Artificial intelligence in food safety: a bibliometric and empirical synthesis of emerging technologies and research frontiers

目的 本研究旨在通过全面的文献计量分析，识别人工智能（AI）与食品安全及保障融合领域的最新研究趋势。设计与方法 从Web of Science核心合集中检索了2021年至2025年间发表的2，782篇文献。通过去除重复记录、筛选文献类型并排除不相关记录对数据集进行精炼。随后使用VOSviewer进行合著、关键词共现、引文、共被引及文献耦合分析。研究发现 机器学习和深度学习成为与食品安全、污染检测和质量预测相关的核心技术。关键词聚类显示了与农业、气候变化和公共卫生的跨学科联系。引文和共被引分析识别出三大主要知识基础：传统机器学习、基于计算机视觉的深度学习和时间序列建模。中国、印度和美国在研究产出和技术发展方面是最具影响力的贡献者。文献耦合和来源共被引分析进一步表明食品科学与计算科学之间的融合日益加深。原创性/价值 本研究全面概述了AI驱动的食品安全研究的知识结构、合作网络和主题演变。与以往聚焦特定技术或应用的研究不同，本研究绘制了全球研究模式和跨学科联系。研究结果为研究人员、政策制定者和行业利益相关者提供了战略性见解。未来研究应优先关注可解释AI融入监管框架以及开发更大、更多样化的数据集，以提高模型在食品系统中的泛化能力。