdizadeh和Noshad,2024;Murugesan和Li,2026;Peleg和Saguy,2024;Sagar和Rani,2025;Singh和Zahid,2023。

**数据可用性**
这是一篇综述文章,在研究过程中并未生成或分析任何新的数据集。本文中讨论的所有数据、研究发现以及结论均来源于先前已发表的文献,这些文献已在参考文献列表中适当标注。本文不包含任何原始的实验数据或初级数据集。

**资金支持声明**
本研究未获得公共部门、商业机构或非营利组织提供的任何专项资助。

**利益冲突声明**
作者们声明,在发表本文的过程中不存在任何利益冲突。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号