计划的工具。③人工神经网络[18]（Artif icial Neural Networks）是一种学习精度较高的数據挖掘方式，目前已被成功应用到很多领域。例如学习和模拟对奶酪的感官评定[15]等。这些数据可以在网络订餐、食品包装、食品溯源、风险评估及联合执法等场景中得到应用。
2.4 食品安全监管
食品安全监管以政府监管为主导，行业、企业协同管理，社会和消费者共同监督，其中，政府主要通过质检总局、食药总局、农业局、商务局、卫计局、经济和信息化局等部门跟进落实，多管齐下，从而打造一个全方位监管环境。（见图2）。
3 人工智能在食品安全大数据中的应用
在工业4.0时代，重复率高且重劳力的工作被智能机器人取代的案例比比皆是。同理，在食品行业中例如监管、配餐、开发新产品和检测方面，人工智能可以利用其独特的分析计算与自主学习能力发挥巨大的作用。人工智能在食品行业中的应用如图3所示。
3.1 人工智能在后厨方面
智能识别AI可在食堂或餐厅后廚的厨房监控工作人员有无按规定穿戴衣帽口罩和有无老鼠等热血生物出现[11]，还可标记出厨房内的设施设备（清洗、消毒、保洁设施），厨房内的工具、容器和其他设备，厨房内的清洗水池（水池配置、标识区分），并记录其使用状况。
在冷菜间的监控条件中[12]，硬性规定：①专人专管，必须是指定的人方可进入冷菜间，非指定人进入则报警。必须在进入冷菜间前，进行二次更衣并进行消毒，衣服有RFID（Radio Frequency Identif ication）标记监管;②冷菜间温度不能超过于25℃;③在日常运营过程中，需打开紫外灯进行空气消毒。
相对于传统的监管模式，人工智能监控模式大大降低了监管过程人力物力的损耗，明显提升了食品风险预警的准确率，有效降低其安全风险的发生率。人工智能赋能于食品安全监管，监管水平与监管效能大幅提高，并在行业内、企业间树立了相应的威慑力，在监督市场乱象、维护市场秩序的同时，很好地规范了企业的生产行为。借助于人工智能，通过实时监测，发现问题可及时报警，并自动留取相关证据，很大程度上节约了政府的监管成本，提高了监管精确度，拓展了监管维度，为政府相关政策的决策部署提供有效数据支撑，强化了食品监管的精细度与透明度，同时也维护了食品安全禁区的高压线。
3.2 人工智能在智能配餐方面
人工智能配餐可针对特定人群的不同情况进行科学合理的食材搭配，根据其口味和营养需求定制专属食谱，为消费者提供膳食均衡的营养餐[19];由于人体健康状况并非一成不变，所以食谱的定制需要考虑多样化、个性化和周期性问题，而智能配餐日常为用餐者提供的食谱能解决该问题。结合人工智能发展契机，智能餐厅较传统餐饮企业大大节约了人工成本，自动炒菜机可以花更少的时间成本使同一菜品的口味高度统一，精细化的菜品、定制化服务完全迎合当下消费者的个性化需求，提了升消费体验。同时，结合大数据与云服务对每位顾客的用餐信息和餐厅每天的盈利情况进行智能分析，促进餐厅的优化升级，更好地抢占餐饮市场。
3.3 人工智能在开发食品新产品方面
人工智能具有人类所没有的处理庞大数据的优点，可根据各种仪器检测得来的数据进行准确的分析。嘉士伯与微软、丹麦奥胡斯大学和丹麦科技大学合作进行啤酒开发[20]，利用人工智能感应啤酒的口味和气味差别，从而提升在开发新品、产品品控和质量检测时的精确度，。人工智能还可定制面条，根据个人口味选择烹饪面条的方式、软硬度等。
3.4 人工智能在食品检测方面
可使用一种可穿戴式设备（eButton）检测食物[21]，这种可穿戴式相机可以连续自动记录佩戴者面前的场景。eButton看起来像一个圆形胸徽，包含一个微型摄像头和一个运动传感器，它在打开后以预设的速率自动拍摄佩戴者前方视图的图像。对eButton传输的数据进行交叉数据集测试，其中一半数据集用于训练，另一半数据集用于测试，食物检测的总准确率分别为91.5%和86.4%。
云ICatador平台[13]的机器学习技术的虚拟化核心算法，能够以人工神经网络[18]为模型，预测专业品鉴师的评价;并将近红外光谱仪提供的测量数据作为输入数据来计算感官属性（风味、香味、质地等），它不需要制备任何样品而且是无损检测。ICatador最显著的特点是质量经理可以检查品尝者所做的估价以及机器学习算法（人工品尝）预测的价值，还可以将人类的评分与预测分数进行比较，从而反馈评分，调整预测函数以纠正偏差。同时红外光谱仪还可以检测花生等过敏原物质，为避免生产线交叉提供保障。
4 展望
以人工智能为特征的第四次工业革命将深度影响世界经济秩序的重建。在未来，人工智能将不再是尖端技术，而是成为随处可见的基础设施。就目前，人工智能已是一个世界性的趋势，各国都在竞相采取积极的产业政策加以扶持。而食品安全本就是国家一直以来的重点工作，而且在今年“两会”期间人民大会堂的“部长通道”上，司法部部长傅政华就强调，要用四个“最严”，即最严谨的标准、最严格的监管手段、最严厉的处罚和最严肃的问责，推动我国食品药品监管持续向好发展，让人民吃得安全、用得放心。
结合人工智能发展的契机，与食品安全碰撞出蕴含无限可能的火花，一方面可加强监督并整治食品市场乱象，削弱政府榜单里的“黑榜”力量，另一方面，顺应当前消费市场的走向，及人民对高质量生活的追求，保证食品的安全无害，还要让人民吃得营养、健康，切实解决13亿多人民最基本的民生问题，致力于国家的高质量发展之路，让人民有更多的获得感与幸福感。所以，激发人工智能在食品安全领域的创新、创造活力，并持续发光发热，可谓前景广阔。
参考文献
[1]冷万欣.从海底捞到外婆家餐饮巨头的后厨“良心”何在[N].中国产经新闻，2019-03-21（001）.
[2]王冀宁，吴雪琴，陈庭强.人工智能在食品安全智慧监管中的应用研究[J].中国调味品，2018，43（11）：170-173.
[3]何欢，陈巧玲，胡康，等.大数据在美国食品安全监管中的应用研究及对我国的启示[J].食品安全质量检测学报，2018，9（10）：2541-2548.
[4] Wang P， Wang Z. Research on the Association of Mobile Social Network Users Privacy Information Based on Big Data Analysis[J]. Tech Science Press，2019，1（1）：35-42.
[5]潘晓晓，王冀宁，陈庭强，等.基于大数据挖掘的食品安全管理研究[J].中国调味品，2018，43（9）：184-188.
[6] Russell S J， Norvig P. Artificial intelligence： a modern approach[M]. Malaysia： Pearson Education Limited， 2016.
[7]Nichols J A， Chan H W H， Baker M A B. Machine learning： applications of artificial intelligence to imaging and diagnosis[J]. Biophysical reviews， 2019，11（1）：111-118.
[8]陳业友.大数据时代人工智能在计算机网络技术中的应用[J/OL].电子技术与软件工程，2019（6）：22.
[9]吴祖楠，刘蓟南.浅谈智能家居的发展前景[J].南方农机，2019，50（11）：275.
[10] Boushey C J， Spoden M， Zhu F M， et al. New mobile methods for dietary assessment： review of image-assisted and image-based dietary assessment methods[J]. Proceedings of the Nutrition Society， 2017，76（3）：283-294.
[11]刘晶璟.人工智能技术在食品安全监管领域应用研究[J].微型电脑应用，2018，34（6）：40-43.
[12]郑宏弟，聂立功.一种食品安全人工智能监管方法：中国，CN108647844A[P].2018-10-12.
[13]García-Esteban J A， Curto B， Moreno V， et al. A digitalization strategy for quality control in food industry based on Artificial Intelligence techniques[C]//2018 IEEE 16th International Conference on Industrial Informatics （INDIN）.IEEE，2018：221-226.
[14]张素智，杨芮，赵亚楠.食品安全大数据的融合及分类并行处理技术研究[J].湖北民族学院学报（自然科学版），2018，36（3）：256-265.
[15]Langmead B， Nellore A. Cloud computing for genomic data analysis and collaboration[J]. Nature Reviews Genetics， 2018，19（4）：208.
[16]Bouzembrak Y， Marvin H J P. Prediction of food fraud type using data from Rapid Alert System for Food and Feed （RASFF） and Bayesian network modelling[J]. Food Control， 2016（61）：180-187.
[17]Van A E D， Noordam M Y， Pikkemaat M G， et al. Risk-based monitoring of chemical substances in food： Prioritization by decision trees[J].Food Control，2018（93）：112-120.
[18]Yegnanarayana B. Artificial neural networks[M]. PHI Learning Pvt. Ltd.，2009.
[19]薛静.基于Android Studio的智能营养配餐APP设计与开发[J].科技创新与应用，2018（25）：99-101.
[20]慕柳.人工智能来袭——啤酒风味精准开发[J].中国食品工业，2018（1）：59.
[21]Jia W， Li Y， Qu R， et al. Automatic food detection in egocentric images using artificial intelligence technology[J]. Public health nutrition， 2019，22（7）：1168-1179.
作者简介：冉迪（1995—），女，贵州瓮安人，硕士。研究方向：食品安全。
通讯作者：辛美果（1969—），男，安徽安庆人，博士，教授。研究方向：食品安全关键技术。
推荐访问： 人工智能 食品安全 监管 数据 信息
