综述：人工智能辅助的近红外光谱技术在食品工业动态过程监测与控制中的应用：当前进展、挑战及未来前景

《Food and Bioprocess Technology》：Artificial Intelligence–Assisted Near Infrared Spectroscopy for Dynamic Process Monitoring and Control in the Food Industry: Current Advances, Challenges, and Future Perspectives

　　

摘要

全球对安全、可持续和高质量食品产品的需求不断增长，这就迫切需要实时、无损的过程监测技术来支持智能食品制造。近红外光谱（NIRS）已成为食品行业中应用最广泛的过程分析技术（PAT）之一，它能够提供快速、连续、无损且多参数的测量结果，非常适合动态过程控制。当NIRS与工业4.0技术结合使用时——包括物联网（IoT）支持的传感器网络、信息物理系统以及人工智能（AI）——它能够实现预测性过程监测和自适应过程优化。本综述批判性地评估了AI技术在食品供应链动态过程控制方面的最新进展，重点讨论了测量配置（在线和在线内）、数据分析策略、工业应用、当前的限制以及未来的研究方向。此外，还批判性地分析了阻碍AI技术在工业应用中的局限性和知识空白，并确定了未来研究的关键优先事项，以提升模型的稳健性、可转移性和过程可靠性。相关研究表明，基于AI的模型可以增强NIRS对复杂食品系统的预测能力。然而，其稳健的工业应用仍然受到校准精度、模型可转移性、传感器变异性以及缺乏标准化验证框架的挑战。新兴技术如迁移学习、多传感器数据融合、数字孪生、联邦学习和基础模型辅助分析等，可能会推动下一代智能食品制造的发展，尽管大多数技术仍处于工业应用的早期阶段。总体而言，本综述对比了传统的化学计量方法和基于AI的NIRS技术，指出了当前面临的主要挑战及食品过程监测的未来研究重点。

图形摘要