餐饮业是拉动经济增长和提高人民生活水平的重要行业,数据显示,2023年1～4月全国餐饮收入15 888亿元,同比增长19.8%[1]。我国餐饮业发展至今经历了4个典型阶段,一是高度依赖人工的传统餐饮1.0阶段,二是基于单机操作的机械化餐饮2.0阶段,三是以标准化和数字化为代表的工业化餐饮3.0阶段,四是融合了新型食品科学技术与人工智能技术的智慧餐饮4.0阶段。我国目前已经步入老龄化社会,餐饮相关的公共卫生服务的进一步完善和老年营养餐服务市场的发展已成为亟待关注的问题[2];因此,多元化、专业化、智能化的智慧餐饮4.0是行业发展的必然趋势。

1 餐饮业的发展与食品工业息息相关

餐饮业是指通过即时加工制作、商业销售和服务性劳动等手段,向消费者提供食品、消费场所和设施的食品生产经营行业[3]。餐饮业是促进我国经济发展、增加就业机会和提高人民生活水平的重要领域。国家统计局数据显示[4],2022年全国餐饮收入47 645亿元,同比增长1.6%。

食品工业是餐饮行业的上游支柱产业,不仅可为餐饮业提供成品、半成品原料,更为其提供了必不可少的技术支撑。2017—2021年间,我国食品工业及餐饮业产值见图1。2021年我国规模以上食品工业企业总收入10.35万亿元,餐饮业总收入4.68万亿元,两者共计占国内生产总值的13.14%。食品工业的发展不断推动餐饮业的转型升级,二者已深度融合。

食品工业推动餐饮业的转型,集中体现在烹饪装备和相关技术的迭代升级上。我国餐饮业的发展历程及阶段划分见图2。传统餐饮1.0以手工操作为主,全部依靠人工经验,效率低、劳动强度大、工作环境恶劣、品质不稳定、安全问题频发。随着经济社会的发展及科学技术的进步,20世纪后期,切菜机、和面机等简单的食品加工机械设备在餐饮行业应用和普及,使我们进入了机械化餐饮2.0时代,提升了部分工作效率,同时也降低了部分劳动强度[5]。随着中央厨房的出现,建成了集中规模采购、安全生产的综合系统工程[6],机械化餐饮2.0完成了向以标准化和数字化为代表的工业化餐饮3.0的跃升。如全自动的包饺子生产线[7],从和面到包饺子再到入库全部自动化控制,极大地提高了工作效率和食品安全水平。工业化餐饮3.0原料标准化、生产程式化,满足了人民群众对日常饮食的基本需求。随着生活水平的提高,消费者对饮食个性化需求不断增强,并且由于中餐的独特性,工业化餐饮3.0已无法满足行业进一步发展的需求,尤其是无法解决食品安全、个性化膳食方面的瓶颈问题,因此行业向着智慧餐饮4.0的转型升级迫在眉睫。

2 智慧餐饮4.0的内涵、构架与外延

智慧餐饮是伴随新一代信息技术发展而产生的新概念,目前仍在不断探索发展中,学术界尚无准确定义。本研究认为智慧餐饮概念的内涵应是以满足餐饮监管者、操作者和消费者三者的需求为主要目标,充分运用信息技术手段,通过体系化设计和集成化部署软硬件设备,改造完善基础设施条件,将食品科学技术和人工智能技术运用于餐饮活动的全过程和供应的全链条,以达到降低操作者劳动强度、改善消费者就餐体验、提升监管者管理水平的目的。智慧餐饮4.0的内涵构架与外延见图3。

作为餐饮发展的4.0版本,智慧餐饮的核心有三层构架:一是决策层,需要利用配餐调度、烹饪专家、营养专家等管理系统针对不同用户、不同场景对餐饮过程进行自学习、自决策;二是功能层,需要对烹饪过程中视觉、触觉、成熟度等多维信息进行自感知,并利用多功能一体化烹饪装备针对非标食材、个性需求的复杂烹饪任务进行自适应,实现加工过程柔性调整;三是应用层,需要消费终端具备点餐、取餐、送餐、支付等核心功能,并可以对设备的异常状态实现自愈合和产供销一体化的智运维。

此外,还可将智慧餐饮外延出“六化”。1)个性化膳食制作,在中餐标准化技术基础上,结合数字孪生、人脸识别等技术快速分析顾客历史行为和个人偏好等信息,推荐并制作符合消费者喜好的个性菜品。2)精准化营养配餐,通过制订食谱提高配餐的计划性,对菜肴营养成分进行分析。应用称重取餐等个体数据采集手段,提高膳食摄入数据采集的精准度并进行智能化评估。3)柔性化烹饪加工,针对非标食材、个性需求的复杂烹饪任务进行分析,并根据食材特征差异进行工艺参数的柔性与自适应调整。4)人性化就餐服务,通过就餐环节人机交互,提高选餐、配餐速度,减少就餐者等待时间,以菜肴评价、点赞等方式收集就餐人员意见,反馈给管理端以便进一步改进。5)可视化运营监管,应用计算机视觉识别、物联网、传感器等技术,自动采集餐饮过程信息,建立后厨“明厨亮灶”,实现设备自动化控制,为开展精细管理提供技术手段。6)智能化分析决策,记录分析餐饮环境数据和运营过程数据,实现集体配餐方案、物料消耗预测、监管重点预警等辅助决策功能。

3 智慧餐饮技术的应用

3.1 智慧餐饮技术在食材智能预处理方面的应用

运用食品科学技术与人工智能技术对食物原料进行预制是提高原料利用率和加工自动化程度的关键一步。现今国内外一般采用多光谱成像技术、近红外光谱技术和计算机视觉技术[8-10]等技术结合深度学习算法、经典图像处理等手段[11-12],进行原料的品质分级、安全控制和标准化切割。

3.1.1 食品原料品质智能分级

对食品原料的品质信息进行快速无损获取,是保证食品品质、满足消费者需要的前提条件。Zhang等[13]将近红外高光谱成像技术与深度卷积生成对抗神经网络(DCGAN)结合,对玉米籽粒含油量进行预测,利用DCGAN可以同时对光谱数据和含油量数据进行扩展,增加模型的准确度。Momeny等[14]使用基于深度学习的机器视觉系统检测藏红花品质,开发了一种包含Inception-v4卷积神经网络(LAⅡ-v4 CNN)的学习增强技术,可以非常有效地对藏红花进行品质分级。孙潇鹏等[15]使用近红外透射光谱与机器视觉相结合的方法对蜜柚进行分级检测。

3.1.2 食品原料安全智能控制

在食品加工前对食品原料进行严格的把控,是食品安全控制的重要手段。然而传统技术需要的时间长、费用昂贵、对操作人员要求高,利用了人工智能技术的智慧餐饮可以有效解决这些问题。刘翠玲等[16]建立了基于云计算的食品品质实时在线光谱检测系统,保障食品安全。此外,周向阳等[17]利用近红外光谱倍频区的特征信息,结合差谱及导数处理,对20余种叶菜类蔬菜中有机磷农药残留的鉴别进行了系统研究,吻合率高达97.50%。房俊龙等[18]采用计算机视觉技术获取番茄图像,并利用遗传算法的人工神经网络技术实现番茄生理病害果的自动识别,准确率可达100%。

3.1.3 食品原料智能切分

对食品原料进行品质分级与安全控制后,分割也是关键的一环。目前,食品切割装置中的刀片易携带腐败和致病微生物,容易导致交叉污染。中国科学院广州能源研究所发明的一种利用水射流清洗和切割果蔬的机电设备[19],利用脉冲水射流冲洗掉果蔬表面的灰尘、泥土等,与使用新锐化的刀片切割相比,水刀切割不会改变鲜切菊苣的生理状况和微生物质量[20]。Wang等[21]利用盐颗粒作为磨料,采用超高压磨料水刀切割纯肉和骨头,其效果更优于普通水刀切割。孙鑫[22]基于计算机视觉技术、机器人、运动控制等关键技术,构建了面向猪肉胴体自动分割的6-DOF混联机器人机构,实现了畜禽原料的智能切分。

3.2 智慧餐饮技术在智能烹饪方面的应用

烹饪是餐饮行业中最为重要的环节,是复杂而有规律地将食材转化为食物的加工过程。智能烹饪能够实现菜肴的自动制作,提高烹饪效率,降低制作成本,同时确保食品的安全、质量和品质。智能加工技术和设备的搭配组合,可以实现食物的标准化生产,重构餐饮产业生态,达到快速、标准化运营的目的,对整个餐饮业的发展有重大影响。

3.2.1 数字化烹饪关键技术

中餐的烹饪过程涉及炒、煎、煮、烤、蒸等多元化的烹饪技艺。其中,炒是中餐最具代表性的特征烹饪技术,但是炒菜过程异常复杂,因此传统烹饪中菜肴的质量主要取决于厨师的技艺水平。烹饪数字化是通过邀请各菜系烹饪大师为烹饪机器人提供菜肴烹饪样本,将他们的烹饪经验数据化,扩建数据库,完善机器人菜谱,以实现烹饪品种多样化。张贵元等[23]采用了闭环设计方案,设计了一种应用于烹饪机器人的液态调料自动添加系统,实现液态调料的快速精确添加,减少了掀盖时锅内热量的散失以及温度控制的误差。赵庭霞[24]构建了烹饪爆炒过程热/质传递全局数学模型并对猪里脊肉爆炒过程开展数值模拟,研究了爆炒过程中烹饪品质随传递特征的变化规律,实现了同时模拟温度及各组分全局变化。在传感器-算法系统基础上采集手工烹饪数据,可构建出能够映射手工烹饪数据的烹饪机器人实体装备及控制软件,完成广谱的烹饪厨艺数字孪生和烹饪程序信息数据库建立[25]。

3.2.2 菜肴品质智能感知与拟人控制

尽管智能烹饪机器人已经能够利用烹饪数字化制备标准化的菜肴,但是由于烹饪数据库来自经验数据,且中餐具有食材广泛性以及烹饪复杂性的特点,设备对烹饪过程中火候、产品品质等关键指标的控制仍旧不足,无法实现实时动态和智能化调整。因此,需要更多基于多维传感和控制的技术来实现智能感知与拟人控制。He等[26]发明了一种结合了红外阵列传感器与湿度传感器的智能微波炉,具备除霜和再热的智能控制功能,可以一键加热或解冻不同食物。Abdanan[27]设计了基于图像处理的智能烤箱,可以通过实时监测烘焙产品的颜色和纹理特征,动态调节和优化烹饪温度和时间,大大节约了能耗并提高了产品质量。

3.2.3 烹饪设备自主清洁

烹饪后的自主清洁是最后一个关键步骤,有利于菜肴连续加工过程中的品质控制。Vong[28]将食品进料、食品放置和设备清洁集成于一个加工系统,在菜肴烹饪完成后,机器会自动将烹饪容器旋转至清洗室进行清洗,最终实现高效烹饪。李东炜等[29]也设计了采用可编程逻辑控制器(programmable logic controller,PLC)控制的清洗烹饪机器人内腔的壁面自动清洗机构,具有高可靠性、强抗干扰、安装简单、维修扩展方便等优点。

3.3 智慧餐饮技术在消费端的应用

智慧餐饮技术在消费端的应用主要有3个方面:餐厅智能管理、就餐体验数字化及智能售卖终端应用(图4)。

3.3.1 智能点餐、取餐、送餐关键技术

智慧餐饮4.0在消费端的应用主要体现在餐厅的智能管理中,具体分为智能点餐、智能送餐和智能取餐3个环节。

智慧餐厅通过SAAS(software as a service)模式,将用户浏览、预订、预点餐、就餐和支付的整个餐饮流程一体化[30],并可采用协同过滤推荐算法[31-32]、自然语言处理[33]、人脸识别[34]等技术,实现对顾客身份信息的快速识别,以及对历史行为和个人偏好等信息的精准分析,不仅可以推荐最合适的餐厅,还可以帮助顾客更快速地找到自己喜欢的菜品或推荐相似的菜品,进而为用户提供个性化的产品或向顾客服务推荐。而对于诸如老年人等特殊人群,智慧餐饮系统能够从饮食管理、营养评估与健康管理等方面,全方位进行膳食结构优化,引导老年人合理膳食[35]。在中国农业大学改造升级的智慧餐厅,师生进门取托盘后进行标识与信息绑定,便可根据自己需求,自由搭配菜品,使摄入的营养物质更加多样、均衡,取餐过程中,屏幕实时显示取餐分量与金额,取餐结束后的云端无感支付提高了就餐整体体验。

智能点餐系统可实现消费者的自助点餐,如冯毅[36]基于机器学习有机融入关联度预测算法、协同过滤推荐算法等设计了一套智能点餐系统,并可根据消费者口味推荐针对性菜品。智能送餐需要使用送餐机器人接收用户给予的目标指令,快速高效做出反应,规划合理路径,到达送餐地点。武启明[37]通过对路径规划算法进行分析,并融合优化A*算法和并行TEB算法进行路径规划,实现了送餐机器人的合理路径规划。智能取餐主要是使用取餐机器人代替人眼实现菜品的识别和选取。汪聪[38]基于机器视觉技术结合传统图像识别技术与深度学习图像识别技术,设计了一种菜品智能识别系统,通过对工业相机拍摄的图片进行处理,利用图像处理技术对菜品区域进行检测定位,实现了菜品种类及所在区域的有效识别,提升了机器人取餐的准确性。

此外,智慧餐厅还可根据就餐数据,进行就餐人数的预测,及时补充菜品、调整食谱等,提升就餐人员的就餐体验,降低餐厅的管理成本,促进餐饮企业提高销售量和客户满意度。

3.3.2 数字化就餐体验

随着互联网和大数据的发展,服务行业与移动网络的联系更加紧密,智慧餐厅逐渐发展壮大。在传统的就餐方式以外,还可以采用多感官协同的方式丰富顾客的用餐体验,提高过程的趣味性[39]。智慧餐厅可以通过VR(virtual reality)、AR(augmented reality)等技术将交互性嵌入就餐环境中,将气、声、景融入用餐过程,从视觉、听觉、触觉等多个感官层面提升空间的环境氛围,满足消费者的用餐审美体验与情感需求[40]。例如在智慧餐厅的就餐区被360度环绕立体投影包围,在白云蓝天中吃着热乎的火锅,耳边回荡着舒缓的音乐,通过声光电科技带来“沉浸式”火锅就餐新体验。采用VR技术,通过虚拟点餐[41]、多元环境模拟、厨房模拟[42]等功能,在丰富用户用餐体验的同时,提高餐厅的运营效率。在点餐系统中设计AR交互点餐、用户口碑评价,可以更直观地呈现餐品,并为顾客和餐厅提供更具参考价值的餐品评价体系。

3.3.3 智能售卖终端技术升级

智能售卖终端作为新型售卖方式,正在成为一种蓬勃发展的新兴服务方式,在人们的生活中占据越来越重要的地位,也是未来智能化生活的潮流。相较于传统的人工服务就餐店,智能售卖终端无就餐时间限制。此外,智能售卖终端体积较小,可安置在任何有电力供应的地点,扩大了服务区域。

一般来讲,智能售卖终端应包含以下7个模块[43]:1)储存[冷藏(冻)];2)加工(复热);3)包装;4)递送;5)人机交互界面;6)远程通信;7)自洁杀菌。陈付磊等[44]基于STM32单片机控制,使煎饼馃子机器实现从原料面糊到加热至熟,加蛋、加调料,放置油条或者馃子,最后折叠装袋的全自动化过程。使用ESP8266物联网链接云服务器,实现煎饼馃子机器从制作到贩售的一体化过程。张坦[45]通过研究面条成型方式、设计关键机构型式,对面条售卖机内部机械结构进行方案创新与设计,实现面条的自动定量制作与煮制捞取。张操等[46]研制了一种新型三明治自动制作与售卖系统,融合PLC、多电机协同、WiFi通信、多点通信总线(multi-drop bus,MDB)等技术,实现触摸屏自助选餐、自动投币找零及移动支付、温湿度控制、传动机构故障诊断、上位机和手机App远程监控等功能,完成自动点餐及售卖。智能售卖作为传统餐厅堂食模式的重要补充,迎合了新时代人们零散化的就餐时间、多样化的就餐模式、快节奏的就餐需求,具有良好的发展前景。

3.4 智慧餐饮技术在管理系统方面的应用

机关、高校食堂等集体膳食单位通常采用餐饮管理信息系统制订食谱,通过就餐人数计算用料量,生成采购计划,提升膳食计划性,控制成本。基于大数据和人工智能算法的智慧餐饮管理信息可以综合膳食营养知识、个人点菜信息和就餐评价信息,提高食谱的适用性;也可将就餐记录和个人健康档案相结合,提高配餐的科学性和针对性。大数据智能引擎产品基于用户属性数据、口味偏好数据、行为轨迹数据等建立综合概率匹配算法,对海量数据进行多维度交互式异构分析,动态建立餐饮场景下的用户行为预测模型及产品倾向性数据模型,实现知识图谱和用户画像标签,为大型餐厅实现智慧管理提供技术支撑。智能配餐系统采用了改进的加权随机抽样算法智能化选取不同种类的食物,利用多元线性回归模型及优化求解算法,通过反馈机制自动判别配餐结果的合理性并进行修正,保证了配餐质量和饮食的均衡性[47]。结合多目标规划模型和改进遗传算法设计的新型智能化营养配餐系统,做到了多营养平衡[48]。

此外,在原料供应环节,通过专业采购网络平台组织采购,实时掌握物资供应状态。在物资验收和出入库环节,多采用电子秤称重记录方式,以拍照、视频方式记录验收过程,运用二维码、视觉识别等技术自动获取物资信息,提高物资管理的准确性。通过在餐厅、后厨、库房等区域建立网络化视频监控系统,掌握运行过程信息,并运用物联网传感器监控水、电、燃气、温湿度等环境状态。食品药品监管部门也建立了餐饮监管平台,采用传感器、物联网等手段将食品留样、餐具消毒等食品安全记录纳入管理,提升餐饮业整体质量及安全水平。

4 总结与展望

当今食品工业与餐饮业的深度融合,促进了传统餐饮1.0向基于单元操作的机械化餐饮2.0和基于标准化、数字化的工业化餐饮3.0升级。近年来,随着人工智能等技术在食品生产及餐饮业中的应用,餐饮业向着多元化、专业化、智能化的方向发展,为向智慧餐饮4.0转型奠定了基础。智慧餐饮4.0相关的智慧餐饮技术见图5。例如采用协同过滤推荐算法、自然语言处理、人脸识别等技术,可以对消费者身份信息快速识别,提供个性化的产品或服务推荐;通过VR、AR等技术,提升了空间的环境氛围,建立了多感官的用户体验。全面推进我国智慧餐饮4.0发展,促进现代农业、先进制造业、现代服务业深度融合,推动一二三产业协同发展,助力乡村振兴,是时代发展的必然趋势。

餐饮转型升级的背后是相关科学技术的发展与进步,同时也是中华饮食文化的传承与创新。五千年的中华文明产生了底蕴深厚的中国饮食文化,国人对美食有着极高的要求,因此餐饮业的转型升级还应满足饮食文化的需求。打造具有我国特色的智慧餐饮4.0,不仅是满足人民群众对于美食的高要求和对美好生活的向往的重要手段,更是传承并弘扬中华优秀传统文化、助力“健康中国2030”战略实施的重要抓手。未来餐饮的发展方向一定是以健康为导向、以美味为基础、以文化为内核。食品科技工作者以及餐饮行业从业者要“树立大食物观”,积极探索智慧餐饮4.0的科学发展途径,担负起时代赋予的神圣使命。

参考文献：

[1] 餐饮业在变局中谋求新发展[N]. 中国食品报, 2023-05-31(07).

[2] 王思琦, 张寒凝. 基于Kano模型的新老年人餐饮服务系统需求权重研究[J]. 包装工程, 2021, 42(6): 178-183.

WANG S Q, ZHANG H N. Research on demand weight of new-elderly catering service system based on Kano model[J]. Packaging Engineering, 2021, 42(6): 178-183.

[3] 杜莉. 西方饮食文化[M]. 2版. 北京: 中国轻工业出版社, 2021.

DU L. Western diet culture[M]. 2nd ed. Beijing: China Light Industry Press, 2021.

[4] 邢颖.餐饮产业蓝皮书:中国餐饮产业发展报告(2022)[M]. 北京:社会科学文献出版社,2022.

[5] 高航, 王龙, 马树军, 等. 基于单神经元PID控制的家用切菜机的设计与研究[J]. 中国设备工程, 2020(21): 87-89.

GAO H, WANG L, MA S J, et al. Design and research of household vegetable cutter based on single neuron PID control[J]. China Plant Engineering, 2020(21): 87-89.

[6] 林振强. 新时期的中央厨房建设与冷链发展[J]. 物流技术与应用, 2023, 28(S1): 42-43.

LIN Z Q. Central kitchen construction and cold chain development in the new era[J]. Logistics &Material Handling, 2023, 28(S1): 42-43.

[7] 搜狐新闻网. “厉害了!中国的先进水饺生产线车间居然空无一人!” [EB/OL] (2017-08-18)[2017-08-18].https:∥www.sohu.com/a/165665669_262974.

SohuNews.com. “Awesome! China’s advanced dumpling production line workshop is actually empty!” [EB/OL] (2017-08-18)[2017-08-18]. https:∥www.sohu.com/a/165665669_262974.

[8] 王一杰, 杨智慧, 成军虎. 多光谱成像技术在食品营养品质检测方面的应用进展[J]. 食品工业科技, 2020, 41(4): 339-347.

WANG Y J, YANG Z H, CHENG J H. Application progress of multispectral imaging for food nutritional quality detection[J]. Science and Technology of Food Industry, 2020, 41(4): 339-347.

[9] 吴习宇, 赵国华, 祝诗平. 近红外光谱分析技术在肉类产品检测中的应用研究进展[J]. 食品工业科技, 2014, 35(1): 371-374.

WU X Y, ZHAO G H, ZHU S P. Study on the application of near infrared spectroscopy in the meat quality evaluation[J]. Science and Technology of Food Industry, 2014, 35(1): 371-374.

[10] 邱道尹, 胡玉霞, 白旭光, 等. 计算机视觉技术在我国农产品检测中的应用[J]. 郑州工程学院学报, 2002, 23(3): 99-103.

QIU D Y, HU Y X, BAI X G, et al. Application of computer vision technique in detection of agricultural products in our country[J]. Journal of Zhengzhou Grain College, 2002, 23(3): 99-103.

[11] 张和平, 高广琦. 基于人工智能的益生乳酸菌精准筛选及产业化关键技术[J]. 中国食品学报, 2023, 23(6): 1-7.

ZHANG H P, GAO G Q. The key technologies of precise isolation and industrialization of probiotic lactic acid bacteria based on artificial intelligence[J]. Journal of Chinese Institute of Food Science and Technology, 2023, 23(6): 1-7.

[12] WU F Y, YANG Z, MO X K, et al. Detection and counting of banana bunches by integrating deep learning and classic image-processing algorithms[J]. Computers and Electronics in Agriculture, 2023, 209: 107827.

[13] ZHANG L, WANG Y Q, WEI Y G, et al. Near-infrared hyperspectral imaging technology combined with deep convolutional generative adversarial network to predict oil content of single maize kernel[J]. Food Chemistry, 2022, 370: 131047.

[14] MOMENY M, NESHAT A A, JAHANBAKHSHI A, et al. Grading and fraud detection of saffron via learning-to-augment incorporated inception-v4 CNN[J]. Food Control, 2023, 147: 109554.

[15] 孙潇鹏,刘灿灿,陆华忠,等.基于近红外透射光谱与机器视觉的蜜柚汁胞粒化分级检测[J].食品科学技术学报,2021,39(1):37-45.

SUN X P, LIU C C, LU H Z, et al.Detection of honey pomelo in different granulation levels based on near-infrared transmittance spectroscopy combined with machine vision[J].Journal of Food Science and Technology, 2021,39(1):37-45.

[16] 刘翠玲, 闻世震, 孙晓荣, 等. 基于云计算的食品品质实时在线光谱检测系统实现[J]. 食品科学技术学报,2023,41(6):161-170.

LIU C L, WEN S Z, SUN X R, et al. Real-time online spectral detection system for food quality based on cloud computing[J]. Journal of Food Science and Technology, 2023,41(6):161-170.

[17] 周向阳, 林纯忠, 胡祥娜, 等. 近红外光谱法(NIR)快速诊断蔬菜中有机磷农药残残留[J]. 食品科学, 2004, 25(5): 151-154.

ZHOU X Y, HU X N, et al. Rapid indentification of organophosphorus pesticide residues in leaf-vegetable by FT-NIR[J]. Food Science, 2004, 25(5): 151-154.

[18] 房俊龙, 张长利, 潘伟, 等. 用遗传算法训练的人工神经网络识别番茄生理病害果[J]. 农业工程学报, 2004, 20(3): 113-116.

FANG J L, ZHANG C L, PAN W, et al. Automated identification of tomatoes with diseases using artificial neural network trained with genetic algorithms[J]. Transactions of the Chinese Society of Agricultural Engineering, 2004, 20(3): 113-116.

[19] 徐晓东. 水射流蔬菜水果清洗切割机: CN1631625A[P]. 2005-06-29.

[20] WULFKUEHLER S, DIETZ J, SCHMIDT H, et al. Quality of fresh-cut radicchio cv. Rosso di Chioggia (Cichorium intybus L. var. foliosum Hegi) as affected by water jet cutting and different washing procedures[J]. European Food Research and Technology, 2015, 240(1): 159-172.

[21] WANG J, SHANMUGAM D K. Cutting meat with bone using an ultrahigh pressure abrasive waterjet[J]. Meat Science, 2009, 81(4): 671-677.

[22] 孙鑫. 面向猪肉胴体分割的6-DOF混联机器人运动学分析与轨迹规划[D]. 哈尔滨: 哈尔滨商业大学, 2017.

SUN X. Kinematics analysis and trajectory planning of 6-DOF hybrid robot for pork carcass segmentation[D]. Harbin: Harbin University of Commerce, 2017.

[23] 张贵元, 李叶龙, 黄贤静, 等. 烹饪机器人液态调料添加系统设计[J]. 电脑知识与技术, 2022, 18(25): 107-109.

ZHANG G Y, LI Y L, HUANG X J, et al. Design of liquid seasoning adding system for cooking robot[J]. Computer Knowledge and Technology, 2022, 18(25): 107-109.

[24] 赵庭霞. 烹饪过程数值模拟的全局化及应用[D]. 贵阳: 贵州大学,2022.

ZHAO T X. Globalisation and application of numerical simulation of cooking process[D]. Guiyang: Guizhou University,2022.

[25] 李军,邓力. 一种烹饪系统和烹饪服务平台: CN113448264B[P].2021-09-28.

[26] HE C H, ZHONG G X, WU H, et al. A smart reheating and defrosting microwave oven based on infrared temperature sensor and humidity sensor[J]. Innovative Food Science &Emerging Technologies, 2022, 77: 102976.

[27] ABDANAN M S. Machine vision based intelligent oven for baking inspection of cupcake: design and implementation[J]. Mechatronics, 2022, 82: 102746.

[28] VONG T K. Robotic device coupled with material inputting, material holding and washing device: US20180199764[P]. 2018-07-19.

[29] 李东炜, 杨晓钧, 李兵. 壁面自动清洗机构的设计[J]. 机电工程技术, 2010, 39(6): 80-82.

LI D W, YANG X J, LI B. Design of automatic wall cleaning mechanism[J]. Mechanical &Electrical Engineering Technology, 2010, 39(6): 80-82.

[30] 宗雅文. 智慧餐饮背景下送餐机器人体验设计研究[D]. 上海: 华东理工大学, 2019.

ZONG Y W. The study on the design of food delivery robots experience under the background of intelligence catering[D]. Shanghai: East China University of Science and Technology, 2019.

[31] HE X S, JIN X. Collaborative filtering recommendation algorithm considering users’ preferences for item attributes[C]∥2019 International Conference on Big Data and Computational Intelligence (ICBDCI). February 8-9, 2019, Pointe aux Piments, Mauritius. IEEE, 2019: 1-6.

[32] 宋曼. 一种基于用户偏好的协同过滤推荐算法[J]. 电脑与电信, 2020(12): 17-21.

SONG M. A collaborative filtering recommendation algorithm based on user preference[J]. Computer &Telecommunication, 2020(12): 17-21.

[33] GOMATHI R M, AJITHA P, KRISHNA G H S, et al. Restaurant recommendation system for user preference and services based on rating and amenities[C]∥2019 International Conference on Computational Intelligence in Data Science (ICCIDS).Chennai: IEEE, 2019: 1-6.

[34] 祁志斌. 基于人脸识别的食堂管理系统设计与应用研究[J]. 计算机产品与流通, 2020(6): 175.

QI Z B. Design and application of canteen management system based on face recognition[J]. Computer Pro-ducts and Distribution, 2020(6): 175.

[35] 李琳, 李芳宇, 刘征. 积极老龄化背景下智慧厨房发展趋势及适老性设计探究[J]. 包装工程, 2022, 43(2): 72-81.

LI L, LI F Y, LIU Z. Development trend and oriented design of intelligent kitchen under the background of active aging[J]. Packaging Engineering, 2022, 43(2): 72-81.

[36] 冯毅. 智能推荐点餐系统的设计及在餐饮业中的应用价值[J]. 农村经济与科技, 2021, 32(6): 143-144.

FENG Y. Design of intelligent recommendation ordering system and its application value in catering industry[J]. Rural Economy and Science-Technology, 2021, 32(6): 143-144.

[37] 武启明. 送餐机器人室内复杂环境下的路径规划及应用[D].阜阳: 阜阳师范大学, 2022.

WU Q M. Path planning and application of food delivery robot in indoor complex environment[D]. Fuyang: Fuyang Normal University, 2022.

[38] 汪聪. 基于机器视觉的菜品智能识别技术研究[D]. 广州: 华南理工大学, 2019.

WANG C. Research on food intelligent recognition technology based on machine vision[D]. Guangzhou: South China University of Technology, 2019.

[39] 兰玉琪, 刘松洋. 人工智能技术下的产品用户体验研究综述[J]. 包装工程, 2020, 41(24): 22-29.

LAN Y Q, LIU S Y. Overview of product user experience research under artificial intelligence technology[J]. Packaging Engineering, 2020, 41(24): 22-29.

[40] YOUSSEF J, SPENCE C. Náttúra by kitchen theory: an immersive multisensory dining concept[J]. International Journal of Gastronomy and Food Science, 2021, 24: 100354.

[41] 侯威. 一种基于VR技术的点餐系统: CN109840861A[P]. 2019-06-04.

[42] LEUNG X Y, CHEN H, CHANG W, et al. Is VR game training more effective for hospitality employees? A longitudinal experiment[J]. Tourism Management Perspectives, 2022, 44: 101020.

[43] 刘正. 自动售卖机的智能化设计[J]. 科协论坛(下半月), 2013(4): 103-104.

LIU Z. Intelligent design of vending machine[J]. Science &Technology Association Forum, 2013(4): 103-104.

[44] 陈付磊, 周建平, 于珊, 等. 全自动煎饼馃子制作贩售一体机[J]. 科技风, 2020(8): 26.

CHEN F L, ZHOU J P, YU S, et al. Full-automatic integrated machine for making and selling pancake gizzards[J]. Technology Wind, 2020(8): 26.

[45] 张坦. 智能“鲜食面”售卖机关键技术研究[D]. 郑州: 河南工业大学, 2018.

ZHANG T. Intelligent noodle vending machine key technology research[D]. Zhengzhou: Henan University of Technology, 2018.

[46] 张操, 华亮, 季霆, 等. 三明治自动制作与售卖系统研制[J]. 工程设计学报, 2018, 25(3): 353-359.

ZHANG C, HUA L, JI T, et al. Development of sandwich automatic production and sale system[J]. Chinese Journal of Engineering Design, 2018, 25(3): 353-359.

[47] 寇文心. 智能营养配餐系统及其核心算法的研究[D]. 北京: 北京工业大学, 2015.

KOU W X. Research on intelligent nutrition system and its core algorithm[D]. Beijing: Beijing University of Technology, 2015.

[48] 李宁. 基于多目标线性规划的智能营养配餐系统研究[D]. 秦皇岛: 燕山大学, 2019.

LI N. Research on intelligent nutrition dining system based on multi-objective linear programming[D]. Qinhuangdao: Yanshan University, 2019.

Smart Catering 4.0: New Development Direction of Future Catering Integrated with Artificial Intelligence Technology

WU Xiaomeng1,4, LI Xiang2, LIU Nan3, CHU Zejun1, SHEN Qun1, HU Xiaosong1, 2

(1. College of Food Science and Nutritional Engineering, China Agricultural University, Beijing 100083, China;2. College of Culinary Science, Sichuan Tourism University, Chengdu 610100, China;3. Department of Quartermaster and Procurement, Army Logistics University of PLA, Chongqing 401331,China;4. CAU-SCCD Advanced Agricultural &Industrial Institute,Chengdu 611430, China)

Abstract： The catering plays an important role in China’s economy and society. With the development of society and the application of artificial intelligence, catering is evolving in the direction of diversification, specialization and intelligence. The development of China’s catering industry was reviewed. The connotation and extension of Smart Catering 4.0 and the trend of new food science and technology and artificial intelligence technology utilized in this field were systematically analyzed. Computer vision combined with deep learning algorithms achieved the quality grading of raw materials. Digital twin technology not only can covert thousands of electronic recipes into process parameters, but also can simulate the cooking skills of culinary masters, put Chinese unique cooking techniques into robot cooking. The application of collaborative filtering recommendation algorithms, natural language processing, and face recognition technologies can quickly identify the customer and make personalized recommendations. This article summarized the current status and main technologies of smart catering, and proposed future directions, namely, focusing on health, basing on deliciousness, and centering on culture, with the aim of providing reference for the further development of the catering industry.

Keywords： artificial intelligence; smart catering; food safety; personalized nutrition; smart cooking

doi：10.12301/spxb202300742

文章编号：2095-6002(2024)01-0010-10

引用格式：吴晓蒙, 李想, 刘楠, 等. 智慧餐饮4.0:融合人工智能的未来餐饮发展新方向[J]. 食品科学技术学报,2024,42(1):10-19. WU Xiaomeng, LI Xiang, LIU Nan, et al. Smart Catering 4.0: new development direction of future catering integrated with artificial intelligence technology[J]. Journal of Food Science and Technology, 2024,42(1):10-19.

中图分类号： TS201; TP18

文献标志码： A

收稿日期： 2023-12-04

基金项目： 中国营养学会科研基金资助项目(CNS-YUM2022-162);重庆市技术创新与应用发展专项重点项目(CSTB2022TIAD-KPX0089)。

Foundation: Chinese Nutrition Society Scientific Research Funded Project (CNS-YUM2022-162);Chongqing Key Project of Technological Innovation and Application Development(CSTB2022TIAD-KPX0089).

第一作者： 吴晓蒙,男,副教授,博士,主要从事食品加工与包装方面的研究。

(责任编辑：张逸群)