食品智能制造技術研究進展

劉東紅， 周建偉， 呂瑞玲， 馬曉彬， 王文駿， 唐君鈺1，

（1. 浙江大學 生物系統工程與食品科學學院/智能食品加工技術與裝備國家地方聯合工程實驗室/浙江省農產品加工技術研究重點實驗室/浙江省健康食品制造與品質控制國際合作基地，浙江 杭州310058；2. 浙江大學 馥莉食品研究院，浙江 杭州310058；3. 浙江大學 寧波研究院，浙江 寧波315100；4. 浙江大學 寧波理工學院，浙江寧波315100）

智能制造（Intelligent Manufacturing，IM）是指由智能機器和人類專家共同組成的人機一體化智能系統， 它在制造過程中能進行諸如分析、 推理、判斷、構思和決策等智能活動[1]。 “工業4.0”的提出及隨之各國的“再工業化”國家戰略核心都是通過建立一個高度靈活的個性化和數字化的產品與服務的生產模式，重點發展以智能制造技術為核心的先進制造業，為此以智能制造為代表的先進食品制造技術也必然成為是未來食品產業的發展方向。

食品智能制造即圍繞智能制造的感知、 決策、控制及執行一體化特征，結合食品制造特點及技術瓶頸，以食品制造數據服務為中心，從食品智能設計、生產智能管控、制造裝備智能化等方面全面突破食品智能制造技術的研究與應用，從而實現管控全面信息化、作業高度自動化、決策智能化（見圖1）。 通過智能制造組織改進的食品生產將實現3 方面優化，即：（1）信息流優化，包括在線檢測、工業互聯、數據集成、數字模型、優化設定和精準控制，實現質量全流程管控、一體化計劃調度等；（2）能量流優化，包括余熱余能高效回收利用、多能源介質之間高效轉化、 物質能量協同優化等；（3） 物質流優化， 包括食品加工工序及全流程物流網絡優化等，從而實現最優化和最高效食品生產，應對人口日益增長、資源不斷緊缺和勞動力成本持續上升的食品產業挑戰。

圖1 食品智能制造技術體系Fig. 1 Food intelligent manufacturing technology system

1 食品數字化設計和工藝優化設計

產品研發設計是食品制造的基礎，工藝技術的研發和優化是智能制造產業鏈設計和加工過程控制的關鍵環節。 近年來，數字化技術已廣泛應用于工業領域的產品和工藝設計中，但針對復雜食品體系以及多環交互的食品加工過程，數字化設計和優化技術的應用尚處于起步階段。

食品數字化設計即根據食品加工過程的物理、化學和生物變化的基本理論，建立復雜食品體系或者加工過程中組分、結構、品質與加工工藝參量之間相互關聯的模型，主要包括食品品質和食品結構的表達模型、 食品加工過程的模擬仿真及優化等。食品數字化設計可以將加工過程的熱量、 動量、能量平衡等工藝參數與食品從微觀到宏觀的結構、產品質構和理化特性相互連通，從而更精準地表征食品品質和加工變化的過程，為食品加工過程的精準控制提供基礎。 從食品的結構層面看，大多數食品為復雜多組分、多結構、多界面體系，其分子運動在宏觀上呈現出晶態、玻璃態、高彈態、粘流態等多相態特征[2]。 食品物理結構和機械性能方面的品質變化 通 常 可 以 用Williams -Landel -Ferry （WLF）、Einstein、Eilers 等動力學方程數值擬合建模。近年來的研究表明， 基于無網格的3D 粒子空間架構在模擬結構變形、多相現象和復雜物理性質方面的優越性，如Rathnayaka 等[3]運用其更真實地預測了3D 細胞結構形態變化（見圖2）。 Wijerathne 等[4]提出一種新的粒度多尺度數值模型，用于預測干燥過程中食用植物組織的體積水平（宏觀尺度）變形。 同時有限元等也不斷地應用于食品的表征中， 如Karunasena等[5]使用光滑粒子流體動力學（SPH）和離散元法（DEM）建模，通過將其近似為不可壓縮的牛頓流體來模擬黏性細胞原生質（細胞液）。 但由于食品的多元性和復雜性，目前仍沒有較好的模型來揭示組分間的分子鏈聚集態與聚集組裝行為，以及從食品組分微結構變化函數映射到整體品質變化的方法。 從食品的加工過程分析， 主要是基于 “三傳一反”理論，將復雜的加工過程簡化為最基本的動量、能量、質量傳遞和化學反應， 目前常采用COMSOL、ANSYS 等商用有限元軟件進行模擬仿真，能解決很多實驗手段受到限制情況下的參數 （如全場速度、溫度、濃度等）分析，以及粒子追蹤等常規實驗無法解決的問題；除此之外，通過模擬仿真可以相較于實驗手段經濟、快速、便捷地確定各種最優參數，從而指導制造過程的優化，達到品質最優、能耗最低、效率最高等多種目的。 熱殺菌一直是食品加工過程中能耗水耗較大，且對食品最終品質影響較大的一個工序。 劉東紅等[6-11]模擬了液態食品、金槍魚罐頭等對象的靜置、傾斜、旋轉等運動形式熱殺菌過程，揭示了液態罐頭食品溫度冷點與F 值位置有所差異，開發了仿真平臺對罐頭食品熱殺菌過程進行工藝優化。 啤酒發酵是一個高度復雜的化學反應，Rodman 等[12]開發了一種模擬退火（SA）算法，目標函數以乙醇的最大化以及批次時間的最小化，明確限制二乙酰基和乙酸乙酯濃度，在溫度控制在預期范圍內時，可將批處理時間減少15 h。

圖2 基于無網格的3D 粒子空間架構建模方法Fig. 2 Meshless 3D particle space architecture modelling method

隨著數字化技術的發展， 數字孿生（Digital Twin，DT） 技術作為綜合利用物理模型、 傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射的數字化手段，已在汽車、輪船、航空航天、精密裝備制造等領域開展原型設計、工藝設計、工程設計等方面的數字化設計實踐（見圖3）。 未來在食品制造領域，利用數字孿生技術打造映射物理空間的虛擬食品車間、食品數字工廠，推動物理實體與數字虛體之間數據雙向動態交互，根據賽博空間的變化及時調整食品加工制造工藝、優化生產參數，提高生產效率。

2 食品生產智能管控

生產智能管控是指對產品生產流程進行集成管理和控制，實現生產過程高度自動化，主要包括：智能單元排產及調度、生產過程智能管控、實時監控、智能數據采集等關鍵技術，集中表現就是具有自感知、自組織、自決策的智能控制系統。

圖3 數字孿生技術[13]Fig. 3 Digital twin technology

專家系統（Expert system，ES）是一種具有特定領域內大量知識與經驗的程序系統，可執行一系列不同復雜程度的感知、解釋、推理、學習、溝通和決策等，以便為給定問題找到解決方案[14]。 Cioara 等[15]提出了一種針對老年人營養需求的專家系統，用于評估老年人長期和短期的自我飲食習慣，以識別不良飲食模式、檢測營養不良的早期狀態。 該專家系統提供個性化干預計劃，可針對老年人特定營養需求、 健康狀況和食物偏愛提供特定的營養教育、飲食處方和食物訂購。 Martinez Gila 等[16]設計了一個控制橄欖醬糊化過程的專家系統，以評估橄欖醬質量并采取相應措施；開發了一種由視覺攝像設備和不同的處理算法組成的糊化狀態傳感器，從獲取的圖像中提取特征，如浮油、黏度和粒度；該專家系統可在較大程度上提升橄欖醬的品質，并且可顯著降低工廠能量消耗。 Van Boekel 等[17-18]采用神經網絡人工智能建模方法對葡萄和葡萄酒的一級指標對葡萄酒質量進行評價時采用BP 神經網絡建模方法，可有效克服品酒師的人為誤差，準確反映葡萄酒的內在品質。

智能決策支持系統（Intelligent Decision-Making Support System，IDSS） 是決策支持系統 （Decision-Making Support System，DSS）與專家系統的結合，其將定量計算功能進行有效分析，進而向決策人員提供有效幫助，以及決策服務相關智能化決策方案的制定（見圖4）。 目前，IDSS 在食品領域的應用主要集中于食品安全檢測上。Banakar 等[19]利用機器視覺系統和數據挖掘技術成功實現了無花果干質量的智能分級，具有快速、準確、可靠等優點。 研究者首先使用彩色CCD 相機獲得了5種不同類別的圖像，利用基于相關性的特征選擇確定了最佳的無花果干分級特征。 之后，結合決策樹-模糊邏輯技術，對無花果干進行了分類。 驗證結果表明，該分級方法準確率可達91.74%。 類似的研究還包括Alshejari和Kodogiannis[20]將多光譜成像技術與基于學習的識別模型相結合建立的新型肉類腐敗的監測技術等。

整體設備效能（Overall Equipment Effectiveness，OEE）可用于評估制造業運行的效能，即可用性、性能和質量效率，現發展為衡量制造業生產力的黃金標準。 目前，OEE 已成為半導體制造中的必需定量工具。 鑒于其優勢，其他行業也紛紛采用OEE 來提高資產利用率，并定制適合其特定行業特征和要求的程序。 Zennaro[21]針對一家行業領先飲料企業的飲料裝瓶生產線進行了研究， 從公司的需求出發，確定生產線的關鍵控制點并評估其對OEE 的影響。通過應用成本績效指數 （Cost Performance Indicator，CPI） 進行飲料行業詳細微觀停機時間數據收集和統計分析，并將其用于構建支持改進活動的模擬模型。 該研究揭示了自動化生產系統中減少停機時間對減低OEE 的重要性，其所開發的統計分析方法還可用于進一步研究特定機器的可靠性與整個生產線的可靠性之間的關系。 Rodrigues 和Cabral[22]針對一些預算和人力資源有限、無法安裝和運行復雜自動化數據收集和計算系統的食品企業，介紹了一種適用于改進食品加工行業連續性的方法。 該研究使用從包裝生產線收集的數據來模擬整個裝置的效率， 提出了一種基于OEE 幾何特性的啟發式方法，以定義應針對哪些參數來制定改進計劃。 此外，研究還顯示了OEE 與收益之間的關系，從而可以計算出改進連續性流程的商業影響。 研究表明：對在商業食品加工單元中收集的數據分析使得通過評估包裝設備的性能來確定效率損失的主要原因成為可能，并可確定將OEE 從53.9%提高到74.1%的改進策略；通過實施這種策略，預計可使凈收入增加88%。

圖4 智能決策支持系統技術Fig. 4 IDSS technology

3 食品制造裝備智能化

智能制造裝備是指具有感知、 分析、 推理、決策、控制功能的制造裝備，它是先進制造技術、信息技術和智能技術的集成和深度融合。

基于工業物聯網 （Industrial Internet of Thing，IIOT）技術可以實現在裝備中融入具有感知、監控能力的傳感器和控制器，繼而實時采集數據，并智能分析、移動通信以實現裝備的智能化轉變[23]。 DESAI等人[24]設計發明了一種基于IIOT 技術的智能加熱系統，包含加工、通信和其他信息技術組件，可遠程監視和控制以及各種增值功能和服務。 Krones 公司的ReadyKit 系統采用自身傳感器，可將與控制系統無關的包裝生產線無損連接到IIOT 中[25]。 北美的Rockwell 公司幫助乳制品加工企業Agropur 實施了一個集成的控制和信息系統， 可訪問實時生產數據，從而消除了手動數據收集并改善了設備綜合效率。

智能執行終端如工業機器人（Industrial Robot，IR）， 是面向工業領域的多關節機械手或多自由度的機器裝置，集精密化、柔性化、智能化、軟件應用開發等先進制造技術于一體， 通過對過程實施檢測、控制、優化、調度、管理和決策，實現增加產量、提高質量、降低成本、減少資源消耗和環境污染，是工業自動化水平的最高體現。Komlatsky 等人[26]討論了魚體加工過程中包括接收、冷凍、分類、切割、洗滌、鹽腌、干燥、煙熏、擠壓、冷卻、包裝和存儲等配備了微處理器控制系統的專用自動化機器人。 自動化系統。 同時研究者開始研究與多個攝像機配合使用的低成本高性能的計算平臺，并使用深度學習算法實時檢查各種食品的質量[27-28]。 利用機器人可以完成對豬牛羊的去毛、內臟去除、分割、剔骨、包裝等工作，但因為豬牛羊的體征差異以及不同個體差異，機器人在準確識別位置進行分割和剔骨方面還有待進一步提高。 澳大利亞西部的一個大型生豬屠宰場安裝了激光指導的切割機器人，通過掃描精確測量生豬的體型，使用機器人編程技術根據每頭豬不同的體型，將豬按規定模式進行解剖。 使用機器人切割豬肉，可以有效降低加工過程中刀具對操作者的傷害風險，而且還可以減少廢物的產生，降低人工操作的交叉污染[29-31]。ABB FlexPicker 機器人被用于Honeytop Specialty Foods 公司的Honeytop 煎餅揀選自動化， 每分鐘可以揀選和堆疊110個煎餅，并準確放置在傳送帶上，安裝在每個機器人前面的以太網攝像機可將每個煎餅的位置定位在下方移動的傳送帶上。 廚師機器人適用于任何環境，例如可將其放在溫度為800 ℃的比薩烤箱前。 娃哈哈集團針對乳飲料等吸管添加工作自動化需求，開發設計基于Delta 并聯機器人物料分選添加工作站，配置機器視覺及傳感技術，應用于散、亂、輕、小物料的分選及定向添加，解決了吸管供給輸送與飲料瓶組輸送、吸管及瓶組位置識別、機器人吸管組抓取等問題，實現了全自動吸管添加工作，負載能力0.5～5.0 kg，最高抓取速度≥120次/分，重復定位精度±0.05 mm，大大減輕了工人的勞動強度，提高了產品質量和生產效率。

未來隨著仿生技術、傳感技術、微電子技術、人工智能技術等發展，多技術集成，且具有自我運動規劃、多軸聯動、自主動作執行的新一代食品柔性制造系統值得進一步探索。 此外，通過自主感測以及可伸縮的納米導電材料，創制柔軟、可伸縮、可隨意變形、可感知外在環境因子、肌肉運動等優勢的柔性化機器人， 更能適應食品加工不同工序的需要。

圖5 工業物聯網技術Fig. 5 IIOT technology

4 展 望

當前在各種新型檢測和加工技術、智能制造技術和數據分析技術等的支持下，食品產業正逐漸向智能化轉型。 隨著物聯網、大數據、云計算、工業機器人等技術在食品工業中的應用， 構建高效節能、綠色環保、柔性精準的智慧工廠將是未來食品智能制造的終極目標。