Results and Discussion
本节呈现文献计量分析结果,显示出版趋势、主要贡献者和备受关注的研究领域。结果表明该领域的增长、协作趋势和新出现的想法。
3.1. Global scientific production over time and relevant research areas
初步分析出版趋势提供了对研究领域进展的重要见解。符合食品加工操作中机器人技术资格的307篇文档的每年出版物数量持续增加,从2006年仅2篇到2024年53篇,预计2025年将超过60篇。相关论文在不同学科类别的分布显示机器人技术用于许多不同领域,相关研究领域的数目从2010年的11个增加到2025年的40个。工程是最常见研究领域,计算机科学和农业紧随其后。一个重要的定性观察是,即使将机器人技术与食品技术和食品加工描述符结合检索,大多数检索工作仍面向收获后和农业任务,特别是水果和蔬菜的分割、识别、分级和搬运,而只有有限研究涉及核心加工单元操作(如肉类和蔬菜切割、烹饪或油炸、混合和先进的厂内包装)。这种不平衡凸显了食品制造操作中的重大研究空白。
3.2. Journal's contribution and Bradford's Law Analysis
3.2.1. Journal-wise distribution
期刊贡献分析显示,90%的相关论文在过去五年发表。《Computers and Electronics in Agriculture》发表20篇,专注于农场和加工厂的水果和蔬菜识别与分割;《IEEE Access》发表9篇,主要关注美食或工业水平的食品操作和包装;《Applied Sciences-Basel》发表8篇,包括协作机器人与深度学习系统用于巧克力实时分拣等。在食品科学与技术领域,《Journal of Food Engineering》《Foods》《Journal of Agricultural and Food Research》和《Journal of Food Process Engineering》发表了多样化的机器人应用,如磁流变机器人夹持器、仿生咀嚼机器人、咖啡烘焙机器人系统和3D食品打印等。
3.2.2. Classification of journals based on Bradford's law
根据Bradford定律对所有期刊分类,核心区(Zone 1)包含19种期刊,Zone 2包含71种,Zone 3包含95种,比例约为1.0:3.7:5.0。对于估计的n值3.7,理论分布预测第三区应有约260种期刊,但实际仅95种,这种偏差归因于可用文章数量有限和机器人相关食品加工研究在期刊上的不均匀传播。第一和第二区合计占文章总数的48%,其余52%分散在Zone 3的95种期刊中,表明存在显著的分散效应。
3.3. Authors' production over time
总计2087位作者撰写了307篇出版物,大多数作者(84.4%)仅贡献1篇。
3.3.1. Significant contributor - robotics in food processing
Wang X是最多产的贡献者(32篇出版物),其论文主要涉及咀嚼机器人、配送机器人、蔬菜分割和水果识别,仅有一项研究关注菠萝切割。Liu和Zhang分别发表26和22篇论文,研究计算机视觉和人工智能结合机器人进行水果和蔬菜分拣。
3.3.2. Author's fractionalization
分数 authorship 根据合著者数量按比例分配信用。Wang的分数值为3.65,Zhang为2.50,Liu为2.07,表明他们在多作者出版物中高度参与。
3.3.3. Author-journal-keyword network
三字段图显示了高产作者、关键词和期刊之间的关系,表明这些作者的工作集中在深度学习和分割应用,特别是收获后加工,发表在跨学科期刊上。
3.4. Citation analysis
3.4.1. Highly cited articles
高被引论文显示了重要问题和新兴趋势。排名前十的论文涵盖交互式进化计算、服务机器人、水果检测图像分割、农业机器人等。值得注意的是,这些高被引论文大多并非专门关注食品加工应用,而是提供方法论框架或概念见解,被食品机器人领域的研究人员广泛引用。
3.4.2. Interrelation among highly cited papers and leading journals
《Computers and Electronics in Agriculture》发表了前十高被引论文中的3篇,突显其在农业和后收获应用机器人研究中的平台作用。
3.4.3. Leading institutions
山东师范大学以9篇出版物领先,其次奥克兰大学(7篇)专注于食品质地研究,卡迪夫大学、西北农林科技大学和瓦赫宁根大学各发表6篇,聚焦分割和排序应用。
3.5. Leading countries and collaboration between countries
中国以71篇文档(16%)领先,其中83%发表于2021-2025年。美国(43篇)和英国(33篇)分列二三位。国际合作网络显示中国、英国和意大利形成强合作枢纽,但许多国家仅偶尔出现或主要贡献单国出版物,国际协作仍相对集中。
3.6. Keyword analysis
作者关键词分析揭示了主要词汇和主题。2000至2025年间,“机器人”、“自动化”和“食品工业”等基本词汇早期频繁使用,2020年后“深度学习”、“机器学习”、“人工智能”和“计算机视觉”等新关键词显著增加。
3.6.1. Author keywords and co?occurrence networks
共现分析得到999个独特词汇,选取61个关键词进行网络可视化。主要集群包括红色“计算机视觉与深度学习”、绿色“人工智能与智能系统”、蓝色“自动化与受人类启发设计”、黄色“食品机器人与生物力学”以及紫色“导航与路径规划”。时间叠加图显示计算机视觉和深度学习是近年焦点,但先进AI感知与控制尚未广泛融入核心食品加工和感官导向单元操作,存在明显研究空白。
3.7. Thematic evolution
主题演变分为基本、驱动、利基和新兴/衰退主题。2000-2010年主题为“食品工业”和“自动化”;2011-2020年转向“图像分析”、“机器学习”和“计算机视觉”;2021-2025年主要主题变为“深度学习”、“计算机视觉”和“水果分割”,同时出现“数字孪生”和“深度强化学习”等新概念,表明从广泛机械化向环境感知智能系统和可持续实际应用转变。