综述:食品加工中机器人技术的文献计量研究:现状、进展与未来展望

《Future Foods》:A Bibliometric Study on Robotics in Food Processing: Current Status, Progress and Future Perspective

【字体: 大 中 小 】 时间:2026年06月27日 来源:Future Foods 6.6

编辑推荐:

  近年来,工业领域历经数次工业革命取得了长足进步。2010年代中期标志着Industry 5.0(第五代工业)的开端,其将先进技术与人类任务以人本视角相结合。随着Food 4.0向Food 5.0范式转变,食品工业中机器人正日益取代或辅助人类任务。工业机器人有望

  
近年来,工业领域历经数次工业革命取得了长足进步。2010年代中期标志着Industry 5.0(第五代工业)的开端,其将先进技术与人类任务以人本视角相结合。随着Food 4.0向Food 5.0范式转变,食品工业中机器人正日益取代或辅助人类任务。工业机器人有望提高生产效率、安全性和卫生水平,执行劳动密集型操作,同时促进生态友好实践并减少浪费。本综述聚焦于食品加工自动化与机器人技术,并通过文献计量分析呈现定量与定性结果。从初始的563篇去重记录(Scopus + Web of Science)中,依据PRISMA(系统综述和荟萃分析优先报告条目)指南保留307篇关注食品加工操作的文章进行文献计量分析。出版生产力显著增长,尤其在2020年后,似乎受Food 5.0原则转型影响。大量研究(超过60%)将机器人与食品结合,为收获后应用(如采收、运输、分拣和包装)提供解决方案,而仅有限研究涉及加工阶段操作。例如在肉类领域,自动切割和码垛研究仍主要局限于概念验证或中试规模系统。2000至2025年间,该领域术语已从通用词“自动化”演变为“深度学习”和“机器人技术”等更具体的主题。总体而言,本研究表明农业食品领域的机器人研究正在扩展,但仍集中在收获后和农业任务,而针对核心食品加工单元操作的机器人技术应用不足且常处于实验阶段,突显了未来工业实施的重大差距。
  1. 1.
    Introduction
    过去几十年,开发创新技术以提升食品口感和营养价值的迫切需求不断增长,这由若干关键的社会、经济和环境问题驱动。从Industry 4.0向Industry 5.0的转变代表了一种从专注于自动化的数字化向更以人为本、可持续和有弹性的工业系统的转变。Industry 4.0主要关于集成信息物理系统以创建智能工业,而Industry 5.0在此基础上更强调协作、道德行为和环境责任。比较评估表明,Industry 5.0并非替代而是Industry 4.0的进阶,其特点是注重社会责任和可持续性。这些原则已在农业食品领域逐步细化,分别标记为Food 4.0和Food 5.0。Food 4.0指利用自动化、大数据以及物理、生物和信息技术的结合实现食品系统的数字化转型,旨在创建连接设备和系统以实时共享数据并基于数据进行决策的“智能工厂”,从而优化效率、降低生产成本并提高产量。Food 5.0概念则通过纳入以人为本的设计、循环经济和可持续性目标,将现有技术提升到新水平,其中技术创新明确与社会和环境目标保持一致。在此框架下,协作机器人(cobot)被确定为Industry 5.0和Food 5.0的核心推动因素,旨在与人类操作员共享工作空间,支持人体工程学要求高或重复性任务,并促进人机协作(HRC)而非完全替代。因此,本研究在提及Food 5.0中的机器人技术时,明确考虑食品加工环境中的协作机器人和人机协作,而不仅仅是全自动机器人单元。最新研究表明,Food 5.0旨在将先进技术与道德和环境义务相结合,成为食品系统中工业和社会创新的进一步步骤。Food 4.0不应被视为脱节范式,而是将Industry 4.0原则应用于食品制造业的方法,是迈向更全面、面向可持续性的Food 5.0愿景的中间步骤。在农业中,机器人已在种植、播种、除草、采收、作物监测和健康管理中发挥重要作用。在食品领域,机器人应用主要按工业操作分类,如拾取和放置、分拣或分级、码垛、包装和贴标、质量检验和测试、烹饪和服务。尽管已有诸多应用案例,但大多数应用集中在供应链物流(如物料搬运和运输),且多项综述分析了食品工业机器人的现状。然而,机器人技术在食品加工(尤其是混合、揉捏、切割、烹饪和美食应用等单元操作)中的引入程度尚未得到充分分析、讨论或解释。在不利用文献计量工具的情况下,对任何研究领域当前进展进行全面定量和定性分析存在相当大的困难。手动审查和综合数十至数百篇论文的见解对个人研究人员构成巨大障碍,常导致不充分或有偏见的评估。文献计量方法有助于系统调查海量科学文献,本研究选择性地应用ScientoPy、Bibliometrix和VOSviewer等工具描绘食品加工操作中机器人技术的最新创新。
  2. 2.
    Methodology
    2.1. Data identification
    2025年6月9日进行了数据检索,以编制2000年至2025年间发表的与机器人技术在食品加工中应用相关的文档集。使用Scopus和Web of Science(WoS)数据库收集了大量可靠、索引的科学文档。主要目的是捕捉详细科学实验和应用的结果,因此仅考虑原创研究文章,排除会议论文、综述、书籍、社论等。通过这种方式,本工作中使用的文献计量指标(如生产力、合著、机构和国家的贡献以及引用模式)专门针对直接报告食品加工操作中机器人技术方法和技术进步的主要研究。综述文章在引言中用作叙述框架以定位本研究和突出当前差距,但未包含在定量语料库中,以避免证据重复计数和综述出版物典型的引用动态差异。检索策略结合布尔运算符和不同关键词,优化了数据检索性能,聚焦于机器人技术与食品工业整合的关键方面。检索字符串系统地将机器人相关术语与食品技术和加工描述符结合,旨在针对在食品相关技术背景下开发或应用机器人系统的研究。
2.2. Data extraction
使用ScientoPy工具(版本2.1.3)分析和处理这些文档。DOI是ScientoPy软件用于识别和聚合来自两个不同数据库相同信息的主要唯一标识符,若无DOI则采用基于标题、作者和年份的备用方法检查可能重复。ScientoPy执行多个功能,包括删除重复记录并选择每个出版物最完整的版本。本研究从WoS和Scopus分别获得457和276篇文档,经ScientoPy去除重复后最终得到563篇文档。随后遵循PRISMA指南进行内容筛选,将数据集限制为明确涉及食品加工操作中机器人技术的文档。定义食品加工和制造操作为发生在加工厂或密切相关环境中的单元和辅助操作,包括切割、混合、揉捏、烹饪、美食应用、厂内包装和码垛以及3D食品打印。排除仅涉及收获前或大田活动的研穴,而保留在加工线、分拣设施和检验系统中实施的收获后和分割研究。经过这些资格标准,最终剩余307篇文章用于后续所有文献计量和网络分析。
2.3. Bradford law
Bradford定律解释了学术期刊在特定主题领域的分布。本研究将所有发表至少一篇包含文章的期刊按文章数降序排列,计算累积频率并划分为三个区域,每个区域包含约三分之一的文章总数。将每个区域的期刊数量与理论Bradford分布进行比较,以评估该研究领域文献的集中和分散程度。
2.4. Authors' keywords analysis
采用所述方法生成最重要关键词的地图。最初在无入口级别出现值的情况下进行分析,识别出1135个关键词,最大出现次数(Mo)为24(对应术语“robotics”和“deep learning”)。计算每个关键词的相对权重为其出现次数与Mo的比率。使用大于0.10的相对权重(对应于至少三次出现)生成网络可视化地图。此外,利用同义词表统一和标准化关键词,合并相似作者关键词或术语,提高映射和共词分析的准确性。例如,将含义相似的术语替换为单一术语“robotics”。
2.5. Data analysis and visualization
筛选过程后,创建.csv格式的提取表,使用RStudio中的Bibliometrix函数和VOSviewer(版本1.6.20)构建科学映射的文献计量网络,并使用Flourish云平台创建图形。
  1. 3.
    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。
  2. 4.
    Conclusion
    多项研究提出了将机器人技术集成到食品加工的各种方法,但大多数现有研究仍处于实验阶段,需要进一步完善才能被广泛采用。文献计量趋势证实出版活动显著增加,表明食品工业对机器人技术的兴趣日益增长。同时分析揭示,即使在基于食品技术和加工术语的检索策略下,农业食品领域的机器人研究仍主要集中在收获后和农业应用,而明确涉及食品制造和单元操作(如切割、混合、烹饪或厂内包装)的研究相对稀缺且常限于概念验证系统。这种不平衡指出了食品加工厂和单元操作中工业机器人应用的重大研究空白。通过绘制出版趋势、主要作者和机构、关键期刊和主题集群,本文献计量分析阐明了当前研究环境,帮助研究人员确定合适的出版渠道,并突出了可指导未来研究的潜在主题。总体而言,证据表明将机器人技术集成到核心食品加工操作中仍是一个开放且有前景的领域,机器人技术和食品工程界之间更紧密的互动对于将现有实验解决方案转化为稳健的工业实施是必要的。
Future perspective
除总结当前格局外,本分析提出了食品加工操作中机器人技术未来工作的几个具体方向。需要对核心单元操作(如切割、混合、揉捏、烹饪、口腔加工和厂内包装)进行更系统的研究,目前仅有有限的概念验证系统,远少于大量的收获后和农业应用。此外,许多现有解决方案仍局限于实验室或中试规模,未来研究应解决工业转化问题,包括卫生设计、可变产品流下的鲁棒性、与现有加工线的集成以及遵守食品安全法规。关键词网络中先进AI关键词与加工导向术语之间的弱共现表明,需要更多努力将现代感知和决策算法嵌入到食品厂内运行的机器人中。最后,与Food 5.0框架一致,未来发展应明确将机器人解决方案与可持续性和以人为本目标联系起来,例如通过减少食物浪费、提高加工中的能源和水效率,以及通过人机协作减轻工人的人体工程学和安全风险。在这些背景下,协作机器人和协作架构(机器人与操作员共享任务和 workspace)为结合机器人精度与人类感官评估和过程监督提供了有前景的途径。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号