当前，食品安全面临食品掺假、微生物污染及农药残留超标等多重挑战，严重威胁公众健康。传统检测技术如气相色谱（GC）、高效液相色谱（HPLC）和质谱（MS）虽具备较高的定量精度，但普遍存在检测周期长、操作复杂、成本高昂且具有破坏性等局限，难以满足快速、无损、高通量的现代检测需求。
为应对上述问题，学院组建跨学科联合攻关团队，推动食品安全、人工智能与大数据等多学科深度融合，致力于发展新型食品安全检测方法与技术。近日，该团队在国际权威期刊发表题为《A systematic review of multimodal fusion technologies for food quality and safety assessment: recent advances and future trends》的研究论文。该研究系统综述了近年来应用于食品质量与安全评估的多模态融合技术，梳理了常用检测模态的技术特征与应用场景，深入剖析了低级、中级与高级三类数据融合策略的实现机制。全面总结了多模态融合在食品掺假识别、产地溯源及风味建模等关键任务中的研究进展。研究指出，多模态融合技术能够实现对多源异构数据的协同解析，相较传统单模态方法可更全面、精准地表征食品内在特性，显著提升复杂样本的检测性能与模型稳定性。然而，其在实际应用中仍面临数据标准化、模型泛化能力不足等挑战。随着人工智能技术的持续演进，多模态融合有望在食品安全检测领域实现更广泛的落地应用。
本项研究成果的发表，标志着在跨学科研究领域取得实质性突破，为深化交叉学科体系建设、增强学科国际竞争力、推进一流学科创建奠定了坚实基础。
原文链接：https://doi.org/10.1016/j.tifs.2025.105277