—导 读—

韩国国立海洋生物多样性研究所（MABIK）Du-Min Jo、Fazlurrahman Khan等人在期刊《Trends in Food Science & Technology》发表题为“Application of artificial intelligence in the advancement of sensory evaluation of food products”的综述性论文。

—摘 要—

   人工智能（AI）正逐渐被整合到食品科学的感官评价中，以克服传统方法的主观性、变异性和依赖人工评审小组等局限性。通过整合化学分析、成像和消费者反馈数据，AI能够对滋味、香气、质地和外观等感官属性进行更客观、可重复和可扩展的评估。

   本综述全面概述了AI在食品感官评价中的应用，涵盖机器学习、计算机视觉、自然语言处理和智能传感器等关键AI技术及其在预测、模拟和个性化感官属性方面的作用。重点阐述了AI通过数据驱动建模、多模态融合和数字模拟对感官分析的变革，并探讨了AI在感官科学中应用所面临的伦理和技术挑战。AI通过将分析数据与消费者感官响应相关联，实现了对人类感官感知的高级建模。机器学习和深度学习促进了感官特征的预测分析，计算机视觉和电子感知技术复制了人类的视觉和化学感知。这些技术还支持实时的个性化感官体验。

   虽然AI为食品设计和评价创新提供了强大工具，但数据质量、模型透明度和伦理使用等问题仍需解决。本综述强调了跨学科合作的必要性，以确保基于AI的感官系统实现包容性、可解释性和以人为中心的发展。

—成果总结—

   （1）AI技术在感官评价中的系统应用：综述系统梳理了机器学习（ML）、计算机视觉（CV）、自然语言处理（NLP）和智能传感器四大AI技术在食品感官评价中的应用。随机森林（RF）和支持向量机（SVM）在结构化数据集中表现优异，深度学习模型如BPNN和GAT在分子预测任务中表现卓越，而可解释性模型（如SHAP）则在工业可追溯性方面受到青睐；

   （2）数字感官模拟与虚拟味觉传感：AI模型已能够将质谱、代谢组学和电子鼻/电子舌等分析数据转化为感知描述符，实现味觉和香气的数字模拟。例如，SELFIES-BERT-GAT-BPNN深度学习模型可模拟香气分子的咸味增强潜力，准确率超过95%；LSTM模型可预测乌龙茶多次冲泡的香气释放动态，RMSE低于0.053；

   （3）多模态融合与个性化感官体验：跨通道感官变换器（CCST）等多模态模型通过融合电子鼻、电子舌、计算机视觉、质构分析和GC-MS等多源信号，实现了对人类感官响应的全面模拟。同时，AI驱动的个性化系统能够基于用户偏好、认知特征和营养需求定制感官体验，如ChatDiet利用GPT-3.5结合因果推理提供个性化膳食推荐；

   （4）尽管AI在感官评价中展现了强大潜力，但仍面临数据质量与标准化、传感器漂移与校准、算法偏见、数据隐私和数字鸿沟等挑战。未来需要发展多模态可解释AI模型、标准化数据采集与验证流程，并推动食品科学家、计算机科学家、心理学家和伦理学家之间的跨学科合作，以确保AI应用的包容性、公平性和以人为中心的发展。

原文链接：https://mp.weixin.qq.com/s/fs56NaZDcc3QxzojqVc2mA