基于文獻計量學的食品大數據技術研究分析

駱靖陽，陸柏益

（浙江大學生物系統工程與食品科學學院，浙江 杭州 310058）

食品產業是我國國民經濟的第一大產業，也是增長速度最快、最具活力的特殊支柱產業[1]。截至2018年，我國食品工業總產值已突破12萬億 元，糧食、蔬菜、果品、肉類產量均居世界首位[2]?！懊褚允碁樘臁?，食品的產量、種類、結構、品質等不僅關系著廣大人民群眾的生命安全和生活質量，更關系到社會的穩定和諧，具有重大意義[3]。如今食品工業已跨過高投入、高增長的歷史時期，逐漸進入以高質量發展為核心的產業升級階段[4]，呈現出學科綜合化、生產規模化、技術高新化、產品安全化、營養均衡化的發展趨勢[5]。

大數據時代的到來將大量的生產信息以數字化的形式賦予到了食品產業本身[6]。然而，食品產業中產品種類之多、涉及領域之廣、生產環節之繁、從業人員之雜，是其他產業所不能比擬的[7]。這使其產業信息呈現出爆炸式的增長態勢，形成紛繁雜亂的“信息海洋”，讓傳統的食品產業模式屢遭瓶頸、漏洞頻出[8]。如何確保全產業鏈中的食品安全與品質健康；如何建立數字化、自動化的食品生產模式；如何滿足用戶日趨多元化、個性化的膳食營養需求？這些日益凸顯的困境成為了食品產業中亟待解決的難題。

以云計算、物聯網、“互聯網+”等為基礎的大數據技術[9]，是一種對海量數據進行深入分析挖掘，充分提取信息，預測未來發展，以便監管操作的技術[10]。它能夠深入挖掘數據內含的發展規律及動向，實現“業務驅動”向“數據驅動”的轉變[11]，業已在應用軟件[12]、金融貿易[13]、治安管理[14]和國家建設[15]等方面嶄露頭角，展現出巨大的發展潛力。大數據技術的應用與發展無疑為深陷“數據泥淖”中的食品產業帶來了全新的契機。其強大的數據挖掘、分析及決策能力，有望成為突破重重困境的利刃，為食品產業轉型升級帶來全新的曙光[16]。

本文選擇了食品大數據技術發展中最具典型性的三大領域：食品安全管理、食品智能制造、膳食營養與健康（依次簡稱為“安全”“智能”和“營養”），采用文獻計量學[17]的方法，以論文和專利檢索為基礎，對食品大數據技術在這三大領域中的研究及應用情況進行了分析。本文結合技術特點和行業趨勢，對其未來發展前景進行展望，分析了全球各國的技術發展現狀和綜合學術影響力，以期為我國的技術發展提供具有建設性意義的啟示。

1 文獻來源、關鍵詞設置與評價指標

1.1 文獻來源

文獻分為論文和專利兩種形式，前者主要包括期刊論文、會議論文、學位論文以及圖書、社論等；后者主要包括專利申請書、專利說明書等各類專利文獻。論文數據來自Web of ScienceTM（WOS）核心合集[18]，索引：SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH、BKCI-S、BKCI-SSH、ESCI、CCR-EXPANDED、IC；專利數據來自Derwent Innovations Index數據庫[19]，索引：Chemical Section、Electrical and Electronic Section、Engineering Section。

1.2 關鍵詞設置

在大量查閱文獻、書籍及資料后，在安全、智能、營養三大領域中依次總結出兩組關鍵詞。第一組為技術性關鍵詞，需盡可能反映出大數據技術在該領域中的融合方式和發展趨勢；第二組為特征性關鍵詞，需盡可能體現出該領域區別于其他領域的獨有特點與研究方向。各領域中的技術性關鍵詞和特征性關鍵詞兩兩組合成檢索詞，依次在數據庫中進行檢索，并將各組合的檢索結果匯總，以便后續分析[20]。經分析總結后得出的各組關鍵詞如表1所示，基本涵蓋了區塊鏈、物聯網、云計算、數據挖掘、機器學習等常見的大數據技術，以及從微觀到宏觀、從方法到策略、從技術到應用等各維度的研究內容，因此能夠實現較為全面且細致的檢索和分析。

表 1 三大領域中的關鍵詞組合Table 1 Keyword combinations in three fields

檢索方式：主題檢索；檢索語言：英文；時間跨度：2010—2019年；檢索時間：2020年5月21日—5月31日；出版物類型：包含所有類型。對檢索結果進行人工復篩，即通過瀏覽標題、關鍵詞、摘要等信息將不符合要求的條目篩除。不符合要求的原因主要包括：1）研究內容明顯與主題無關；2）更傾向于旁類學科（農林/畜牧/醫藥等）而非食品；3）未充分體現大數據思維，或大數據技術化程度明顯不足；4）缺乏針對性，與食品學科融合度不高，或未能充分體現出食品學科特色。

最終共計得到論文474 篇，專利257 項。檢索到的論文中包括研究性論文247 篇，綜述論文67 篇，其他類型160 篇；共計涉及來自全球的71 個國家/地區，814 所研究機構和418 種學術期刊。以InCitesTM數據庫[21-22]和文獻計量在線分析平臺TM（https://bibliometric.com）為主要分析工具，對論文發表數量、專利申請數量、學術綜合影響力、國家/機構合作關系、研究熱點及發展方向等內容進行了一系列統計分析。

1.3 評價指標

本文涉及的評價指標均來自InCitesTM數據庫[23]，主要包括：總被引頻次、H指數、篇均被引頻次、學科規范化的引文影響力（category normalized citation impact，CNCI，指一組論文在某個學科中發表論文的實際總被引次數與全球該學科同年同類型論文的平均總被引次數比值的平均值）、被引次數排名前10%的論文比例（簡稱TOP 10%論文比例）、相對于全球平均水平的影響力以及平均百分位。其中后5 項指標簡稱為評價論文綜合學術影響力的“五大指標”。

2 結果與分析

2.1 總體情況分析

2010—2019 年間，食品大數據技術在安全、智能、營養三大領域的論文發表及專利申請情況如圖1所示。期間發表的論文數量分別為281、115、96 篇（其中18 篇論文涉及多個領域的內容）；申請的專利數量分別為126、77、54 項；論文被引頻次總計分別為2 111、1 303、784 次；篇均被引頻次分別為8.23、12.28、8.39 次/篇；H指數分別為26、19、16。

圖 1 2010—2019年全球范圍內三大領域的論文發表及專利申請情況Fig. 1 Annual worldwide numbers of published papers and applied patents in three fields in 2010-2019

安全領域，指的是利用大數據技術對食品“從土壤到餐桌”全產業鏈中的數據信息進行研究管理[24]，從而發掘數據的潛在規律和動向，以實現食品安全品質信息的實時獲取、及時監管[25]，以及重大食品安全風險的防范、預警[26]與溯源[27-28]。從論文發表數量和專利申請數量來看，自2014年起均出現快速增長趨勢（增速約13.54 篇/年和6.83 項/年）（圖1）。從主題上來看，這可能是因為與區塊鏈[29]、食品追溯[30]、農產品供應鏈[31]等相關的論文和專利數量逐漸增加。相較于另外兩大領域，該領域已經取得了一定的研究及應用成果，例如美國的OpenFDA項目[7]，通過建立基于用戶利益的食品大數據共享平臺，促進了食品安全信息的開放融通與共享互鑒，從而有效推進了學術研究、產業創新以及監管效能的提升。此外，該技術在歐盟食品飼料快速預警系統[32]和我國“食品安全云”系統[33-35]中也有著廣泛應用，為構建完善的食品安全社會共同治理模式提供了強力助推。

智能領域，指的是收集、統計、整合食品企業在生產加工過程等各環節中的數據信息，建立數字化食品企業模型[36]，通過大數據分析處理技術，對用戶的需求做出智能化分析、推理與決策[37]，實時調整生產方式與策略[38]，以實現自動化、智能化、個性化的食品生產加工[39]。從論文發表數量來看，自2014年起呈現緩慢增長趨勢（增速約5.60 篇/年）；從專利申請數量來看，2012—2016年穩定增長（增速約2.40 項/年），但近3～4 年增幅緩慢（圖1）。自2016年以來，逐漸出現與3D打印、增材制造等[40-41]主題相關的論文與專利，但就數據方面來看，全球在該方面的研究上處于起步階段，尚未觀察到具有突破性意義的研究進展。

營養領域，指的是通過云計算、神經網絡和機器學習等大數據技術與臨床醫學、生理學、營養學等學科的結合[42-43]，深入挖掘個人生理指標特征，以提供智能化、精確化、個性化的膳食營養指導與方案[44]。從論文發表數量來看，2014—2017年間基本平緩，近2～3 年間增速出現較大幅度提升（約12.0 篇/年）；從專利申請數量來看，呈現波折上升趨勢，并于2018年達最大值（17 項）（圖1）。從研究主題方面來看，可能是因為與公共衛生、疾病防控和醫療保健等[45-46]主題相關的論文與專利逐漸增多，而大數據技術在其中多以輔助手段的形式出現。

2.2 國家學術綜合影響力分析

圖 2 三大領域中發文量TOP 10國家的綜合學術影響力分析Fig. 2 Comprehensive academic influence analysis of top ten countries in terms of publication number in three fields

論文的學術影響力水平可以通過發文數量、總被引頻次、篇均被引頻次、H指數等諸多評價指標進行衡量與分析[47]。本文以三大領域內發文數量位居前十的國家為研究對象，借助“五大指標”對其學術綜合影響力進行多維度的分析，以期更加深入、全面、細致地挖掘潛在的發展規律[48]。如圖2所示，其中橫坐標表示TOP 10%論文比例，縱坐標表示CNCI，氣泡大小表示發文數量，橫、縱輔助線分別表示該指標的全球平均水平。圖2中所涉及指標的具體數據和其他相關信息如表2所示。

在安全領域中，共有5 個國家（澳大利亞、德國、意大利、美國、荷蘭）的CNCI和TOP 10%論文比例均高于世界平均水平。其中德國和澳大利亞在篇均被引、相對于全球平均水平的影響力等指標上均位居世界前列，而美國則以較大的研究體量占據優勢。中國的發文量穩居世界第一，但CNCI和TOP 10%論文比例顯著低于全球平均水平，在篇均被引、平均百分位和相對于全球平均水平上分別為列第9、第10和第9位，均居末尾?？梢娢覈芯矿w量雖“大”，但綜合實力“不強”。法國的TOP 10%論文比例為0，在五大指標上均居末位，綜合實力較弱。

表 2 三大領域中發文量TOP 10國家的文獻計量學指標評價Table 2 Bibliometric evaluation of top ten countries in terms of publication number in three fields

在智能領域中，共有4 個國家（澳大利亞、西班牙、美國、英國）的CNCI和TOP 10%論文比例均高于世界平均水平。其中澳大利亞和西班牙在五大指標上均位居前三，表現出較明顯的領跑優勢。美、英兩國雖然在五大指標上稍顯遜色，但發文體量較大且總被引頻次較高。中國的發文量為世界第一，略高于美國，但CNCI和TOP 10%論文比例均低于全球平均水平，在篇均被引、平均百分位和相對于全球平均水平上分別為列第7、第6和第7位，處于中下位置，學術綜合影響力仍有待加強。印度、波蘭的TOP 10%論文比例為0，在CNCI、TOP 10%論文比例和平均百分位等指標上均處于中下游，學術綜合影響力較差。

在營養領域中，共有5 個國家（意大利、德國、荷蘭、美國、英國）的CNCI和TOP 10%論文比例均高于世界平均水平。其中意大利和荷蘭在五大指標上均居世界前列，英、德兩國水平相近，緊隨其后。美國的CNCI、TOP 10%論文百分比和平均百分位上稍顯落后，但在發文量和篇均被引等方面占據較大優勢。中國有著世界第二的發文量，但CNCI和TOP 10%論文比例略低于全球平均水平，在篇均被引、平均百分位和相對于全球平均水平上均位列第10，可見與歐美等發達國家之間實力差距顯著。日本和澳大利亞的發文量處于中等水平，但TOP 10%論文比例均為0，在五大指標上均位列第8～10名，綜合實力相對落后。

2.3 國家/機構合作關系分析

統計數據顯示，全球范圍內在安全、智能、營養三大領域中發表論文的國家/地區分別有59、47、47 個；共計涉及研究機構510、227、222 所，學術期刊271、107、91 種。將論文數據依次導入文獻計量在線分析平臺TM（https://bibliometric.com）進行處理，所得結果如圖3所示。

圖 3 全球范圍內各國家/地區及機構之間的合作關系Fig. 3 Global network of partnerships between countries/regions and institutions

在安全領域中，世界各國及各機構之間合作關系密切，跨區域合作頻繁。中、美、英、意等國均表現出較大的研究體量和較密切合作關系，尤其是美國，分別以美國康奈爾大學和美國食藥監局為代表，形成了兩大合作最為密切的關系網絡（圖3B），包括了美國約翰霍普金斯大學、歐盟食品安全局、英國曼徹斯特大學、澳大利亞聯邦科學工業研究組織等來自10余個國家/地區的60余所研究機構。中國的合作關系網絡相對薄弱，合作國家包括美國、英國、新加坡、瑞典、西班牙、比利時、巴基斯坦等，形成了以中國復旦大學為代表，中國科學院、中國農業大學、瑞典皇家理工學院、新加坡南洋理工大學、西班牙馬德里理工大學等數十所研究機構共同參與的合作網絡。

在智能領域中，世界各國之間的合作程度相對不高，且多以區域性、聯盟性的合作關系為主；各研究機構之間的溝通聯系相對閉塞，平均合作對象不超過3 個，形成了相對封閉的關系環，未形成較明顯的跨區域合作網絡。這可能是相關研究仍處在萌芽階段，尚未建立較完整的合作模式。英、法等國在機構合作關系上表現突出，形成了以英國伯明翰大學、英國克蘭菲爾德大學、法國農業與環境科技研究所等12 所研究機構為核心的關系網絡（圖3D），合作程度遠高于世界平均水平。中國研究體量較大，合作國家包括美國、新加坡、澳大利亞、韓國、荷蘭、俄羅斯等，但在機構合作網絡上并未體現出優勢。其主要合作機構包括中國農業大學、中國江南大學、荷蘭瓦赫寧根大學等。

在營養領域中，世界各國之間的合作程度較密切，跨區域合作較多，但在合作密切程度上差異較大。美國在研究體量和合作程度上具有較為顯著的優勢，其合作國家包括英國、加拿大、澳大利亞等，形成了以美國食品藥品監督管理局為代表，美國佛羅里達大學、歐盟食品安全局、英國劍橋大學、加拿大渥太華大學等14 所研究機構共同參與的合作網絡（圖3F）。中國在研究體量上水平尚可，合作國家包括英國、意大利、澳大利亞等，合作機構包括中國臺灣大學、清華大學、澳大利亞墨爾本大學等，但尚未形成比較清晰的機構合作網絡。一方面可能是因為論文樣本偏小，容易存在誤差；另一方面可能是醫療營養、公共衛生方面的研究易受地域性因素影響，因而在機構合作上存在一定難度。

2.4 研究熱點及發展趨勢分析

2.4.1 關鍵詞詞頻分布及變化

2010—2019 年間，安全、智能、營養三大領域中所發表論文的關鍵詞詞頻分布及變化如圖4所示。

圖 4 2010—2019年三大領域的論文關鍵詞詞頻分布及變化Fig. 4 Distribution and variation of keyword frequency in three fields in 2010-2019

在安全領域中，出現頻次最高的關鍵詞依次是“物聯網”“食品安全”和“追溯”。近3～4 年間，“食品安全”詞頻數基本穩定，“大數據”和“云計算”的詞頻數逐漸下降，而“物聯網”“供應鏈”“追溯”和“冷鏈”的詞頻數穩步增長。尤其是關鍵詞“區塊鏈”，自2016年出現以來，詞頻數呈激增態勢，在2019年甚至超過了原先第一位的“物聯網”。就研究主題來看，這可能是因為通過區塊鏈技術建立食品供應鏈追溯系統的研究逐漸增多[49-51]?！盁o線射頻識別技術”“工業4.0”的詞頻數不高，但數值基本保持穩定，這可能與視覺識別[52]、風險監測[53]等方面的研究相關。

在智能領域中，出現頻次最高的關鍵詞分別是“3D打印”“物聯網”和“增材制造”，三者最早于2015年左右出現，近年來詞頻數均呈現穩定增長的態勢，且均于2019年出現激增。近年來，“工業4.0”“食品工業”的詞頻數略有下降，但不明顯；“活性包裝”“智能包裝”等關鍵詞偶有出現，詞頻數呈增長趨勢?！笆称焚|量”“流變學”“圖像處理”等關鍵詞也有出現，這可能與食品的“3D打印”和“增材制造”有關。該技術需要研究食品原料理化性質[54]，識別并實現圖像的打印[55]。就數據發展趨勢來看，以3D打印食品技術為核心的一系列綜合性研究，在未來幾年內或將成為一大熱點。

在營養領域中，出現詞頻數最高的關鍵詞依次是“大數據”“肥胖”和“營養”，三者在近3 年間均呈現出較好的增長趨勢。同樣呈上升趨勢的還有“飲食”和“食品安全”，而“生活方式”的詞頻逐漸降低，說明研究方向正逐漸向膳食、營養、肥胖控制及健康管理等[56-57]方向發展。值得注意的是，雖然“數據系統”“數據分析”的詞頻數基本保持穩定，在其他兩大領域中頻繁出現的“物聯網”和“區塊鏈”，在該領域中卻極少甚至未曾出現。一方面可能是因為技術結合方式不同而導致關鍵詞分布出現差異；另一方面可能是該領域與大數據技術的結合程度相對偏低，未來仍有較大的發展空間。

2.4.2 論文研究方向與專利德溫特分類代碼的分布

在安全、智能、營養三大領域中所發表論文的主要研究方向和所申請專利的主要德溫特分類代碼（前10 位）如表3所示。其中均有出現的論文研究方向為工程、電信、農學、計算機科學、食品科學技術和科學技術其他專題，占各領域發文總數的50%以上；均有出現的專利德溫特分類代碼為D13、S03、T01、T04、W0和X27，占各領域專利申請總數的65%以上。

安全領域中占比前三的論文研究方向是工程（33.45%）、計算機科學（30.96%）和食品科學技術（15.66%），特有的論文研究方向是商業經濟學（7.12%）、化學（6.05%）、運籌管理學（4.98%）和材料科學（4.27%）；占比前三專利分類代碼分別是T01（88.89%）、T04（26.19%）和W05（12.70%）；特有的專利分類代碼是W05（12.70%）、W06（10.32%）、T06（7.94%）和Q75（4.76%）。相較于另外兩大領域，該領域專利中T01（數字電腦）的比例很高。從研究主題上分析，這是因為大數據技術已經逐漸融入到了品質檢測[58]、冷鏈保鮮[59]、風險預警[60]、質量追溯[61]、物流運輸[36]以及農產品供應鏈[62]等方面，并且已經取得了一定的研究成果。例如，基于大數據戰略的“食品安全云”系統，將食品安全智慧監管體系（政用）、“互聯網+”檢驗檢測云服務體系（商用）、食品安全質量追溯認定云服務體系（民用）和食品安全大數據平臺融于一體，逐步建立了完善的食品安全社會共治模式，在上海、江蘇、河北、貴州等省市均已取得良好成效[33-35]。此外，基于區塊鏈、物聯網的食品安全溯源技術[63]，全鏈式的食品安全大數據監測預警技術[64]，食品質量監管快速檢測技術[65]和明廚亮灶在線識別技術[66]等，已逐漸成為當前的重點研究方向。這些技術能夠有效強化全產業鏈的食品安全管控，建立“從土壤到餐桌”的質量安全保障體系，為全面提高食品安全保障水平提供了強大的技術支持[67]。

表 3 三大領域中所發表論文的主要研究方向和所申請專利的主要德溫特分類代碼（前10 位）Table 3 Top ten research directions with the largest number of published papers and top ten Derwent classification codes with the largest number of applied patents in three fields

智能領域中占比前三的論文研究方向是工程（31.30%）、食品科學技術（29.57%）和計算機科學（24.35%），特有的論文研究方向是化學（8.70%）、材料科學（6.96%）、營養學（6.96%）和運籌管理學（4.35%）；占比前三專利分類代碼分別是T01（48.05%）、X25（23.38%）和T06（16.88%）；特有的專利分類代碼是X25（23.38%）、T06（16.88%）、P28（10.39%）和T05（9.09%）。結合研究主題來看，基于物聯網、區塊鏈、人工智能等技術的智能生產與加工技術，在該領域占據重要地位，為實現智能化、自動化、高效化、經濟化的生產操控及監督管理[68]提供了可能。除視覺識別、智能包裝、智能廚電等方面之外，基于增材制造、數控加工和熱熔擠出材料等技術的3D打印食品技術[69]，在近3～4 年來得到了比較廣泛的重視。該技術能夠通過定量化、配方化的食品打印方式，模擬動植物肉質組織[70-71]，改善食物結構與機理[72]，滿足消費者個性化的口味偏好，為具有特殊飲食需求的人群提供了便利[73]。該技術在未來甚至有望走出工廠，以自主售貨機等獨特形式，為精確化的膳食營養管理帶來了契機。

營養領域中占比前三的論文研究方向是營養學（31.2 5%）、計算機科學（20.8 3%）和工程（16.6 7%），特有的論文研究方向是營養學（31.25%）、保健科學與服務（8.33%）、生態環境科學（6.25%）和公共環境與職業健康（5.21%）；占比前三專利分類代碼是T01（72.22%）、S05（22.22%）和X27（14.81%）；特有的專利分類代碼是S05（22.22%）、P31（7.41%）、B04（5.56%）和W04（5.56%）。結合研究主題來看，該領域的研究與營養診療[74]、慢病預防[75]、健康管理[76]、飲食控制[77]以及公共衛生[78]等方面聯系緊密，也出現了一些與感官風味優化[79]、可穿戴智能傳感設備[80]等相關的研究，但與計算機科學等技術的結合程度相對不高。一方面可能是因為跨學科結合難度較大，導致技術發展程度有限；另一方面可能是該領域的研究通常不會將主題詞限定在“計算機科學”上，更多仍集中在營養、膳食以及相關疾病的檢測、監測和防控等方面。如果能夠克服跨學科等因素帶來的障礙，實現云計算、神經網絡和機器學習等大數據技術與醫學、生理學、營養學等學科的充分結合[81]，或將為食品科學和營養學界帶來重大改變：一方面能夠對個人生理指標和體質健康信息進行深入全面的挖掘與分析，進而提供智能化、個性化的營養需求方案和膳食指導建議[82]；另一方面能夠對各類食品原料的營養成分與功能性質進行全面化的挖掘分析，實現高效化、精確化的營養食品配置，最終實現科學健康的膳食管理[83]。

3 結 語

食品大數據技術的融合與應用是未來食品行業發展的熱點，具有巨大的發展潛力和研究價值。本文采用文獻計量學的方法，揭示了該技術在安全、智能、營養三大領域中的研究現狀與發展規律：1）從技術發展趨勢來看，安全領域中已經取得了較多的研究及應用成果，正處在快速發展的過程中；智能和營養領域中發展速度較慢，尚未取得顯著性成果。2）從國家學術綜合影響力來看，安全、營養領域方面德國、意大利，智能領域西班牙、澳大利亞等國，以較小的發文體量和較強的綜合實力占據領先優勢。美國在部分指標上略顯遜色，但各領域的綜合實力均居世界前列。我國近年來在各領域中均表現出了較大的研究體量，但在五大指標上均明顯落后，說明尚未躋身世界研究強國之列。3）從國家/機構合作關系來看，安全領域中世界各國合作關系密切，跨區域合作頻繁，尤其以美國食藥監局和康奈爾大學等為代表，形成了一體化趨勢較強的合作關系網絡；智能和營養領域中的國際合作程度相對不高，區域化特征明顯，美、英、法等國之間已初步形成若干集群化合作網絡。我國在國際合作上做出了較多嘗試，但尚未形成較密切的合作網絡。4）從研究熱點來看，安全領域的研究多與品質檢測、冷鏈保鮮、風險預警、質量追溯、物流運輸以及農產品供應鏈等方面相關，為食品安全社會共治體系的健全與完善提供了強大助力；智能領域的研究多集中在材料科學、數控加工和3D打印等方面，為特殊需求食品的研制與個性化的飲食方案配置提供了諸多可能；營養領域的研究內容多與營養診斷、飲食控制、健康管理、公共衛生等方面相關，距離其實現智能化、精確化的膳食營養干預仍比較遙遠。

本文對文獻數據的研究可為我國的食品大數據技術發展帶來一定的啟示。目前國內該技術的研究內容主要集中在食品安全監管[16,25]和農產品供應鏈[84-85]等方面，以及一些中小規模智能器件的研發與創新上（智能冰箱[86-87]、3D打印[88-89]等）。雖然有著極為豐富的食品產業信息資源作支撐，但其在發展與應用中依舊存在著數據質量差、應用程度低、信息壁壘嚴重、缺乏頂層設計等問題[7,32]。這一方面需要積極借鑒發達國家的發展經驗，推動食品數據規范化建設[32]，建立食品信息共享交流平臺[35]，加強人才引導與技術交流，實現智能化技術與食品行業生產實踐有機融合[90]；另一方面則需要更加注重獨立思維和創新精神，強化自主研發，實現科技創新，深入研究我國食品行業的發展特點，開拓出具有中國特色的技術發展道路[91]。

此外，本文可能存在3 點研究局限性，一是大數據技術和食品學科所涵蓋的內容較為廣泛，因此在領域邊界劃定、檢索詞設置和人工復篩等處理上可能存在著一定的主觀偏差；二是分析軟件可處理的數據類型有限，本文僅選取WOS核心合集和DII數據庫為數據來源，未來研究中可進一步擴展[92]；三是本文主要通過文獻計量學指標展開描述性分析，并未使用更加復雜的計量學方法（如共引/共詞聚類分析等[93]），故未能針對大數據技術的線條與規律展開更為深度的分析與挖掘。