《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：From Bean to Bar 5.0: Artificial Intelligence, Sensing Technologies and Robotics Across the Cocoa–Chocolate Value Chain
编辑推荐：
背景：可可和巧克力生产面临与气候变异性、病虫害、采后损失、质量不一致性、可追溯性要求和可持续性关切相关的持续挑战。人工智能（AI）、机器学习（ML）、传感技术、机器人技术和自动化方面的进展为改善可可-巧克力价值链的生产力、质量管理和运营效率提供了机会。
范围
背景：可可和巧克力生产面临与气候变异性、病虫害、采后损失、质量不一致性、可追溯性要求和可持续性关切相关的持续挑战。人工智能（AI）、机器学习（ML）、传感技术、机器人技术和自动化方面的进展为改善可可-巧克力价值链的生产力、质量管理和运营效率提供了机会。
范围和方法：本综述提出了一个整合的从豆到条5.0框架，该框架综合了AI、ML、传感系统、机器人技术和自动化在可可种植、采后处理、质量与安全评估、巧克力产品创新、制造、包装和物流中的最新应用。针对计算机视觉、深度学习、电子鼻、光谱学、物联网（IoT）平台和机器人处理系统的研究，从数据集、算法、技术就绪度和部署约束方面进行了分析，以识别当前能力和未来研究需求。
主要发现和结论：AI驱动的视觉、光谱和基于传感器的方法在可可豆荚疾病检测、豆粒分级以及快速、非破坏性可可质量评估方面显示出强大潜力，而AI辅助检测、3D打印、机器人处理和自动包装可以增强巧克力制造中的分选精度、过程一致性和运营效率。然而，大多数技术仍处于实验室、试点或原型阶段，受到狭窄数据集、受控测试条件、碎片化互操作性以及有限的技术经济或社会技术评估的约束。未来的进展将需要代表性的多模态数据集、严格的现场和工厂验证、可互操作的数字生态系统、负责任的AI治理以及针对小农主导的可可地区定制的人本自动化策略。总体而言，AI、传感和机器人技术具有巨大潜力，可支持更高效、可追溯、有韧性和可持续的可可-巧克力系统。
1. 引言：可可和巧克力生产面临气候变异性、病虫害、采后损失、质量不一致等持续挑战，同时可追溯性和可持续性要求日益增加。人工智能（AI）、机器学习（ML）、传感技术、机器人技术和自动化的发展为改善生产力、质量管理和运营效率提供了机遇。现有综述多集中于单一环节（如上游种植、非破坏性质量评估或通用食品制造），缺乏涵盖从可可豆到巧克力成品的全链条整合视角。本综述首次提出“从豆到条5.0”框架，综合AI、传感、机器人和自动化在可可种植、采后加工、质量安全评估、产品创新、制造、包装和物流中的应用，并通过跨尺度比较分析技术就绪度、数据体制和互操作性挑战，最终提出研究路线图。
2. 方法：本文采用结构化叙事综述方法，系统检索了2020年1月至2026年7月间发表的同行评审文献，数据库涵盖Scopus、Web of Science、ScienceDirect、PubMed和Google Scholar。关键词组合包括可可/巧克力特定术语与AI、传感、机器人概念，最终纳入29项研究（8篇综述、11篇研究论文、10篇会议论文）。研究按照价值链阶段（种植、采后加工、质量评估、产品创新、制造包装物流）、技术领域（AI/ML、传感系统、机器人自动化）以及规模成熟度（微观、中观、宏观）进行分类和综合，并记录技术就绪度（实验室、试点、原型、近工业部署）和部署约束。
3. 人工智能与传感技术在可可种植、采后处理与供应链分析中的应用：该部分综述了AI和传感技术在可可价值链上游的应用。在可可豆分级方面，有研究比较了灰度共生矩阵（GLCM）纹理特征与卷积神经网络（CNN）特征，发现GLCM结合支持向量机（SVM）在低功耗硬件上优于CNN，适合物联网（IoT）智能农业场景。在豆荚疾病检测方面，轻量级CNN架构（如EfficientNetB0）在受控条件下实现了约94%的测试准确率，但需在田间环境中进一步验证。在发酵监测方面，基于低成本电子鼻（MQ系列传感器）和深度神经网络（DNN）的系统能够以超过94%的准确率区分发酵与未发酵可可豆，但仅针对单一品种和有限批次。在分选方面，YOLOv5目标检测模型与原型机器人机械臂结合，实现了约94.5%的黄豆/病豆分类准确率，并演示了实时视觉引导分选。在采后干燥方面，自动干燥机器人实现了更均匀的水分含量和更高的总酚保留，但未缩短干燥时间。在供应链层面，时间序列计量经济学分析揭示了可可出口对价格和气候的敏感性，强调了国内加工增值的重要性。极端天气风险映射框架将运输中断、农场风险和需求风险列为优先事项，并对应到AI预测和决策支持能力，但该框架仍处于概念阶段。总体而言，这些系统大多处于实验室或试点阶段，仅有干燥机器人实现了合作社层面的现场部署。跨模态整合（如视觉、气体传感、经济数据）仍较弱，缺乏多来源、多模态数据集和长期现场验证。
4. 人工智能与机器学习在可可/巧克力质量评估与产品创新中的应用：该部分探讨了AI和ML在非破坏性质量评估和产品创新中的应用。在光谱分析方面，研究人员发布了基于衰减全反射傅里叶变换红外光谱（ATR-FTIR）的开放数据集，链接了中红外光谱与高效液相色谱（HPLC）测量的甲基黄嘌呤含量及基因型标签，为对比化学计量学、传统ML和深度学习模型提供了基准，但数据仅来自单一产区和有限基因型。在3D打印巧克力方面，有研究将油凝胶（如单甘酯、蔗糖脂肪酸酯）与AI视觉系统结合，发现油凝胶类型和含量可调节熔融行为和硬度，而基于二维几何特征的AI系统能有效检测重大打印缺陷（识别率>85-90%），但对细微缺陷敏感度较低，该研究仍处于实验室阶段。另一项研究设计了基于压力泵的巧克力3D打印机，解决了传统注射器打印机的容量和压力限制，实现了更连续的制造，但缺乏自动检测和感官评价。在可食用机器人方面，研究人员开发了基于重组明胶执行器和巧克力可充电电池的交互式机器人蛋糕（RoboCake），展示了巧克力的功能性应用，但电池容量有限且依赖非可食用基础设施，公众接受度受感知安全和自然度影响。在视觉分类方面，一个简化的CNN在小型数据集上实现了约96%的准确率，用于区分白巧克力和黑巧克力，但数据集规模小且缺乏多样性。总体而言，所有系统均处于实验室或概念验证水平，尚未实现工业部署。
5. 巧克力制造、包装与物流中的机器人技术与自动化：该部分综述了机器人技术在巧克力制造、包装和物流中的应用。在低端包装方面，基于3D打印PRR（Prismatic-Revolute-Revol
