合肥工业大学蔡克周教授CRFSFS重要综述：机器视觉与深度学习相结合的食品认证方法

学术 2024-11-17 10:01 湖北

ScienceShare ｜ 科学私享

机器视觉与深度学习相结合的食品认证方法：综合综述和新见解

导读

2024年11月12日，合肥工业大学食品与生物工程学院蔡克周教授团队在国际食品Top期刊《Comprehensive Reviews in Food Science and Food Safety》（Q1，IF: 12.0）发表题为“Machine vision combined with deep learning–based approaches for food authentication: An integrative review and new insights ”的综述性论文。合肥工业大学2023级博士研究生沈澈为第一作者，通讯作者为合肥工业大学食品与生物工程学院蔡克周教授和渤海大学食品科学与工程学院王博博士。

食品欺诈会破坏消费者信任、造成经济风险并危害人类健康。因此，开发有效的技术来快速可靠地分析食品质量和安全以进行食品认证至关重要。基于机器视觉的方法已成为快速、无损分析食品真实性和质量的有前途的解决方案。工业 4.0 革命为该领域带来了新趋势。深度学习 (DL)作为人工智能的一个子集，表现出强大的性能和泛化能力来有效地处理大量数据。与机器学习和数字图像处理等传统方法相比，DL模型无需预处理即可从机器视觉获取的图像中自主提取关键特征并将其输入神经网络，在复杂场景中表现出色。DL技术的发展为使用机器视觉进行食品认证和真伪分析开辟了新的机会。

本综述旨在全面概述广泛使用的基于机器视觉的食品认证的 DL 方法和轻量级 DL 方法，包括架构、应用场景和性能评估。重点介绍了结合机器视觉识别食品真伪的 DL 的全面研究进展，包括食品掺假、品种识别、新鲜度检测和食品质量检测。轻量级深度学习与智能手机和便携式设备的结合为食品认证注入了新的活力，并为消费者提供了有前途的工具。此外，本综述强调了这些技术固有的挑战，例如无障碍性、数据隐私、算法偏差和可解释性以及轻量级深度学习的设计和开发。作为食品销售的终端，消费者受到食品欺诈的困扰。随着深度学习的进步，利用智能手机和其他小型设备检测食品欺诈可以让消费者做出更明智的选择。借鉴最新研究，我们希望为消费者的食品安全问题提供未来的方向和解决方案。

注：最近有小伙伴反映收不到推送，因为公众号改了推送算法，现在需要加星标，多点赞/点在看，才能准时收到推送。

图文赏析

FIGURE 1 Overview of food fraud types.

FIGURE 2 Evolution timeline of machine learning and deep learning based on literature analysis.

FIGURE 3 Fundamental steps of computer vision for image processing

FIGURE 4 Summary of combining machine vision with deep learning models for food authentication applications.

FIGURE 5 Methodology and steps involved for food authentication using traditional feature extraction methods and deep learning algorithms based on machine vision.

FIGURE 6 Various deep learning models and structures: (a) convolutional neural network (CNN); (b) visual geometry group (VGGNet) architecture; (c) inception network architecture; (d) residual neural network (ResNet) architecture ; (e) recurrent neural networks (RNN) and long short-term memory (LSTM) architectures; (f) region-based convolutional neural network (R-CNN), Faster R-CNN and Mask R-CNN architectures; (g) You Only Look Once architecture (YOLOv4) ; (h) generative adversarial network (GAN) architecture; (i) architectures of attention mechanism (AM); channel attention mechanism (CAM), spatial attention mechanism (SAM), convolutional block attention module (CBAM); and self-attention mechanism.

FIGURE 7 Lightweight deep learning architecture: (a) organization of convolution filters of Fire module in SqueezeNet; (b) MobileNetv2 architecture; (c) ShuffleNetv1 architecture; (d) MnasNet-A1 architecture, and (e) EfficientNet-B0 baseline network.

蔡克周

蔡克周，博士、教授、博士生导师，农业农村部神农青年英才。主要从事肉制品加工和副产物综合利用，具体包括：1. 熏烧烤肉制品安全加工理论与技术；2. 传统肉制品现代加工技术和装备；3. 畜禽屠宰副产物（骨、血）综合加工技术。2018年获安徽省科学技术一等奖、2021年获评中国轻工业联合会科技进步一等奖。先后承担国家自然基金青年、面上项目、国家重点研发计划课题、子课题、科技部农转资金、安徽省科技重大和企业委托等项目20余项，以第一和通信作者先后发表科技论文50余篇，授权发明专利15 项（国际发明专利2 项）。兼任《肉类研究》、Meat Science、Food Chemistry、Food Control、Food Hydrocolloids、LWT-Food Science and Technology、Food and Bioprocess Technology等20余个杂志审稿专家。

沈澈

沈澈，合肥工业大学2023级博士研究生，研究方向为肉制品风味与智能感官。以第一作者/共同一作在Comprehensive Reviews in Food Science and Food Safety、Food Chemistry、Food Chemistry: X、Meat Science、Food Control等国际期刊发表SCI论文10篇，ESI高倍引论文1篇。

原文链接

https://doi.org/10.1111/1541-4337.70054

① 长按二维码或 ② 点击左下角“阅读原文”

免责声明：「原创」仅代表原创编译，水平有限，仅供学术交流，本平台不主张原文的版权，如有侵权，请联系删除。文献解读或作者简历如有疏漏之处，我们深表歉意，请作者团队及时联系《科学私享》主编（微信号：scienceshare-001），我们会在第一时间进行修改或撤稿重发，感谢您的谅解！

食品院校学者成果

（点击机构头像，查阅研究成果）

已推送专家团队

（点击专家姓名，查阅团队进展）

孙宝国

刘仲华

孙大文

徐岩

徐宝才

王强

孔保华

张慜

熊善柏

罗永康

夏文水

张晓鸣

宋焕禄

吴继红

田怀香

张宇昊

刘源

李斌

曾亮

迟玉杰

许正宏

谢晶

张春晖

王道营

孙庆杰

Mónica Flores

刘书成

刘敦华

陆柏益

张德权

秦文

曹锦轩

张燕

刘映前

陈祥贵

赵谋明

李杨

王莉

王金水

钟赛意

刘贵珊

黄琪琳

杨晓泉

杨震峰

王大毛

刘嫣红

赵燕

潘明飞

▼ 点击专家查阅进展 ▼

孙宝国	陈坚	刘仲华	单杨	宛晓春
周光宏	孔保华	李杨	罗永康	夏文水
李斌	廖小军	徐宝才	张宇昊	刘源
徐岩	郑福平	宋焕禄	吴继红	曾亮
汪少芸	张慜	张晓鸣	李斌	邹小波
陈晓东	张万刚	谢湖均	姜微波	岳田利
许文涛	闵伟红	党亚丽	冯涛	熊善柏
黄琪琳	张玉玉	徐幸莲	甘人友	乌日娜
夏秀芳	孙大文	魏新林	廖小军	段长青
李春保	聂少平	金征宇	董春旺	王玉

▼ 点击标题查阅专栏 ▼

"万文"帖	热点话题	未来食品	食品TOP
投稿指南	食品即时IF	食品高被引	食品学术圈
重磅解读	前沿热点	特刊征稿	综述大全

食品风味	食品发酵	茶叶研究	酒类研究
肉品加工	水产加工	果蔬加工	乳品加工
粮油加工	食品保鲜	食品智造	乳液递送
代谢组学	感官组学	蛋白组学	脂质组学
分子对接	纳米技术	加工新技术	食品3D打印
英文书籍	中文书籍	风味书籍	今日荐书
益生菌	肠道菌群	软件教程	封面文章
非热加工	作用机制	食品C20	学术会议

http://mp.weixin.qq.com/s?__biz=MzI5Mzc4MTA4MQ==&mid=2247565223&idx=1&sn=fb06db38c242e3eab72795265b25adf3