随着全球人口增长和对优质蛋白需求的提升，水产动物类食物正成为“蓝色食品”体系中的关键组成，预计到2030年将贡献全球高质量蛋白供应的13.7%。相比陆生哺乳动物，水产品的生产不仅更环保，还能有效满足未来食品安全与可持续发展的双重要求。然而，由于水产品具有高水分、近中性pH值、复杂的内源酶系统等特性，在整个供应链中极易受到病原微生物、生物毒素、农兽药残留等多重危害因子的影响，严重挑战其品质控制与安全保障。此外，高值水产品还面临掺假与非法交易的风险，影响公众健康与政府公信力。传统的水产品安全检测手段存在费时、破坏性强、智能化程度低的问题，促使人们探索以人工智能（AI）为核心的非破坏性、智能化监测方式。近年来，AI技术（包括机器学习与深度学习）在食品新鲜度预测、货架期建模、掺假识别等方面展现出强大潜力。多项研究利用CNN、LSTM、YOLO等模型建立了鲑鱼、虾等水产品的智能预测与检测体系，并开发了基于多目标输入的实时评估平台。当前虽有关于AI在食品安全领域的综述，但在覆盖全供应链、聚焦水产特色与问题、并系统讨论AI在健康养殖、污染检测与掺假识别等方面的研究仍显不足。本综述系统梳理近三年AI技术在水产品全产业链质量与安全控制中的应用进展，探讨其面临的挑战与未来发展方向，旨在为实现“智能水产品安全”提供理论基础与技术指导。
成果介绍
水产蓝色食品在全球粮食安全与营养供给中扮演着关键角色，但该领域正面临食品安全、供应链复杂性和可持续发展等日益严峻的挑战。将人工智能（AI）技术融入水产品供应链，在提升检测准确性、保障食品安全、提高处理效率和促进可持续发展方面展现出变革性的潜力。
本综述系统总结了近年来AI赋能的智能安全监测与加工策略在整个水产品产业链中的应用进展，涵盖从水产养殖生产到采后处理及零售环节。重点回顾了四个主要方向的发展：(i) 智能养殖系统，用于提升水产品供给效率和系统韧性；(ii) 基于AI的水产品新鲜度监测技术，结合智能包装、传感器和计算机视觉；(iii) 鱼类产品的自动预处理，包括种类识别、形态估测和智能分割系统；(iv) AI引导的水产品掺假检测，如物种替换、产地误标和冻融欺诈等。最后，文章讨论了当前面临的挑战，并对推进AI驱动的水产品安全检测与溯源系统提出前瞻性观点。
AI已成为保障水产品有效供给与食品安全的重要手段，凭借其在非破坏性传感、多维数据处理和实时决策支持方面的优势，表现出强大能力。尽管取得了显着进展，但模型泛化能力不足、数据集标准化缺失以及现场可部署智能系统的开发仍是亟待解决的问题。未来的研究方向包括：将AI与新型传感平台融合、开发稳健的多模态数据融合技术、以及推进预测建模，以实现具有韧性和可持续性的水产食品供应链。
原文链接：https://doi.org/10.1016/j.tifs.2025.105161
