刘东红，许唯栋，闫天一，王宗汉，邓 永，王文骏*

    (1 浙江大学生物系统工程与食品科学学院 智能食品加工技术与装备国家地方联合工程实验室(浙江)浙江省农产品加工技术研究重点实验室 浙江省食品加工技术与装备省级工程实验室 杭州310058 2 浙江大学宁波研究院 浙江宁波315100 3 浙江大学馥莉食品研究院 杭州310058)

    联合国预测2030年世界人口将达到85 亿，比当前人口增长11.8%，然而，资源、能源逐渐匮乏，人口老龄化日益严重，食品生产成本不断提高、产业利润率下降，因此，节约能源和资源，最大限度挖掘资源效用，减少劳动力投入是当下食品产业的需求，从而使得食品加工制造从机械化、自动化不断向智能化发展，给食品产业带来巨大的挑战。在食品智能制造的过程中，智能感知技术包括制造过程中组分、配比、含量、风味、质构、色泽等食品品质参数，食品装备的温度、力度、位置、压力、压强、流速、流量等设备运行参数，食品色、香、味等感官评价参数等方面信息的收集、高度集成和综合运用，是智能制造的基础。为此，本文总结并介绍了智能感知技术包括原位检测技术、仿生传感技术、潜在感知技术等方面研究的最新进展，期望推动智能感知技术在食品智能制造中的快速发展。

    1 原位检测技术的应用

    1.1 光学检测技术

    光学检测技术以其优越的高通量、实时在线、图谱一体等特点被广泛应用于食品制造及产品检测过程，结合经过人工神经网络等方法训练得到的模型，可以准确、高效地从光学特性得到有关食品化学组成、物理性能、产地来源、基因表型等多种数据结果。

    近红外光谱(Near Infrared，NIR)检测是利用波长范围介于780～2 526 nm 的近红外光对主要的含氢基团(-CH、-NH、-OH 等)振动的倍频与合频吸收，尤其适合食品的液体、固体、半流体等多种形态下的测定。在食品生产设备上安装近红外光探头或流通池，并使用光纤进行远距离输送，就可以实现近红外光谱仪对食品生产设备多工段同时在线测量。Mendes 等[1]利用近红外、中红外以及拉曼光谱技术研究橄榄油及大豆油的混合模型，通过脂肪酸组成的差异建立了对橄榄油掺假的原位感知监测模型。Mishra 等[2]使用不同的散射矫正技术并进行数据融合构建更为精准的预测模型，对猪肉糜的水分、脂肪及蛋白质含量进行多变量预测。Savoia 等[3]利用NIR 对肉牛的肉质颜色、烹煮损耗及嫩度角度进行表征，从侧面间接对肉牛的遗传性状进行表型分析，并对肉牛培育的基因选择提供指导意见。

    高光谱技术(Hyperspectral Image ......