计算机模拟技术在食品加工中的研发现状和趋势

吴燕燕，陶文斌,，张涛,

(1.中国水产科学研究院南海水产研究所，农业部水产品加工重点实验室，广州 510300； 2.上海海洋大学食品学院，上海 201306)

自第一次工业革命以来，工厂化机械式生产以其高效率、高产出的优势逐渐取代人力成为工业生产的主力军，并随即扩散至各行各业。进入二十一世纪以后，随着计算机技术的发展，食品工业生产逐步向智能化工业的新纪元迈进。通过计算机模拟技术对食品中相关加工参数的设计和验证，可以清楚地了解食品加工过程中的关键控制点和最优参数，为实现食品工业精准分工、优化生产、协同配合、高效产出的智能化生产奠定了基础。

1　计算机模拟技术的原理及其优势

计算机模拟技术是根据对象的特点寻找出其中的规律，并用计算机语言使其呈现在计算机上的一种方式。大部分研究是基于数学理论建立起来的数学模型，利用数学表达式来解析某个过程，并在计算机上进行模拟。模型的划分有多种形式，如按数学模拟过程分为机理模型、实验模型、混合模型；按时态本质分为稳态模型与动态模型；按参数分布情况分为集中参数模型和分布参数模型；按确定性分为确定模型和随机模型等。例如，玉米蛋白在超声波预处理后进行酶法水解，并在计算机上通过蛋白质酶切过程的模拟软件对蛋白酶进行自动筛选[1]，这个模型就属于机理模型，反映了实际过程的本质。

不适用数学模型表示的过程系统，一般使用人工神经网络(artificialneuralnetwroks，ANN)来表示。ANN建立在仿生学的基础上，模拟人类大脑的神经网络结构与功能特征，通过工程技术手段，将许多原始、不确定的单元连接成非线性、自适应信息处理系统。ANN的优点是能够有效地对不确定的数据进行非线性自适应信息处理，有良好的自动调节能力和自适应性[2]。在实验中使用计算机模拟技术能够简化并缩短将实验结果扩大到工业生产的进度，同时有效地避免了实际模拟时某些变量不易控制、计算工作困难以及误差较大的问题，使实验更经济、更快速、更详尽，有利于研究实验对象的动态性质和控制方式，更方便筛选出最优方案[3]。

总之，利用计算机模拟技术能够极大地减少工作量、优化设计、缩短研究进程、降低研发成本，给食品研究与开发提供了一种快速、直观、经济的方法。

2　计算机模拟技术在食品工业中的研　究现状

2.1　在食品加工技术的研究现状

2.1.1食品冷冻加工

食品冷冻过程预测模拟方法主要有: 理论计算法，经验公式法和数值法。近20年间，国内外学者以牛肉为目标，基于有限元法，通过数值模拟技术进行牛肉冷冻过程的理论研究[4]。如王海鹰[5]用数学物理模型来描述添加冰核细菌对瘦牛肉冷冻时间的影响，结果发现冷冻过程最终形成的冰晶尺寸受冰核细菌影响而减小，这说明冰核细菌能够改善冷冻食品品质，具有潜在的应用价值。近年来，研究者将目光转向了有限元法和有限差分法(表1)，并取得了较好的成果。总体来说，计算机模拟技术在食品冷冻方面的研究是探究不同食品在冷冻过程的时间、速率、温度、水分和冰晶变化规律，为不同食品寻找到最适的冷冻工艺条件提供方法。虽然数值模拟在食品冷冻方面的建模与优化中的研究很多，但是实际应用于食品的生产与加工中还比较困难。复杂食品的几何形状以及数学模型的边界条件的选用等都会不同程度地增加求解难度。另外，冷冻过程中的晶体生长、玻璃化的因素也会影响模型的准确性。因此，开发更有效、更简单的数学模型具有重要意义。

表1　有限元法和有限差分法的差别及在冷冻食品研究中的应用Tab.1　Differences between finite element method and finite difference method and their applications in frozen food research

2.1.2食品热加工

食品在加热过程中主要有传热、相变、收缩、传质等变化。传统的加热方式即热传递，通过高温使食物达到相近的温度。目前，电阻加热、真空低温油炸、射频加热等加热方式逐渐代替传统的加热方式在食品中应用，而计算机模拟技术在这些技术的开发应用中起到重要的作用，通过计算机模拟技术建立了相关的加热模型，见表2。在食品干燥方面，热风干燥、真空干燥、红外干燥、微波干燥等技术也不断开发出来，根据不同的干燥方法运用计算机数值模拟技术建立了微波干燥模型[17]、红外干燥模型[18]、真空干燥模型[19]和热风干燥模型[11]等干燥数值模型(表2)。

从表2中可以看出，有限元模型、ANN模型等更适用于比较复杂的过程，并能够直观地展现变化规律。若设计的模型能够考虑更多实际中的影响因素，则能对加热设备或方式提供更好的改良意见。

2.1.3食品中有效成分分离

为了获得特定蛋白、氨基酸、活性肽及其他功能活性物质，在食品加工中，酶的利用和酶解工艺是很重要的环节。近年来，这方面的技术得到了长足的发展。朱蕴菡[20]、吴体智等[21]建立了快速筛选酶解物中活性肽的方法，即利用计算机分子对接技术，辅助筛选杂色蛤酶解物中血管紧张素转化酶(angiotensin converting enzyme，ACE)抑制活性多肽，确定多肽与ACE蛋白的作用位点，精准制备了ACE抑制活性肽。马涛等[22]基于三文鱼蛋白Sal s 1蛋白源，根据Peptide Cutter软件中推荐的蛋白酶对三文鱼蛋白Sal s 1蛋白序列模拟酶切，建立了蛋白酶解模型帮助筛选合适的组合，结果表明，中性蛋白酶和碱性蛋白酶的酶解组合能够最大限度地解除过敏原表位，甚至毒性肽段。此外，ANN在食品有效成分分离方面发挥重要的作用(表3)。由计算机软件得出的模型兼具机理与统计学的优点，准确度高且易实行，在计算机模拟技术的辅助下，食品中有效成分的分离过程能够快速准确地被预测，有效地提高了工作效率。

表2　食品热加工过程中计算机模拟技术的使用Tab.2　Applications of computer simulation techniques during the food heating process

2.1.4 食品3D打印

3D打印技术是快速成型技术的一种，它将计算机辅助设计(computer aided design，CAD)制作的三维数字模型分成多层平面切片，再由3D打印机将可黏合材料按切片图形采用分层加工和叠加成型的方式，逐层增加材料而生成三维实体的技术，是一种结合了数字建模技术、信息技术、机电控制技术、材料科学与化学等诸多方面的前沿技术。Hao等[29]发现喷头高度、喷头速率和挤压速率对3D打印的巧克力成型质量的优劣起着关键性的作用。3D打印技术也应用到食品中，如将用食品黏合剂和调料作为油墨，通过3D建模设计形状打印出了人造肉，其味道与普通肉糜味道相差不大，形状还可以自定义，丰富了肉制品的加工方式和品种，也满足不同消费者的需求[30]；因为3D打印食品的原料容易携带，干粉状的碳水化合物、蛋白质及微量元素可保存30年，所以特别适合应用于航天食品，美国宇航局已经研发了一种食品3D打印机，这种打印机能够打印出披萨、营养淀粉糊等食品，以提供给宇航员在太空中食用[31]。

表3　ANN在食品有效成分分离中的应用Tab.3　Applications of ANN in the separation of food active ingredients

目前，3D打印在食品中的开发应用方兴未艾，特别是3D打印的人造肉要做到完全模仿肉的食物属性，还存在较多的技术问题需要研发[32]，食品研发人员正在加紧研究计算机精准模拟各类食品加工过程，以期为这些食品进行3D打印生产提供有力的技术支撑，比如鱼糜制品的生产，如何提高3D打印出来的鱼糜凝胶强度，使其得到很好的保持等。

2.1.5食品贮藏中货架期预测

食品贮藏中货架期是指食品从生产出厂的当天起，在贮运过程中保持质量和营养价值不变的一段时间。目前食品的货架期预测模型的主要构建方法有微生物学法、物理化学动力学方法、BP神经网络方法、威布尔危害分析法和Q10模型[33]，见表4。其中，微生物学法和BP神经网络法是当前在食品货架期预测中最常用的方法。目前，货架期预测方面的研究正朝着揭示食品品质发生改变的本质前进，机理研究已经很接近本质，然而导致品质变化的主要代谢过程尚不清晰，这也是今后需要努力的方向。

表4　计算机模拟技术在食品货架期预测中的应用Tab.4　Applications of computer simulation technology in food shelf life prediction

2.2　计算机模拟技术在食品检测方面的研究现状

食品在生产、加工、运输、贮藏及销售等过程中都会因为许多不良的条件而导致食品腐败变质，比如受到有害微生物、病毒污染，食品自身酶的作用，机械损伤，氧气缺乏等。为了避免食用腐败变质食品，食品检测尤为重要。

2.2.1食品感官与品质评价

食品感官评价是描述和判断食品质量最直观的指标，是一门用于制定、测量、分析和说明人类通过视觉、嗅觉、味觉、触觉和听觉而感知感觉的学科。通过计算机模拟技术，开发了质构仪(电子嘴)、电子舌、电子鼻、电子眼等可用于食品感官评价的设备，更加准确、定量和定性地评价食品。

计算机嗅觉技术方面：林颢等[38]基于色敏传感器阵列的嗅觉可视化系统成功鉴别不同食醋的醋龄；顾海洋[39]建立金属卟啉与挥发性气体反应前后的分子模型，并开发了可以用于鳊新鲜度检测的嗅觉可视化传感器计算机嗅觉与味觉联用技术。田晓静[40]通过使用电子鼻、电子舌系统检测且识别了鸡肉、猪肉、羊肉、冻融不同次数的羊肉以及分别混入鸡肉和猪肉的掺假羊肉糜样品，成功实现了电子鼻、电子舌及其联用信号对不同种类样品的区分和识别，建立了有效预测羊肉糜中混入的猪肉、鸡肉和羊肉冻融次数的模型。在计算机视觉技术方面，将由计算机视觉系统采集的挤压食品的颜色信息和由质构分析仪而获取的质构特征值，借助线性拟合模型对挤压食品的质构特征进行相关性分析，通过建立的ANN模型，直接以视觉系统采集的颜色信息来快速预测挤压食品的质构特征[41]。孙大文等[42]通过对披萨图像信息处理，阐明了披萨品质与图像品质间的关系，建立了披萨产品质量与安全的自动检测技术，实现对披萨品质的无损快速检测。黄星奕等[43]将计算机视觉技术应用于鱼新鲜度的检测，通过图像采集系统收集分析了鲫在4 ℃储藏条件下鱼眼虹膜、鳃、体表的颜色以及体表的纹理等区域图像特征信息，结合ANN模型对鱼储藏天数进行预测，结果准确率达到85%。通过分析大西洋鲑肉色变化，建立评判鱼肉品质的分级标准并实现自动分级[44-45]；应用计算机可视技术研究了对虾干燥过程中，干燥温度和干燥介质速率对对虾颜色的变化的影响，表明产品干燥的质量属性可以通过计算机视觉系统(computer vision system，CVS)实时预测、控制和优化[46]。

2.2.2食品药物残留检测

计算机模拟技术大大提高食品药物残留检测的精密度和准确性。孙永生[47]利用机器视觉获取胶体金免疫层析试纸条图像，并结合神经网络建立图像特征值与浓度之间的预测模型来检测莱克多巴胺样品浓度。王慧莹[48]利用计算机视觉技术建立了一种利用食品微生物快速检测系统来检测蜡样芽孢杆菌的方法。

2.3　计算机模拟技术在食品智能化监管方面的研发应用概况

计算机模拟技术的发展是使食品从生产、贮藏到销售的整个产业链的管理与监测实现自动化、智能化的基础。发达国家对于计算机信息技术在食品全程监管中的研究与应用已经十分成熟。美国联邦法规中要求对原料的贮藏与使用进行相关管理，以防止原料的污染和误用，推荐使用自动化库存分离控制系统或者计算机信息技术等[49]。欧盟食品安全监管局(EFSA)利用计算机与信息技术进行数据采集，为风险评估工作提供基础资料。中国在这方面的研究应用虽相对滞后，但也开始了一些应用。

2.3.1HACCP全程监控系统

食品HACCP自动控制软件的开发是计算机信息技术在食品加工过程的全程监控的应用，通过分析食品加工过程中各环节中可能存在的危害因素，建立关键控制点，并通过生产过程记录所有关键点控制的情况，保留监测结果，并对出现的问题及时进行自动纠正。

2.3.2仿真系统

通过构造某类食品生产的模型、收集数据、转换模型、验证和执行之后，对结果进行分析，获得最佳的某类食品生产方案，同时利用这个仿真系统监控该类食品生产过程中存在的风险，出现问题及时做出调整[50]。

2.3.3食品安全监控系统

为提高对食品质量安全的监管力度，保护消费者的权益，利用计算机信息技术，使用电子标签方式，将食品从原料就开始记录，包括原料的产地、品种、采摘、加工方式、加工条件等信息，采用全球卫星定位系统(GPS)记录食品流通过程车辆位置、时间等的相关信息，采用温湿度监控系统记录加工或运输过程的温度、湿度信息，再结合射频识别技术、可视化监控技术等，对食品生产链的各个环节收集的信息进行编码和存储，建立信息系统，根据监管需要设置权限，使有需要的人通过在生产链数据库输入电子标签查询目标产品的全部生产流程，从而达到全程追溯的目的,实现食品安全的实时监控和统一管理，科学合理地应对各种突发事件，提高管理监控的能力，使消费者放心消费[51]。

3　问题与展望

计算机技术的不断发展为食品行业提高生产效率、改善产品质量、降低生产成本、提高产品安全性等方面做出了巨大的贡献。计算机技术在模拟现实、处理复杂多样的变量，并根据模拟结果辅助得出决策的利用方面起到重要的作用，是当前国内外食品研究的热点。综上所述，计算机模拟技术在食品中的很多研究，由于食品种类繁多，加工方式不同，存在模型的设计难度大，求解繁琐且工作量大，得到的模型仅停留在研发阶段，存在难以在实际生产中应用等问题。有些模型依然只是接近于某种实际情况，还会出现一些不能被考虑的现象，例如冷冻过程中的晶体生长、玻璃化的因素会影响模型的准确性。特别是当前有关食品加工过程的模型及产品货架期预测模型方面，评价的指标多种多样，模型繁杂，存在准确性和实用性较差的问题，距离产业推广应用还有较大的差距。另外，中国多数企业，尤其是中小型企业员工的文化水平有限，缺乏相关专业知识，这也是计算机技术在中国食品领域难以普及和应用的一个重要原因。

但我们也看到，当前计算机模拟技术在食品干燥技术的模型设计、感官品质评价技术、3D技术等方面取得很好的进展，通过计算机模拟获得相应的参数和模型，开发出相应的设备，从而很好地应用于食品产业，有效地推动了食品科技进步，使食品加工、检测分析更快捷，指标评价更客观合理。

随着当今世界进入工业互联网时代，“中国制造2025”的实施，计算机模拟技术在食品产业中的应用将更普及。加深对计算机信息技术的研究与推广，为中国食品工业向智能化发展提供强大动力，为推动民族食品工业发展提供必需的技术支撑。

3.1　加深数学模型的研究

食品研发人员要提高自身的数学和计算机能力，利用现有的有限元法、有限差分法、有限体积法等数值模拟方法，以及越来越先进的计算机设备和计算能力，从数学模型入手，研发能够分析更多因素的模型，使预测结果更逼真；然后在此基础上简化模型，减少模型的复杂性，开发通用性强的配套软件。

3.2　着重研究在食品货架期开发中的准确性、实用性和方便性

合理和准确地评价食品货架期是食品产业所急需的。针对动植物类食品、水产食品、微生物食品的加工特点和产品特性，通过计算机建模的方式，深入研究不同种类的食品在加工、流通和贮藏过程中理化性质、微生物和生化特性的变化趋势，慎重选择食品货架期评价指标，充分考虑计算机预测模型的准确性、实用性和方便性，建立相对精准的货架期模型。并依据得到的计算机预测模型，开发便携式的食品货架期检测或监测装置。

3.3　加快发展在食品检测、监控和智能化生产方面的应用

食品检测和质量安全监控是保证食品安全的关键手段，将人工神经网络、计算机视觉技术、味觉技术等技术有效应用于食品检测、监测和监管中是迫切需要解决的问题。特别是随着人工成本的增加，如何使传统食品生产加工模式实现升级，向智能化、自动化、标准化生产迈进是食品产业亟需解决的难题。利用计算机模拟技术能够解决生产过程中关键参数的确定和相关模型建立，为企业生产规划提供更好的建议，还可及时了解人们对产品的需求状况，以便调整食品的产量、包装甚至风味，最后通过智能化食品检测、监测系统的严格把关，从而使生产的食品质量得到保障。

3.4　加快在水产食品产业中的应用

水产品是健康安全的食品，但水产品出水后极易腐败变质，所以水产食品的加工、流通、贮藏过程更为复杂，水产品的品质和安全性监测更为重要，目前，计算机模拟技术在水产品中的应用研究极少。今后需要加大水产食品的智能化加工和智能产品的开发，加强标准化、智能化生产技术的研发，并结合水产品可追溯体系，建立全程监控的智能化监控系统，实现传统水产食品生产加工模式实现向智能化、自动化、标准化生产的跨越。

参考文献：

[1]金建. 基于计算机模拟与超声辅助酶法制备高生物利用度玉米蛋白的研究[D]. 苏州:江苏大学, 2015.

[2]史德芳, 高虹, 程薇, 等. 人工神经网络在食品加工过程模拟控制中的应用[J]. 食品研究与开发, 2009,30(1): 176-179.

[3]黄建蓉, 李琳. 计算机模拟及优化技术在罐头食品热杀菌过程中的应用[J]. 粮油加工与食品机械, 2000(6): 26-31.

[4]成芳, 杨小梅, 由昭红, 等. 食品冷冻过程的数值模拟技术[J]. 农业机械学报, 2014,45(7): 162-170.

[5]王海鹰. 冰核细菌对模拟食品冷冻特性的影响研究[D]. 杭州:浙江大学, 2007.

[6]杨小梅. 对虾冷冻过程的温度分析及其数值模拟[D]. 杭州:浙江大学, 2014.

[7]郭金城. 食品冷冻加工过程建模与优化[D]. 长春:吉林大学, 2009.

[8]韩健飞. 通电加热对豆浆中脂肪氧化酶的影响及数值模拟研究[D]. 泰安:山东农业大学, 2016.

[9]Llave Y, Liu S, Fukuoka M,et al. Computer simulation of radiofrequency defrosting of frozen foods [J]. J Food Eng, 2015, 152：32-42.

[10]Tiwari G, Wang S, Tang J, et al. Computer simulation model development and validation for radio frequency (RF) heating of dry food materials [J]. J Food Eng, 2011, 105(1): 48-55.

[11]江晓. 马铃薯热风干燥过程中物性变化的数值模拟及可视化研究[D]. 广州:广东海洋大学, 2011.

[12]Torrecilla J S, Otero L, Sanz P D. A neural network approach for thermal/pressure food processing [J]. J Food Eng, 2004, 62(1): 89-95.

[13]Geeraerd A H, Herremans C H, Ludikhuyze L R, et al. Evaluation of model parameter accuracy by using joint confidence regions: Application to low complexity neural networks to describe enzyme inactivation [J]. Math Computin Simulat, 1998, 48(1): 53-64.

[14]Chen C R, Ramaswamy H S. Modeling and optimization of variable retort temperature (VRT) thermal processing using coupled neural networks and genetic algorithms [J]. J Food Eng, 2002, 53(3): 209-220.

[15]Hussain M A, Rahman M S, Ng C W. Prediction of pores formation (porosity) in foods during drying: generic models by the use of hybrid neural network [J]. J Food Eng, 2002, 51(3): 239-248.

[16]罗庆丰, 夏建业, 刘勤生. 计算机数值模拟在真空油炸食品过程中的应用[C]// 中国农业机械学会农副产品加工分会. 2005年全国农产品加工、食品和包装工程学术研讨会论文集. 北京: 中国农业机械学会农副产品加工分会, 2005:141-154.

[17]王磊. 活性米微波干燥系统的研究[D]. 哈尔滨:东北农业大学, 2016.

[18]Celma A R, Rojas S, Lopez-Rodríguez F. Mathematical modelling of thin-layer infrared drying of wet olive husk [J]. Chem Eng Process, 2008, 47(9/10): 1810-1818.

[19]张世伟, 陈帅, 黎勋, 等. 基于三维实体模型的玉米颗粒真空干燥数值模拟[J]. 真空科学与技术学报, 2016,36(1): 51-56.

[20]朱蕴菡. 基于酶解技术的四角蛤蜊多肽及活性研究[D]. 南京:南京中医药大学, 2013.

[21]吴体智, 盛乃娟, 杨丽, 等. 杂色蛤中ACE抑制肽的分离鉴定与分子对接研究[J]. 食品工业科技, 2016, 37(19): 153-156,161.

[22]马涛, 张海欣, 马永庆, 等. 三文鱼小清蛋白定向酶解模型及致敏活性分析[J]. 食品工业, 2017(2): 179-183.

[23]周大鹏, 李谦, 卢凤莉. 超临界流体萃取过程混合模型的建立[J]. 河南大学学报(自然科学版), 2006,36(3): 42-46.

[24]赵武奇, 仇农学, 王宏. 苹果渣多酚提取工艺的神经网络建模与遗传算法优化[J]. 食品科学, 2007, 28(12): 138-142.

[25]王徐卿, 沈建福, 王敏, 等. 油茶籽饼多酚的乙醇提取工艺优化研究 [J]. 浙江林业科技, 2007, 27(3): 41-44.

[26]侯清娥. 基于神经网络的牡蛎呈味肽制备及呈味特性研究[D]. 广州:广东海洋大学, 2011.

[27]吴燕燕, 宫晓静, 李来好, 等. 风味蛋白酶水解合浦珠母贝肉制备抗菌肽人工神经网络法优化工艺[J]. 食品科学, 2011, 32(20): 63-68.

[28]李琳, 赵谋明, 张黎. 利用人工神经网络优化制备鳙鱼抗氧化肽[J]. 四川大学学报(工程科学版), 2006(1): 80-85.

[29]Hao L, Mellor S, Seaman O, et al. Material characterisation and process development for chocolate additive layer manufacturing [J]. Virt Phy Protot, 2010, 5(2): 57-64.

[30]周涛, 徐书洁, 杨继全. 3D食品打印技术研究的最新进展[J]. 食品工业, 2016(12): 208-212.

[31]一平. 给驾车远行者带来福音的3D打印食品[J]. 交通与运输, 2013,29(6): 49-50.

[32]朱毅. 揭秘3D 打印人造肉[J]. 生命与灾害, 2014 (7): 24-25.

[33]陈晓宇, 朱志强, 张小栓, 等. 食品货架期预测研究进展与趋势[J]. 农业机械学报, 2015,46(8): 192-199.

[34]郭全友, 王锡昌, 杨宪时, 等. 冷藏养殖大黄鱼指数腐败货架期模型的构建与评价[J]. 海洋渔业, 2010,32(3): 326-331.

[35]佟懿, 谢晶, 肖红, 等. 基于电子鼻的带鱼货架期预测模型[J]. 农业工程学报, 2010(2): 356-360.

[36]林恒欣, 裘晓华, 王欢, 等. 脊腹褐虾方便食品在常温贮藏中的货架期预测分析[J]. 浙江海洋学院学报(自然科学版), 2016,26(5): 417-424.

[37]潘治利, 黄忠民, 王娜, 等. BP神经网络结合有效积温预测速冻水饺变温冷藏货架期[J]. 农业工程学报, 2012, 28(22): 276-281.

[38]林颢, 宋奔腾, 金鸿娟, 等. 基于嗅觉可视化与图像处理的食醋醋龄检测[J]. 农业机械学报, 2017,48(1): 275-280.

[39]顾海洋. 金属卟啉类嗅觉可视化传感器反应机理及其在鱼新鲜度检测中的应用研究[D]. 苏州:江苏大学, 2014.

[40]田晓静. 基于电子鼻和电子舌的羊肉品质检测[D]. 杭州:浙江大学, 2014.

[41]范方辉, 唐书泽, 马强, 等. 基于计算机视觉和人工神经网络预测挤压食品的质构特征[J]. 食品工业科技, 2013, 34(21): 127-132.

[42]孙大文, 吴迪, 何鸿举, 等. 现代光学成像技术在食品品质快速检测中的应用[J]. 华南理工大学学报(自然科学版), 2012,40(10): 59-68.

[43]黄星奕, 吴磊, 徐富斌. 计算机视觉技术在鱼新鲜度检测中的应用研究[J]. 计算机工程与设计, 2013, 34(10):3562-3567.

[44]刘子毅. 基于计算机视觉的大西洋鲑鱼肉色自动分级及摄食活性测量研究[D]. 北京:中国科学院研究生院海洋研究所, 2013.

[45]李莲, 郭晓亚. 基于计算机视觉的鱼类分级方法的研究[J]. 内蒙古农业大学学报(自然科学版), 2015(5):120-124.

[46]Hosseinpour S, Rafiee S, Mohtasebi S S, et al. Application of computer vision technique for on-line monitoring of shrimp color changes during drying[J]. J Food Eng, 2013, 115(1): 99-114.

[47]孙永生. 基于机器视觉的β类药物残留检测系统的研究与应用[D]. 杭州:中国计量学院, 2013.

[48]王慧莹. 基于计算机视觉技术快速检测食品中蜡样芽孢杆菌的研究[D]. 长春:吉林大学, 2011.

[49]胡国瑞, 张志强, 文连奎. 计算机信息技术在食品安全控制中的应用[J]. 中国食品卫生杂志, 2010,22(6): 567-572.

[50]高爱莲, 刘晓慧, 刘增磊, 等. 计算机信息技术在食品质量安全与检测中的应用[J]. 食品安全质量检测学报, 2016,7(8): 3418-3423.

[51]朱世平, 董文华, 刘颖, 等. 射频识别在猪肉安全可追溯系统上的研究进展[J]. 中国畜牧兽医, 2014,41(7): 202-207.