《AgriEngineering》:The Transition of Postharvest Science Toward Predictive and AI-Driven Systems: A Bibliometric and Technological Review
编辑推荐:
该研究对采后科学的演变进行了关键性的历史、文献计量和技术综述,强调了从经典生理学方法向新兴预测性和技术驱动系统的转变。研究人员利用Scopus和Web of Science数据库分析了与采后研究相关的科学产出,同时利用VOSviewer生成文献计量图谱和共现网
该研究对采后科学的演变进行了关键性的历史、文献计量和技术综述,强调了从经典生理学方法向新兴预测性和技术驱动系统的转变。研究人员利用Scopus和Web of Science数据库分析了与采后研究相关的科学产出,同时利用VOSviewer生成文献计量图谱和共现网络,以识别主题趋势、新兴研究领域和结构性科学集群。同时,研究人员通过Lens.org平台开展了技术预见分析,以调查专利申请的时间演变、创新的地理分布、主要机构申请人以及根据合作专利分类(CPC)的主要技术领域。结果显示,近几十年来采后研究实现了显著的全球扩张。这一增长伴随着技术多样化的加剧以及科学知识与知识产权保护之间更紧密的整合。该分析还突出了先进方法在采后科学中的逐步融合,包括生化方法、无损技术、人工智能(AI)、预测模型以及用于品质评估和货架期管理的数字工具。总体而言,研究表明采后科学正经历一场范式转型,走向与当前可持续性、食品安全、创新和减少采后损失需求相一致的综合化、多学科和数据驱动系统。
**3.1 采后科学的历史演变**
采后科学的基础形成于19世纪末至20世纪初的植物生理学和微生物学经典研究。该学科在20世纪下半叶通过贮藏技术、品质保鲜和成熟管理的进步而得以巩固。早期研究以描述性为主,集中于物理化学分析,如质量损失、可溶性固形物、可滴定酸度、硬度和色泽变化。Cruess等先驱者在果实保鲜和加工方面的研究为果蔬冷冻、脱水和工业化加工策略的技术进步做出了贡献。20世纪70年代起,采后研究随冷藏、气调贮藏(CA)、改良气调包装(MAP)以及旨在理解成熟生理学和品质保鲜的生化分析的引入而大幅扩展。90年代起,色谱和仪器分析技术的进步拓展了采后代谢的生化表征。1-甲基环丙烯(1-MCP)的商业化应用代表了跃变型果实管理中的重大技术里程碑。与此同时,采后研究逐步整合了与成熟调控、氧化代谢和组织降解相关的酶学、生化和分子生物学方法。在巴西,公共研究机构在将采后技术适应于热带生产系统方面发挥了核心作用。
21世纪以来,采后科学演变为高度跨学科和技术导向的领域,整合了生理学、生物化学、工程学、数字传感、无损技术、数学建模和人工智能。新兴方法如高光谱成像、生物传感器、计算机视觉、机器学习(ML)和预测系统已逐步将品质评估和货架期管理转变为更快速、准确和数据驱动的过程。近期研究还展示了深度神经网络、可解释人工智能(XAI)、边缘计算和数字孪生系统在采后供应链实时监测和自主决策中的日益广泛应用。
**3.2 采后研究的文献计量分析**
通过Scopus数据库使用"pós-colheita" OR "postharvest"检索词,研究人员识别了1952年至2026年初发表的35,405篇索引文献。结果显示,近几十年来采后研究经历了显著的时间性扩张。1950年代至1980年代的初始阶段,发表论文数量相对较低,反映了该领域的萌芽性质。1990年代起,论文发表率逐步增加,与采后科学的巩固以及分析技术和技术方法的扩展相吻合。2000年代后增长更为显著,与食品安全政策推进、可持续性问题关注、采后损失减少以及国际索引期刊的扩展相关联。发表高峰出现于2020年至2022年间,Scopus和Webittances中小于3000篇(图2a,b)。最近几年的轻微下降可能与最新发表记录的索引不完整有关,而非实际科学产出的下降,这是涉及当前年份文献计量分析的常见局限性。
地理分布分析显示,中国目前领先全球采后研究科学产出,其次是美国和巴西(图3a)。这一模式反映了这些国家和地区在食品安全、农业创新和技术发展方面的战略性投入。印度、西班牙、意大利、伊朗、墨西哥、澳大利亚和加拿大等国家也表现出显著参与度,强化了采后科学的全球性和多学科性质。Web of Science数据库揭示了类似的地理和时间分布模式,确认了所识别趋势的稳健性和一致性(图3b)。
巴西的科学产出在1996年至2026年间呈现持续增长(图4a,b)。论文发表率在2000年代中期后大幅增加,这与研究生项目扩展、CAPES、CNPq和FAPESP等公共资助机构加强以及国家科学基础设施巩固相吻合。该国在2014年后达到年发表论文超过160篇的峰值,反映了巴西农业和食品科学研究的国际化。最近几年的明显下降应再次谨慎解读,因新近发表记录存在索引延迟。
巴西国内机构分析显示,巴西农业研究公司(Empresa Brasileira de Pesquisa Agropecuária)在发表量方面居全国首位,随后是USP、UFV、UFLA、UNESP、UNICAMP和UFSM等大学(图5)。这一分布表明一个成熟且协作的科学网络,整合了基础科学、应用研究和技术创新,特别是在热带水果、食品品质和采后管理相关研究中。
对100篇最高被引论文的文献计量分析揭示了近几十年来采后科学在主题和地理上的实质性转变。使用VOSviewer生成的共现网络分析识别了与生理学、品质保鲜、微生物学、食品安全和分子方法相关的主要主题集群(图6)。最大集群集中于经典采后生理学和品质管理,包括果实、乙烯、货架期和抗氧化活性等术语。第二集群聚集了与微生物学和采后病害相关的研究,包括真菌、灰霉菌、微生物学和生物防治。附加集群与食品加工、精油、代谢、基因表达和植物蛋白相关,展示了生化和分子方法在采后研究中的逐步融合。
叠加可视化还展示了随时间的主题渐变过渡。网络图中较冷色调代表的较近术语与先进分析技术、分子生物学、预测系统和跨学科方法相关联,表明生物技术、食品科学和数字技术在采后研究中整合程度的提高(图6)。基于100篇最高被引论文的地理热图显示科学影响力高度集中于少数国家和地区,主要是中国和美国,随后是印度、西班牙和以色列的贡献(图7)。
**3.3 采后科学的技术全景与创新趋势:专利分析**
技术预见评估使用Lens.org专利数据库进行"postharvest" OR "pós-colheita"检索。结果显示2000年后专利申请逐步增加,2010年后明显加速,与科学产出的趋势相似(图8)。2015年后专利活动的快速增长与人工智能、传感技术和数字农业的扩展相吻合。这表明采后科学的范式转变,从描述性和保鲜导向的方法转向预测性、智能化和集成化系统。2025-2026年的明显下滑不一定表明创新活动减少,因该时期专利数据 inherently不完整,标准专利公布延迟通常在申请后长达18个月。
地理分析揭示技术创新高度集中于应用研究和工业开发投入高的国家和地区。美国领先专利记录数量(2909条),其次是中国(1391条)、国际WIPO出版物(1172条)和欧洲专利(620条)(图9)。尽管巴西在采后科学研究产出方面贡献突出,但其专利申请量比例较低,未出现在主要专利申请国行列,揭示了科学产出与知识产权保护之间的实质性不对称。针对巴西管辖权(jurisdiction:BR)的特定检索显示,使用该术语的专利记录极少;使用更广泛的果蔬保鲜相关检索词仅获得46份巴西文件,远低于全球专利格局。
主要专利申请人分析显示跨国公司占主导,与可食性涂层、乙烯管理、作物保护和采后保鲜技术密切相关(图10)。Nunhems BV、Apeel Sciences Inc.、AgroFresh Inc.、FMC Corporation和Bayer等公司在专利申请中占据领先地位。CPC代码分析显示与食品保鲜(A23B)、生物活性制剂和生长调节剂(A01N)以及分析表征方法(G01N)相关的代码尤为频繁(图11)。
**3.4 科学产出与技术创新的整合**
文献计量和专利分析的整合揭示了学术研究和技术产业发展之间的强烈主题趋同。然而,在知识产权保护方面仍存在实质性不对称,特别是在巴西等发展中国家和地区。应用于采后质量管理的数学建模、机器学习(ML)和人工智能(AI)技术仍占专利记录的相对有限比例,表明未来技术扩展存在重要机遇。
**3.5 采后科学作为食品质量、增值和竞争力的战略组成部分**
采后技术的进步在改善果蔬供应链中的品质保鲜、减少损失和增加附加值方面发挥了核心作用。冷藏、改良气调系统、可食性涂层、智能包装和无损监测方法等技术已成为维持产品品质、延长货架期和满足国际市场要求的必要工具。智能包装系统、AI辅助物流和基于传感器的监测平台正 increasingly 融入商业化采后链,以改善可追溯性、减少损失和实时优化贮藏管理。
**3.6 预测性采后系统的未来展望**
数字技术的快速进步预计将在未来几十年进一步将采后科学转变为高度集成、自动化和预测性的领域。人工智能(AI)驱动的预测系统因其处理来自无损分析、高光谱成像、环境传感器和实时监测平台生成的大型数据集的能力而获得特别关注。机器学习(ML)算法和人工神经网络在预测货架期、检测生理紊乱、估计成熟阶段和优化果蔬贮藏条件方面展现出强大潜力。可解释AI、联邦学习和多模态深度学习架构的最新进展进一步扩展了预测性采后系统的潜力,使其能够为异质性农业环境提供更透明、可扩展和自适应的模型。
生物传感器和物联网(IoT)设备的集成预计也将大幅扩展,实现整个供应链中温度、湿度、乙烯浓度、气体组成、微生物活性和品质属性的连续实时监测。组学技术(包括基因组学、转录组学、代谢组学和蛋白质组学)的进步正在为成熟调控、应激响应和品质保鲜机制提供更深入的见解。区块链技术也代表了采后系统中的新兴前景,特别是在可追溯性、透明度、食品安全和供应链管理方面。
尽管取得这些进展,预测性采后系统在商业规模实施仍面临重要挑战,包括高技术成本、缺乏方法标准化、研究与产业之间整合有限,以及发展中国家和地区数字基础设施受限。此外,AI驱动系统的有效采用取决于生成能够支持可靠预测模型的稳健和标准化数据集。预测模型从受控实验室条件转移到商业环境时往往表现出降低的稳健性,品种、气候条件和管理实践的变异性显著更大。与数据所有权相关的伦理问题和可解释AI模型的需求也是新兴关切。因此,未来研究应不仅聚焦于提高预测准确性,还应增强模型可解释性、可扩展性、经济性和工业适用性。