综述：食品智能质量与安全分析：从数据驱动到数据-机理混合驱动范式

《Foods》：Food Intelligent Quality and Safety Analysis: From Data-Driven to Data–Mechanism Hybrid-Driven Paradigm

　　## 摘要近年来，大量研究报道了面向食品质量与安全的智能分析应用。为揭示该领域的内在规律和发展趋势，本文从数据驱动和机理驱动两种范式的视角出发，进行了全面综述。在数据驱动范式下，检测模式可以是单模态或多模态方法。通过将实测检测数据与适当的智能学习算法相结合，可实现针对食品质量或安全评估的具体任务。该领域的研究内容包括检测技术的开发、测量参数的优化、高维光谱特征的构建、特征提取方法的设计、算法的选择与调参，以及多模态数据融合策略的制定。该范式的特点是计算速度快、预测或分类效率高。然而，它也存在若干局限性，包括模型可解释性差、外推和泛化能力有限，以及对高质量标注数据的高度依赖。相比之下，数据—机理混合驱动范式将物理定律和其他先验知识作为约束条件，深度嵌入到神经网络训练中。通过将数据驱动的挖掘能力与理论先验知识相结合，该方法实现了预测性能的改善和决策可靠性的提升。该范式具有显著优势，包括增强的可解释性、更高的可信度、更优的数据效率以及更低的计算成本。它尤其适用于小样本或数据稀疏的场景，因此代表了该领域未来研究的一个有前景且重要的方向。