综述：数字技术驱动的食品供应链可追溯性用于食品欺诈预防的范围综述

《Logistics》：A Scoping Review on Digital Technology-Enabled Food Supply Chain Traceability for Food Fraud Prevention

　　

背景：全球食品供应链已变得日益复杂，从多个国家和中间商采购原料，这为欺诈、掺假和错误标签创造了机会，可能危及消费者安全和市场信心。数字可追溯性技术已被提议作为潜在的对策，但缺乏关于其实际影响的实证证据。本研究评估了这些技术的成熟度和有效性，识别了实施障碍及安全/隐私问题，并绘制了研究空白/未来方向。方法：根据PRISMA-ScR指南和结构化预先指定的数据提取框架，对2023年至2026年间从Scopus和IEEE数据库提取的64项研究进行了范围综述。结果：该领域在实证上尚不成熟，所审查的解决方案中没有一个提供可证明正确、经过对抗性测试的预言机问题解决方案。链上不可篡改性与GDPR删除权之间缺乏一致性，且小规模生产者承担了不成比例的实施成本负担。结论：提出了逐步实施可追溯性法规，以及所有权成本模型和协调的认证措施，以避免对小型生产者不利。最后，现场试验、对抗性测试以及以标准化格式报告结果（包括检测性能和实施成本）至关重要。

1. 引言
确保全球食品供应链的完整性是公共卫生、经济和治理中最重要且持久的问题之一。当前食品系统极为复杂，加工食品的原料来自数十个国家，经过多个中间加工商、经纪人和物流运营商，在到达消费者之前跨越大陆的供应链。这种复杂性虽然带来了效率和膳食多样性，支撑了接近80亿的世界人口增长，但也为欺诈者创造了一个庞大且不透明的目标。为经济目的故意欺骗食品的行为被称为食品欺诈，估计每年给全球经济造成400亿美元损失，包括产地错误标签、物种或廉价成分替代以及直接伪造。这些问题影响几乎所有主要食品商品，从肉类、鱼类、乳制品、谷物、香料、油、葡萄酒到有机农产品，影响深远，包括对消费者和生产者的经济损失以及严重甚至危及生命的公共卫生影响。由于可追溯性不足导致的食品掺假由来已久。19世纪欧洲曾面临面包中的白垩、咖啡中的菊苣和茶叶中的铬酸铅等问题。通过法律执法和化学检测确保供应链完整性的首次系统尝试体现在1875年英国《食品与药品法》和1906年美国《纯净食品与药品法》中。然而，基于定期检查、纸质认证和反应性实验室检测的治理框架结构未发生根本变化，因为其需要覆盖的供应链规模和复杂性已扩大数个数量级。2008年中国三聚氰胺牛奶丑闻中，工业三聚氰胺被故意添加到婴儿配方奶粉和液态牛奶中，以在常规氮检测中虚增蛋白质含量，导致约30万名婴儿患病，至少6人死亡，引发全球召回和多家中国乳制品出口商倒闭。2013年欧洲马肉事件揭示了多个欧盟成员国销售的牛肉产品掺杂了未申报的马肉和猪肉，破坏了单一市场内的消费者信心，并表明复杂的跨司法管辖区欺诈可在认证供应链中持续多年未被发现。蜂蜜常与更便宜的糖浆（如大米糖浆和玉米糖浆）混合，橄榄油被掺入低品质种子油并冒充特级初榨，以及全球重要的清真和犹太食品市场中存在系统性虚假陈述，这些反复出现的做法说明了问题的普遍性以及纸质数据记录系统的缺陷。每起丑闻都有一个共同问题：作为供应链验证过程支柱的纸质、文档驱动的审计线索可能被篡改、选择性提交或在不同司法管辖区、认证机构和商业实体之间丢失。欺诈通常是在实验室环境中被动识别，而非通过主动监控，当然为时已晚，且对欺诈网络的范围知之甚少。召回和诉讼的影响远超经济成本。地理标志产品的真实生产者，如罗克福奶酪、阿里巴可可和里奥哈葡萄酒，因假冒产品削弱市场而遭受品牌资产和溢价损失。消费者因重大欺诈事件对产品甚至整个产品类别失去信心，例如2008年后中国婴儿配方奶粉市场萎缩数年。这些直接成本加上对监管机构、保险公司和国际贸易关系的间接成本，问题更加严重。与此同时，技术范式的融合为解决这些结构性弱点提供了前所未有的技术机遇。分布式账本技术（特别是区块链）提供加密保证的不可篡改性、去中心化共识和可编程的智能合约逻辑。在传统数据库中，可以无痕迹地追溯修改记录，但在适当部署的区块链中，每个交易都加密链接到前一个交易，添加和删除记录所需的计算资源在大规模下变得不切实际。此外，供应链中的指令如温度阈值、认证要求和支付释放条件可通过智能合约自动执行，无需可信中心中介。另一个关键技术是物联网（IoT），允许在供应链的每个环节（从农场到零售货架）进行持续、自动化的传感器数据收集。GPS追踪器、射频识别（RFID）和近场通信（NFC）标签、温湿度记录仪以及更先进的生物传感器等技术进展，使得能够实现密集的实时数据流，跟踪产品从收获到加工、运输、储存和零售的移动。将传感器数据锚定到分布式账本使其具有防篡改特性，这是纸质记录无法做到的。第三，机器学习和人工智能提供模式识别、异常检测和预测分析功能，可发现手动审计无法检测的欺诈信号。这些技术能够实现远超传统实验室筛查的产地认证水平；自然语言处理可处理非结构化认证文档，揭示通常需要数周手动审计才能发现的不一致之处；基于图的异常检测可用于识别供应链中不太可能出现的产品关系。尽管对应用数字技术实现食品可追溯性和防范欺诈的研究兴趣日益增长，但证据基础仍然碎片化。已有综述探讨了数字技术在食品供应链中的一般性应用，以及针对特定商品如葡萄酒、海鲜和清真产品的研究。此外，各种综述关注区块链机制和人工智能在食品完整性中的作用。然而，缺乏近期符合PRISMA（系统综述和Meta分析首选报告项目）的综述，能够综合与政策和实践相关的四个维度：技术的有效性和成熟度、系统性实施挑战、安全隐私机制以及研究空白。其他综述通过结构化文献计量学或PRISMA启发式综合对更有限的领域进行了研究，如冷链物流、用于欺诈预防的智能包装以及整个农产品安全评估和质量保证。无论食品欺诈损失规模多大，以及可用的数字工具多么强大，实践中技术的采用水平仍远低于技术抱负水平。监管机构、零售商和认证机构比以往任何时候都面临更大压力，要求采用或投资数字可追溯性系统，但这通常缺乏对系统可靠提供什么、存在哪些障碍以及安全隐私方面仍存在哪些脆弱性的当前概述和综合。这给昂贵、过早或协调不当的技术要求带来了严重风险，这些要求可能无法充分保护最无力承担实施成本的参与者，包括小农户和手工艺生产者。鉴于政策相关证据与技术潜力之间的脱节，本研究旨在系统性地绘制现有关于数字技术驱动的食品供应链可追溯性作为食品欺诈、掺假和伪造预防方法的证据基础。为填补这一空白，研究围绕四个关键研究问题（RQ）组织：RQ1：已建议或实施的用于支持食品供应链中欺诈预防可追溯性的数字技术有哪些，以及它们在食品领域应用中的有效性和实施成熟度证据是什么？RQ2：实施数字技术驱动的食品供应链可追溯性系统面临的技术、组织、监管和安全挑战有哪些，这些挑战如何系统性交互？RQ3：文献中发表的食品可追溯性架构如何涵盖安全、隐私和数据完整性关切，以及这些关切在食品领域对抗性情境下的证据是什么？RQ4：现有食品供应链可追溯性文献中最重要的空白是什么，以及研究建议未来研究的具体方向是什么？本研究通过执行基于PRISMA范围综述扩展（PRISMA-ScR）的结构化范围综述来回答这些问题。对Scopus和IEEE数据库进行了2023年以来发表的论文关键词组合搜索，包括食品欺诈、食品可追溯性和数字技术相关关键词。经过PRISMA 2020筛选流程，纳入64项研究，并使用包含五个维度和32个子维度的目的构建数据提取框架（详见第2节）以及实施成熟度量表和验证稳健性评级进行评估。本研究结果有四个主要贡献：第一，提供了符合PRISMA-ScR的综述，从技术有效性、实施障碍和安全隐私机制三个角度整理和综合了食品可追溯性证据，而以往大多数综述分别处理这些方面。第二，提供了最新的出版窗口（2023-2026年），并涵盖了先前综述中未强调的技术，如联邦学习、抗量子架构和数字产品护照。第三，提出了实施成熟度量表和验证稳健性评级，未来可重复使用以监测该领域随时间的实证进展。第四，将识别的证据空白转化为研究人员、技术提供商和政策制定者可操作的建议，详见第5节。本文剩余部分组织如下：第2节描述了方法论、搜索策略和数据提取协议。第3节呈现结果：描述纳入文献特征（第3.1节），并讨论RQ1关于技术有效性和成熟度（第3.2节）、RQ2关于实施障碍（第3.3节）、RQ3关于安全、隐私和数据完整性机制（第3.4节），以及研究空白和相关未来研究方向（第3.5节）。第4节呈现讨论，包括启示、局限性和主要发现。最后，第5节给出本研究的结论。

2. 材料与方法
本研究执行了遵循PRISMA范围综述扩展（PRISMA-ScR）框架的结构化范围综述。该框架基于Tricco等人（2018年）开发的详细指南。PRISMA合规性检查表作为补充材料提供。由于研究开始前未注册协议，研究人员通过遵循PRISMA-ScR检查表（补充表S1）并在进行全文分析前预先指定数据提取框架来确保透明度。本综述绘制了技术图谱，综合了实施证据，识别了系统性挑战，并描述了64项纳入研究（2023-2026年发表）的安全和隐私机制。选择这一时期是因为它反映了该领域最新的技术浪潮，例如人工智能/机器学习（AI/ML）、联邦学习和数字孪生概念与区块链的结合，这在先前关于区块链食品可追溯性的综述中大多被忽视。未重新审视奠定核心区块链-物联网（IoT）可追溯性架构的基础工作，但在纳入论文直接相关时予以讨论。于2026年6月5日检索了两个主要学术数据库：Scopus（Elsevier）和电气电子工程师学会（IEEE），它们共同涵盖计算机科学、工程、食品科学和跨学科应用研究。这不是便利性选择，而是战略性选择：综述内容侧重于技术实现及其报告的证据，这些主要出现在工程和计算机科学领域的期刊中。此外，两个数据库都丰富地涵盖了其他学科的相关期刊，包括食品科学、物流和管理。Scopus搜索使用以下查询针对标题、摘要和关键词：TITLE-ABS-KEY ((Counterfeit OR fraud OR adulteration) AND (“supply chain”) AND (food or agri-food or meat or wine or beverages or alcohol or fish or dairy or fruits or vegetables) AND (traceability OR tracing)) AND (blockchain OR “distributed ledger” OR “Internet of Things” OR IoT OR RFID OR NFC OR “smart contract” OR “digital twin” OR “artificial intelligence” OR “machine learning” OR “deep learning” OR “computer vision” OR “edge computing” OR “cloud computing” OR “federated learning”)。同样，IEEE搜索针对摘要使用相同逻辑。搜索特意限定于与欺诈、掺假和伪造相关的可追溯性技术；因此，未纳入那些在食品安全或质量监控或可持续性背景下讨论但未明确涉及欺诈/真实性框架的可追溯性技术。纯粹的分析或化学认证方法（如同位素指纹、光谱指纹或非数字物理防篡改证据）因缺乏数字数据或连接层而未纳入搜索，也不在本综述覆盖范围内。研究选择遵循严格的PRISMA 2020流程图。共发现426篇论文，其中27篇因重复被移除。未使用自动化工具筛选，而是通过阅读每篇论文的摘要、标题、关键词和出版信息来识别相关性。纳入/排除标准见表1。这些标准的一个方法论后果值得注意：概念性和理论性工作以及实证工作都被允许作为证据，因此最终语料库必然偏向技术提案而非经过验证的部署。这适合旨在绘制研究领域范围的范围综述，但表明第3.1节中的成熟度分布仅适用于所出版研究的时间段，而非技术本身。如果只纳入实证研究，会得到更小但未必更具代表性的语料库。筛选后，排除294篇论文，105篇记录被检索，其中25篇无法获取全文。剩余80篇论文基于全文分析评估资格，其中11篇因不关注食品欺诈检测的供应链可追溯性被排除，3篇因应用化学方法而非数字技术被排除，2篇因专注于食品供应链管理而非食品可追溯性被排除。因此，共纳入64篇论文。需注意，综述文章被保留，因为本范围综述旨在绘制当前研究图景，而非仅综合初级实证研究。因此，综述论文被纳入出版语料库，并纳入研究趋势的描述性特征描述。但它们不被解释为技术的独立实证证据，因此本综述中的结果必须被视为已出版文献的代表，而非实验证据。预先设计了结构化数据提取框架（见图2），并用于所有64篇论文。考虑了五个主要维度和32个子维度，包括：（1）食品供应链背景，（2）技术概况，（3）性能和验证，（4）互操作性和标准，（5）实施和部署因素。四位作者中的两位独立重复筛选标题和摘要，差异通过共识解决，任何剩余分歧由第三位作者仲裁。全文资格筛选由相同两位作者独立进行；差异通过四位作者共识解决。为试点筛选和提取程序，在处理整个语料库前使用了10篇随机选择的记录，并根据试点修改了提取框架。同样，数据提取由四位作者分担64篇论文，每篇论文由两位作者独立提取。与筛选过程类似，提取者之间的差异通过讨论和共识解决，必要时由四位作者共同解决。根据此框架的论文完整分类见补充表S2。纳入文献在概念框架、模拟研究、原型和现场部署方面高度多样化，因此无法应用传统的偏倚风险评估工具。相反，采用了改编自技术就绪水平框架的四级实施成熟度量表（IMS）：第1级（概念/理论）——提出框架但未用实证数据测试。第2级（原型/模拟）——在受控或模拟环境中实现并测试系统。第3级（实验室实验/现场试验）——在受控现场环境中使用真实数据测试系统。第4级（试点/部署）——在真实世界运营环境中运行系统。其次，每篇论文使用3点验证稳健性量表评分：低（仅文献，未实现系统）、中（模拟或测试网结果）、高（真实世界实证数据）。综合中的证据质量讨论基于这些评估。所有四位作者进行了质量评估，评级通过共识讨论和同意，而非单独评级并比较，因此无法计算如Cohen's或Fleiss's kappa这样的评分者间一致性统计量。所有论文评估结果见补充表S2。需注意，验证稳健性评级不是独立的方法学质量评估或偏倚风险评估，而是取决于基础证据环境（仅文献、模拟/测试网或真实世界部署），如实施成熟度量表所示。高评级并不意味着研究更严格、更有力或报告更清晰，仅表示数据来自真实世界。这些量表不应被解释为正式的证据质量评估，而是证据环境和部署环境的描述符。还需强调，例如，IMS第3级和第4级都可能被分配高验证稳健性，因为两者都使用真实世界实证数据。因此，两个量表反映不同但相关的信息，互不重复：它们分别表示实施成熟度程度和证据环境强度。

3. 结果
由于纳入语料库中研究设计和结果测量的多样性，主要分析策略是叙事综合，按研究问题组织。分类数据字段使用描述性定量分析（频率计数和比例）来描述技术图景和挑战分布。描述性统计不应被视为来自实验的独特观察，而是作为技术出版趋势的反映。根据范围综述方法论，未进行统计荟萃分析。定性数据通过归纳主题聚类，以识别跨领域挑战模式和安全机制。鉴于结果的广度和复杂性，本节开头呈现了综合图（图3），为读者提供综述中识别的主要维度和关键发现的高层概述。该图总结了分析中确定的五个主题领域：语料库特征、技术和有效性证据、障碍和系统性交互、安全和数据完整性机制，以及研究空白和未来方向，这将有助于导航后续详细讨论。

3.1 语料库特征
最终语料库包含64篇论文，发表于2023年至2026年，涵盖期刊文章（n=18，28.1%）、会议论文（n=27，42.2%）、综述文章（n=9，14.1%）和书籍章节（n=10，15.6%）。地理上，大多数论文来自未指定国家（n=45，70.3%），而印度（n=10，15.6%）是代表性最强的国家，其次是欧盟国家（n=5，7.8%）。其他国家（中国、菲律宾、尼日利亚和哥伦比亚）仅各有一篇论文。这种地理趋势既归因于新兴经济体存在的高技术研究基础，也归因于食品可追溯性议题在国际政治层面上的高度相关性，尤其是在食品欺诈和基础设施问题特别突出的地区。语料库中主要技术概况的分布见表2。大多数论文使用区块链或区块链混合架构，反映了分布式账本技术在当前食品可追溯性研究中的主导地位。具体区块链平台的分布见表3，需注意有些论文包含多个平台。没有针对主网部署的成本和性能结果的概括，尽管以太坊（Ethereum）是被引用最广泛的平台，主要用于测试网部署，例如Dakshayini等人的食品安全原型完全在MetaMask、Ganache和Remix集成开发环境（IDE）内演示，未使用真实数据或参与者。大量论文使用Hyperledger Fabric，通常用于许可型企业场景。有趣的是，近一半的论文未提及所使用的区块链平台，这是可重复性方面的一个显著局限。表2和表3的综合证据表明，语料库在技术上专注但架构多样。此外，区块链和区块链混合设计的近乎完全主导地位值得注意，因为搜索策略（第2节）包括人工智能、物联网和其他数字技术，并未排除专注于区块链的论文。这种集中似乎不是搜索过程的人为产物，而是真实的研究趋势。表3指出了有时仅分析技术时被忽视的可重复性问题：近一半的论文未指定或使用非标准区块链平台，此外大量论文在测试网而非生产网络上测试。因此，只有少数论文报告了可以针对命名生产级平台进行比较的性能、成本或安全数字。因此，第3.2节和第3.3节中描述的吞吐量和成本参数不应被解释为“区块链”技术类别的普遍特征，而是特定于每个平台。研究类型分布提供了有趣的观察。概念和原型水平的证据占主导地位，只有八分之一的论文报告了实验室实验、现场试验或试点部署。关于该领域当前证据的一个明确且重要的发现是存在成熟度差距。具体来说，当对提出或评估可追溯性解决方案的出版物应用四级实施成熟度量表（IMS）时，语料库显示：第1级概念（25篇，39.1%），第2级原型/模拟（31篇，48.4%），第3级实验室/现场试验（6篇，9.4%），第4级试点/部署（2篇，3.1%）。六篇第3级论文包括：一个数字食品产品护照（DFPP）原型架构实例化在4节点Besu区块链上，与真实挪威鱼类供应链结合；两项在奥地利进行的受控在线消费者实验；一个在阿尔及利亚使用1000个真实供应链交易案例研究；一个模块化Web3架构（集成区块链、物联网和机器学习），部署在Ganache测试网上，并使用真实传感器读数和机器学习质量预测测试了端到端场景；一个新颖的供应链安全方法，部署在Fantom测试网和Hyperledger Fabric上，在实验室试验中使用真实操作场景和定量性能测量验证；一个试点级部署，评估了随机森林机器学习引擎的准确性，并使用布谷鸟过滤器最小化误报。最后，两篇第4级论文包括：一个在意大利皮埃蒙特用于追踪乳制品的联盟区块链，部署了物联网牛项圈；一个在哥伦比亚用于基于QR码的咖啡供应链可追溯性的实际现场部署，涉及真实供应链参与者。这种概念和模拟水平的证据压倒性，而关于可扩展性、利益相关者行为、经济可行性和操作条件下真实世界安全性的实证证据如此稀缺，以至于留下了大量未解答的问题。最后，表4呈现了按食品产品类别划分的论文分布。超过一半的论文属于多产品/通用类别，这具有双重性。这意味着大多数提议的架构是商品无关的，在软件复用方面吸引人。然而，“食品欺诈”机制非常具体，例如海鲜的物种替代、橄榄油的化学掺假、非清真肉类的认证伪造或葡萄酒的地理错误标签，且很难简单地将通用区块链账本架构不加修改地拖过不同产品类型。值得注意的是，覆盖肉类/清真、海鲜和有机/新鲜农产品类别的论文数量相对较少，这些类别目前的认证基于最不可数字化的证据形式（化学测试、感官检验、认证审计），且预言机问题（第3.2.2节）最难以解决。虽然食品产品可按表4中的四个主要类别分组，但更仔细的观察表明，按不同商品类别检查时，可追溯性问题被非常不同地提出。在谷物/种子/小米集群中，Preeti等人提出了一个连贯的三篇论文研究计划：初始概念框架（集成AI、IoT和星际文件系统（IPFS））；谷物可追溯性系统综述和分析；以及一个性能基准测试的原型。在有机/新鲜水果和蔬菜集群中，Morais等人使用设计科学研究方法论构建了一个葡萄牙新鲜水果和蔬菜价值链平台，并通过现场访谈以及农民和市场参与者评估平台，而不仅仅通过模拟。对于饮料集群，大多数论文是系统综述，只有一篇主要技术论文：一个概念验证的Hyperledger Fabric应用，用于西班牙卡斯蒂利亚-拉曼查葡萄酒厂之间的交易，具有真实酒厂领域知识和开源代码，但未与运营酒厂部署。对于肉类行业，文献建议一个许可型以太坊联盟、通过IPFS的链下存储以及基于预言机的认证，并认为清真和福利认证是主要欺诈目标，而非仅产地。洋葱供应链是统计荟萃分析的重点，显示通过智能合约实现可追溯性的中等正向效应大小（ES=0.50），而数字素养和利益相关者意识成为阻碍采用过程的约束，而非智能合约技术本身。最后，乳制品安全在综述层面得到解决，数字可追溯性技术被建议但未显示有助于减轻与微生物和化学污染（沙门氏菌、李斯特菌、抗生素残留）相关的风险。总之，这些研究表明，每种商品在系统设计聚焦层次上有所不同。

3.2 技术及有效性证据
3.2.1 区块链作为主导架构
所有提议的食品可追溯性系统中最显著的共同点是它们依赖区块链技术以实现不可篡改性、去中心化和审计线索。然而，区块链实现因架构、共识机制、治理、数据存储和应用领域而异。公共区块链部署（主要是以太坊）提供最高的透明度和抗审查性，但交易费用高、吞吐量低——以太坊主网处理速率约为每秒15-30笔交易（TPS），这通常被认为对于大型食品供应链所需的高实时交易量来说太慢。另一方面，许可型区块链平台（如Hyperledger Fabric和Hyperledger Besu）的吞吐量和延迟高出数个数量级，Gaudio等人报告Hyperledger Fabric查询性能为600 TPS、调用为300 TPS，但指出硬可扩展性限制约为12个参与组织，之后延迟在操作上变得不可容忍。需注意，这些性能、成本和能源数字特定于测试的网络和部署场景，不应外推到整个“区块链”类别。无许可和许可型之间在这些方面差异数个数量级，因为使用完全不同的共识机制，且从测试网或小型许可节点集得出的值无法外推到主网或生产用途。此外，大多数纳入论文报告概念和原型/模拟水平证据，只有少数报告第3级实验室/现场试验和第4级试点/部署证据。因此，关于技术有效性的发现应被解释为特定研究中在所报告证据水平下观察到的效应，而非真实世界环境中普遍的性能声明。整个语料库中最有趣的架构之一是混合链上/链下存储模型，64篇论文中有32篇（50.0%）使用。这里，区块链账本用于加密哈希的不可变存储，而大型或敏感数据保存在去中心化文件系统（如IPFS）中。这优雅地解决了区块链存储成本问题，同时不损害防篡改证据，因为链下数据的任何更改都会破坏链上相应的哈希。这种模式已广泛用于处理来自传感器或多媒体数据的架构。一种较少见但方法论上不同的混合模式结合了区块链和使用Web本体语言和资源描述框架（OWL/RDF）在Protégé中实现的正式领域本体，以标准化跨异构数据源的欺诈指标概念。这是Annane等人逐步构建的三项相关研究，第一项引入基于树索引器的快速欺诈检测模式，第二项提出基于名为“Green Trace”的本体系统，在阿尔及利亚的1000个真实供应链交易上验证，第三项引入基于语义区块链方法并包含一次性密码认证的系统。所有三篇论文侧重于语义互操作性，特别是在欺诈检测背景下，但实证验证仅限于一个案例研究区域。

3.2.2 IoT集成与传感器驱动自动化
纯区块链提案最常见的架构演变是添加IoT传感器，包括但不限于温湿度传感器、GPS跟踪器、RFID和NFC标签以及专用质量评估设备，将其连接到区块链账本。42篇论文（65.6%）将物联网作为主要或次要技术方面。这种组合解决了纯区块链解决方案的核心问题之一：缺乏数据捕获自动化和手动数据输入欺诈。Kamal和El Ghoumari展示了一个物理部署的原型，使用基于ESP8266的IoT节点和Solidity智能合约，成功部署在Ganache测试网上，并通过端到端场景（使用真实传感器读数和机器学习质量预测）预测了数据质量，温度R²值为0.85，湿度为0.68。同样，Sheriff和Aravindhar在模拟的抗量子区块链-IoT系统中达到1500 TPS吞吐量和低于50毫秒延迟，使用联邦学习和格基密码哈希。Kumar等人开发了类似原型，使用合成IoT设备流和实际GPS位置数据进行供应链跟踪，但传感器读数并非在实际实时供应链部署中收集。在一篇书籍章节中，这种IoT-区块链融合在概念层面进行了探索，结合了当前技术水平而未引入新的实证系统。IoT-区块链集成中最大的风险是“预言机问题”——确保物理世界的数据在不可逆地添加到区块链之前准确代表真实世界的技术和社交需求。如果欺诈或不准确的数据被记录在区块链上，区块链的不可篡改性从福音变为诅咒，永久记录不准确数据。64篇论文中有31篇（48.4%）认识到这一漏洞，但只有不到10篇通过物理防篡改措施、可信硬件安全区或多源数据验证来应对。预言机问题可能是该领域最重要且未解决的问题。

3.2.3 AI与机器学习集成
28篇论文（43.8%）将人工智能/机器学习（AI/ML）作为主要或次要技术组件。应用可分为三个功能领域：质量保证和欺诈检测、异常检测和警报通知，以及供应链优化预测分析。将ML分类器与区块链上传感器数据验证相结合的研究报告了最令人印象深刻的检测性能：Nukapeyi等人使用CatBoost ML分类器和以太坊区块链原型在Kaggle基准数据集上报告了牛奶掺假检测准确率达到99.69%。使用联邦学习框架，Chaganti等人通过合成数据基准模拟，使用图神经网络实现了96.7%的欺诈检测准确率。Ismail等人将质量保证测试仪（QAT）光谱原型设备与以太坊智能合约集成，在测试网上验证获得了鱼类物种识别98%置信度和新鲜度分类94%置信度。其他研究将AI与区块链的集成扩展到语料库中代表的情境之外。然而，三个反复出现的问题显著削弱了该语料库中ML证据的质量：（1）过度依赖基准数据集（Kaggle、合成数据）而非食品领域的现场收集数据，（2）64篇论文中无一报告假阳性率和假阴性率，（3）在真实食品领域条件下的对抗性测试有限。在干净基准数据上的高分类准确率，加上缺乏对抗性鲁棒性测试，使AI可追溯性系统的实际欺诈检测能力受到质疑。

3.2.4 新兴技术：NFTs、联邦学习、抗量子、数字产品护照和数字孪生
几篇论文讨论了有望影响该领域轨迹的新技术途径。Sri Vigna Hema和Manickavasagan讨论了非同质化代币（NFTs）如何用于实体食品产品，特别是食品产地，并综述了NFTs在葡萄酒、橄榄油、家禽、鱼类、牛肉和牛奶中的应用，发现不可变食品产地代币化可能是高价值食品产品（其中伪造提供强烈溢价欺诈激励）的理想解决方案。需注意，上述讨论的用例——单瓶或单批交易——更明确适用于NFTs，而低利润/高频率大宗商品交易的气体费用和二级市场流动性问题未在语料库中得到广泛覆盖。因此，使用NFTs的大宗商品交易仍是一个未解决的挑战。两篇论文研究了联邦学习，这是一种隐私保护机器学习范式，其中机器学习模型的训练在拥有数据的节点本地进行，无需共享原始数据。这种协同直接解决了区块链中存在的透明度和隐私之间的权衡：利益相关者可以参与共同的欺诈检测计划，而无需透露自己的机密供应链数据。Sheriff和Aravindhar更进一步，提出量子启发深度强化学习（QI-DRL）和格基密码哈希（LBC-H），以满足美国国家标准与技术研究院（NIST）的后量子密码学标准，预见到基于椭圆曲线数字签名算法（ECDSA）的现有区块链实现最终将过时。另一组论文涉及数字食品产品护照（DFPP），与欧盟可持续产品生态设计法规（ESPR）一致。它们是标准化、机器可读的产品身份文档，包含产品产地、环境信息和安全性信息，所有利益相关者可通过QR码或NFC接口访问，从产品引入到供应链最终阶段。Jiang等人将DFPP架构应用于挪威鱼类供应链（从挪威到法罗群岛再到波兰的三文鱼），使用Hyperledger Besu和GS1标准标识符，Evangelatos等人将类似架构应用于橄榄油供应链，符合欧盟ESPR。这些是语料库中与政策最共鸣、最接地气的技术实现。数字孪生在六篇论文中被引用为支持技术，但用法不一致，更像是一个理想术语而非清晰的工程制品。一项研究深入了数字孪生的经典定义——物理资产的实时双向同步虚拟副本，因为它检查了使用GPS标记项圈和许可型以太坊网络的乳制品和牲畜试点研究。其余应用以更宽松的方式使用该术语。两项数字食品产品护照研究将其用于“静态”产品记录（定期更新），而非模拟系统。在一篇仅模拟的论文中，虽然“数字孪生可追溯性框架”的准确性结果非常有前景，但仅限于合成数据，没有真实世界部署将孪生与任何真实事物联系起来。其他两项研究将数字孪生作为更长的未来工业4.0技术列表中的一点，但没有任何架构或实现。这种从一次真实世界现场部署到五次概念或模拟应用的范围表明，在制造业和工业物联网中建立的预测模拟意义上，食品可追溯性领域的真正数字孪生能力在很大程度上仍属理想。为澄清术语，本综述区分了数字孪生（物理资产的实时、持续同步、能够模拟或预测资产行为的虚拟副本）和数字表示或数字记录（记录资产状态的数据条目，但不涉及实时表示或持续同步，通常是定期更新的数据条目，如产品护照）。

3.3 障碍与系统性交互
在64篇纳入研究中，绝大多数报告了实施障碍。这些问题的多样性和频率表明，尽管出版量巨大，区块链采纳研究在应对这些核心障碍方面并未取得相应进展。挑战被分为相互关联的集群，这些集群并非独立，而是系统性交互。这种模式在食品领域外也得到了证实。Abdullah和Alani对跨供应链区块链采纳推动因素和障碍的系统综述普遍识别出几乎相同的技术、组织、监管和经济障碍分类。这表明此处记录的挑战是区块链采纳的结构性问题，而非特定于食品可追溯性。

3.3.1 技术障碍
总体而言，最严重的技术障碍（64篇论文中有52篇，即81.3%识别）是“可扩展性”。该挑战包括多个方面，可从网络吞吐量（TPS）、存储容量、计算开销和参与组织数量来衡量。语料库中最严格的实证处理是Gaudio等人的研究，部署在Google Cloud虚拟机上，使用Hyperledger Caliper基准测试，显示在12个参与组织后查询延迟在操作上变得不可接受（每次查询超过1小时）。气体成本波动是公共以太坊网络上可扩展性挑战的另一层：根据各项研究，交易成本范围从0.35美元到30美元，使得当前市场条件下商品食品链应用在经济上不可行。值得注意的是，虽然大多数审查的联盟/许可型平台（Hyperledger Fabric、Besu）采用权益证明（PoS）相关或崩溃容错共识机制，能耗显著低于PoW公共链，但语料库中64篇论文均未为其提议的架构提供量化的能耗或碳足迹数据。当考虑到审查语料库中近一半文献未披露底层共识机制或平台时，这一问题变得更加重要。这种信息缺失使得难以从审查文献中报告的证据得出关于提议解决方案能耗概况的结论。这代表了与这些技术所倡导的可持续性目标之间的真正紧张关系。食品可追溯性区块链解决方案常被宣传为支持可持续发展目标12（SDG 12，负责任消费和生产），但若未测量技术对能源成本的影响，则难以声称该技术能可信地帮助实现SDG 12而不违背SDG 13（气候行动）。这种关于区块链采纳基本架构决策的透明度缺乏与SDG框架的评估性质不一致，后者要求展示影响而非假设对齐。第二个主要技术挑战是第3.2.2节中提到的“预言机问题”。最复杂的技术基于IoT硬件认证、加密传感器认证和可信执行环境（TEEs），但仅限于模拟或小规模原型环境，无真实世界对抗性测试。另一个技术治理挑战是，默认情况下，智能合约一旦部署，底层字节码是不可变的：虽然存在可升级性模式，但它们带来自身治理和中心化影响，在语料库中未广泛讨论