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。
