基于文獻(xiàn)計量學(xué)的食品大數(shù)據(jù)技術(shù)研究分析

駱靖陽，陸柏益

（浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，浙江 杭州 310058）

食品產(chǎn)業(yè)是我國國民經(jīng)濟(jì)的第一大產(chǎn)業(yè)，也是增長速度最快、最具活力的特殊支柱產(chǎn)業(yè)[1]。截至2018年，我國食品工業(yè)總產(chǎn)值已突破12萬億 元，糧食、蔬菜、果品、肉類產(chǎn)量均居世界首位[2]?！懊褚允碁樘臁?，食品的產(chǎn)量、種類、結(jié)構(gòu)、品質(zhì)等不僅關(guān)系著廣大人民群眾的生命安全和生活質(zhì)量，更關(guān)系到社會的穩(wěn)定和諧，具有重大意義[3]。如今食品工業(yè)已跨過高投入、高增長的歷史時期，逐漸進(jìn)入以高質(zhì)量發(fā)展為核心的產(chǎn)業(yè)升級階段[4]，呈現(xiàn)出學(xué)科綜合化、生產(chǎn)規(guī)?；?、技術(shù)高新化、產(chǎn)品安全化、營養(yǎng)均衡化的發(fā)展趨勢[5]。

大數(shù)據(jù)時代的到來將大量的生產(chǎn)信息以數(shù)字化的形式賦予到了食品產(chǎn)業(yè)本身[6]。然而，食品產(chǎn)業(yè)中產(chǎn)品種類之多、涉及領(lǐng)域之廣、生產(chǎn)環(huán)節(jié)之繁、從業(yè)人員之雜，是其他產(chǎn)業(yè)所不能比擬的[7]。這使其產(chǎn)業(yè)信息呈現(xiàn)出爆炸式的增長態(tài)勢，形成紛繁雜亂的“信息海洋”，讓傳統(tǒng)的食品產(chǎn)業(yè)模式屢遭瓶頸、漏洞頻出[8]。如何確保全產(chǎn)業(yè)鏈中的食品安全與品質(zhì)健康；如何建立數(shù)字化、自動化的食品生產(chǎn)模式；如何滿足用戶日趨多元化、個性化的膳食營養(yǎng)需求？這些日益凸顯的困境成為了食品產(chǎn)業(yè)中亟待解決的難題。

以云計算、物聯(lián)網(wǎng)、“互聯(lián)網(wǎng)+”等為基礎(chǔ)的大數(shù)據(jù)技術(shù)[9]，是一種對海量數(shù)據(jù)進(jìn)行深入分析挖掘，充分提取信息，預(yù)測未來發(fā)展，以便監(jiān)管操作的技術(shù)[10]。它能夠深入挖掘數(shù)據(jù)內(nèi)含的發(fā)展規(guī)律及動向，實(shí)現(xiàn)“業(yè)務(wù)驅(qū)動”向“數(shù)據(jù)驅(qū)動”的轉(zhuǎn)變[11]，業(yè)已在應(yīng)用軟件[12]、金融貿(mào)易[13]、治安管理[14]和國家建設(shè)[15]等方面嶄露頭角，展現(xiàn)出巨大的發(fā)展?jié)摿Α４髷?shù)據(jù)技術(shù)的應(yīng)用與發(fā)展無疑為深陷“數(shù)據(jù)泥淖”中的食品產(chǎn)業(yè)帶來了全新的契機(jī)。其強(qiáng)大的數(shù)據(jù)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(chǎn)業(yè)轉(zhuǎn)型升級帶來全新的曙光[16]。

本文選擇了食品大數(shù)據(jù)技術(shù)發(fā)展中最具典型性的三大領(lǐng)域：食品安全管理、食品智能制造、膳食營養(yǎng)與健康（依次簡稱為“安全”“智能”和“營養(yǎng)”），采用文獻(xiàn)計量學(xué)[17]的方法，以論文和專利檢索為基礎(chǔ)，對食品大數(shù)據(jù)技術(shù)在這三大領(lǐng)域中的研究及應(yīng)用情況進(jìn)行了分析。本文結(jié)合技術(shù)特點(diǎn)和行業(yè)趨勢，對其未來發(fā)展前景進(jìn)行展望，分析了全球各國的技術(shù)發(fā)展現(xiàn)狀和綜合學(xué)術(shù)影響力，以期為我國的技術(shù)發(fā)展提供具有建設(shè)性意義的啟示。

1 文獻(xiàn)來源、關(guān)鍵詞設(shè)置與評價指標(biāo)

1.1 文獻(xiàn)來源

文獻(xiàn)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(xué)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(xiàn)。論文數(shù)據(jù)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(shù)據(jù)來自Derwent Innovations Index數(shù)據(jù)庫[19]，索引：Chemical Section、Electrical and Electronic Section、Engineering Section。

1.2 關(guān)鍵詞設(shè)置

在大量查閱文獻(xiàn)、書籍及資料后，在安全、智能、營養(yǎng)三大領(lǐng)域中依次總結(jié)出兩組關(guān)鍵詞。第一組為技術(shù)性關(guān)鍵詞，需盡可能反映出大數(shù)據(jù)技術(shù)在該領(lǐng)域中的融合方式和發(fā)展趨勢；第二組為特征性關(guān)鍵詞，需盡可能體現(xiàn)出該領(lǐng)域區(qū)別于其他領(lǐng)域的獨(dú)有特點(diǎn)與研究方向。各領(lǐng)域中的技術(shù)性關(guān)鍵詞和特征性關(guān)鍵詞兩兩組合成檢索詞，依次在數(shù)據(jù)庫中進(jìn)行檢索，并將各組合的檢索結(jié)果匯總，以便后續(xù)分析[20]。經(jīng)分析總結(jié)后得出的各組關(guān)鍵詞如表1所示，基本涵蓋了區(qū)塊鏈、物聯(lián)網(wǎng)、云計算、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等常見的大數(shù)據(jù)技術(shù)，以及從微觀到宏觀、從方法到策略、從技術(shù)到應(yīng)用等各維度的研究內(nèi)容，因此能夠?qū)崿F(xiàn)較為全面且細(xì)致的檢索和分析。

表 1 三大領(lǐng)域中的關(guān)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(jié)果進(jìn)行人工復(fù)篩，即通過瀏覽標(biāo)題、關(guān)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(nèi)容明顯與主題無關(guān)；2）更傾向于旁類學(xué)科（農(nóng)林/畜牧/醫(yī)藥等）而非食品；3）未充分體現(xiàn)大數(shù)據(jù)思維，或大數(shù)據(jù)技術(shù)化程度明顯不足；4）缺乏針對性，與食品學(xué)科融合度不高，或未能充分體現(xiàn)出食品學(xué)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(qū)，814 所研究機(jī)構(gòu)和418 種學(xué)術(shù)期刊。以InCitesTM數(shù)據(jù)庫[21-22]和文獻(xiàn)計量在線分析平臺TM（https://bibliometric.com）為主要分析工具，對論文發(fā)表數(shù)量、專利申請數(shù)量、學(xué)術(shù)綜合影響力、國家/機(jī)構(gòu)合作關(guān)系、研究熱點(diǎn)及發(fā)展方向等內(nèi)容進(jìn)行了一系列統(tǒng)計分析。

1.3 評價指標(biāo)

本文涉及的評價指標(biāo)均來自InCitesTM數(shù)據(jù)庫[23]，主要包括：總被引頻次、H指數(shù)、篇均被引頻次、學(xué)科規(guī)范化的引文影響力（category normalized citation impact，CNCI，指一組論文在某個學(xué)科中發(fā)表論文的實(shí)際總被引次數(shù)與全球該學(xué)科同年同類型論文的平均總被引次數(shù)比值的平均值）、被引次數(shù)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(biāo)簡稱為評價論文綜合學(xué)術(shù)影響力的“五大指標(biāo)”。

2 結(jié)果與分析

2.1 總體情況分析

2010—2019 年間，食品大數(shù)據(jù)技術(shù)在安全、智能、營養(yǎng)三大領(lǐng)域的論文發(fā)表及專利申請情況如圖1所示。期間發(fā)表的論文數(shù)量分別為281、115、96 篇（其中18 篇論文涉及多個領(lǐng)域的內(nèi)容）；申請的專利數(shù)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(shù)分別為26、19、16。

圖 1 2010—2019年全球范圍內(nèi)三大領(lǐng)域的論文發(fā)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(lǐng)域，指的是利用大數(shù)據(jù)技術(shù)對食品“從土壤到餐桌”全產(chǎn)業(yè)鏈中的數(shù)據(jù)信息進(jìn)行研究管理[24]，從而發(fā)掘數(shù)據(jù)的潛在規(guī)律和動向，以實(shí)現(xiàn)食品安全品質(zhì)信息的實(shí)時獲取、及時監(jiān)管[25]，以及重大食品安全風(fēng)險的防范、預(yù)警[26]與溯源[27-28]。從論文發(fā)表數(shù)量和專利申請數(shù)量來看，自2014年起均出現(xiàn)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(qū)塊鏈[29]、食品追溯[30]、農(nóng)產(chǎn)品供應(yīng)鏈[31]等相關(guān)的論文和專利數(shù)量逐漸增加。相較于另外兩大領(lǐng)域，該領(lǐng)域已經(jīng)取得了一定的研究及應(yīng)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(shù)據(jù)共享平臺，促進(jìn)了食品安全信息的開放融通與共享互鑒，從而有效推進(jìn)了學(xué)術(shù)研究、產(chǎn)業(yè)創(chuàng)新以及監(jiān)管效能的提升。此外，該技術(shù)在歐盟食品飼料快速預(yù)警系統(tǒng)[32]和我國“食品安全云”系統(tǒng)[33-35]中也有著廣泛應(yīng)用，為構(gòu)建完善的食品安全社會共同治理模式提供了強(qiáng)力助推。

智能領(lǐng)域，指的是收集、統(tǒng)計、整合食品企業(yè)在生產(chǎn)加工過程等各環(huán)節(jié)中的數(shù)據(jù)信息，建立數(shù)字化食品企業(yè)模型[36]，通過大數(shù)據(jù)分析處理技術(shù)，對用戶的需求做出智能化分析、推理與決策[37]，實(shí)時調(diào)整生產(chǎn)方式與策略[38]，以實(shí)現(xiàn)自動化、智能化、個性化的食品生產(chǎn)加工[39]。從論文發(fā)表數(shù)量來看，自2014年起呈現(xiàn)緩慢增長趨勢（增速約5.60 篇/年）；從專利申請數(shù)量來看，2012—2016年穩(wěn)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(xiàn)與3D打印、增材制造等[40-41]主題相關(guān)的論文與專利，但就數(shù)據(jù)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(jìn)展。

營養(yǎng)領(lǐng)域，指的是通過云計算、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等大數(shù)據(jù)技術(shù)與臨床醫(yī)學(xué)、生理學(xué)、營養(yǎng)學(xué)等學(xué)科的結(jié)合[42-43]，深入挖掘個人生理指標(biāo)特征，以提供智能化、精確化、個性化的膳食營養(yǎng)指導(dǎo)與方案[44]。從論文發(fā)表數(shù)量來看，2014—2017年間基本平緩，近2～3 年間增速出現(xiàn)較大幅度提升（約12.0 篇/年）；從專利申請數(shù)量來看，呈現(xiàn)波折上升趨勢，并于2018年達(dá)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(wèi)生、疾病防控和醫(yī)療保健等[45-46]主題相關(guān)的論文與專利逐漸增多，而大數(shù)據(jù)技術(shù)在其中多以輔助手段的形式出現(xiàn)。

2.2 國家學(xué)術(shù)綜合影響力分析

圖 2 三大領(lǐng)域中發(fā)文量TOP 10國家的綜合學(xué)術(shù)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(xué)術(shù)影響力水平可以通過發(fā)文數(shù)量、總被引頻次、篇均被引頻次、H指數(shù)等諸多評價指標(biāo)進(jìn)行衡量與分析[47]。本文以三大領(lǐng)域內(nèi)發(fā)文數(shù)量位居前十的國家為研究對象，借助“五大指標(biāo)”對其學(xué)術(shù)綜合影響力進(jìn)行多維度的分析，以期更加深入、全面、細(xì)致地挖掘潛在的發(fā)展規(guī)律[48]。如圖2所示，其中橫坐標(biāo)表示TOP 10%論文比例，縱坐標(biāo)表示CNCI，氣泡大小表示發(fā)文數(shù)量，橫、縱輔助線分別表示該指標(biāo)的全球平均水平。圖2中所涉及指標(biāo)的具體數(shù)據(jù)和其他相關(guān)信息如表2所示。

在安全領(lǐng)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(biāo)上均位居世界前列，而美國則以較大的研究體量占據(jù)優(yōu)勢。中國的發(fā)文量穩(wěn)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(shí)力“不強(qiáng)”。法國的TOP 10%論文比例為0，在五大指標(biāo)上均居末位，綜合實(shí)力較弱。

表 2 三大領(lǐng)域中發(fā)文量TOP 10國家的文獻(xiàn)計量學(xué)指標(biāo)評價Table 2 Bibliometric evaluation of top ten countries in terms of publication number in three fields

在智能領(lǐng)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(biāo)上均位居前三，表現(xiàn)出較明顯的領(lǐng)跑優(yōu)勢。美、英兩國雖然在五大指標(biāo)上稍顯遜色，但發(fā)文體量較大且總被引頻次較高。中國的發(fā)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(xué)術(shù)綜合影響力仍有待加強(qiáng)。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(biāo)上均處于中下游，學(xué)術(shù)綜合影響力較差。

在營養(yǎng)領(lǐng)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(biāo)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(fā)文量和篇均被引等方面占據(jù)較大優(yōu)勢。中國有著世界第二的發(fā)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(fā)達(dá)國家之間實(shí)力差距顯著。日本和澳大利亞的發(fā)文量處于中等水平，但TOP 10%論文比例均為0，在五大指標(biāo)上均位列第8～10名，綜合實(shí)力相對落后。

2.3 國家/機(jī)構(gòu)合作關(guān)系分析

統(tǒng)計數(shù)據(jù)顯示，全球范圍內(nèi)在安全、智能、營養(yǎng)三大領(lǐng)域中發(fā)表論文的國家/地區(qū)分別有59、47、47 個；共計涉及研究機(jī)構(gòu)510、227、222 所，學(xué)術(shù)期刊271、107、91 種。將論文數(shù)據(jù)依次導(dǎo)入文獻(xiàn)計量在線分析平臺TM（https://bibliometric.com）進(jìn)行處理，所得結(jié)果如圖3所示。

圖 3 全球范圍內(nèi)各國家/地區(qū)及機(jī)構(gòu)之間的合作關(guān)系Fig. 3 Global network of partnerships between countries/regions and institutions

在安全領(lǐng)域中，世界各國及各機(jī)構(gòu)之間合作關(guān)系密切，跨區(qū)域合作頻繁。中、美、英、意等國均表現(xiàn)出較大的研究體量和較密切合作關(guān)系，尤其是美國，分別以美國康奈爾大學(xué)和美國食藥監(jiān)局為代表，形成了兩大合作最為密切的關(guān)系網(wǎng)絡(luò)（圖3B），包括了美國約翰霍普金斯大學(xué)、歐盟食品安全局、英國曼徹斯特大學(xué)、澳大利亞聯(lián)邦科學(xué)工業(yè)研究組織等來自10余個國家/地區(qū)的60余所研究機(jī)構(gòu)。中國的合作關(guān)系網(wǎng)絡(luò)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(fù)旦大學(xué)為代表，中國科學(xué)院、中國農(nóng)業(yè)大學(xué)、瑞典皇家理工學(xué)院、新加坡南洋理工大學(xué)、西班牙馬德里理工大學(xué)等數(shù)十所研究機(jī)構(gòu)共同參與的合作網(wǎng)絡(luò)。

在智能領(lǐng)域中，世界各國之間的合作程度相對不高，且多以區(qū)域性、聯(lián)盟性的合作關(guān)系為主；各研究機(jī)構(gòu)之間的溝通聯(lián)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(guān)系環(huán)，未形成較明顯的跨區(qū)域合作網(wǎng)絡(luò)。這可能是相關(guān)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(jī)構(gòu)合作關(guān)系上表現(xiàn)突出，形成了以英國伯明翰大學(xué)、英國克蘭菲爾德大學(xué)、法國農(nóng)業(yè)與環(huán)境科技研究所等12 所研究機(jī)構(gòu)為核心的關(guān)系網(wǎng)絡(luò)（圖3D），合作程度遠(yuǎn)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(jī)構(gòu)合作網(wǎng)絡(luò)上并未體現(xiàn)出優(yōu)勢。其主要合作機(jī)構(gòu)包括中國農(nóng)業(yè)大學(xué)、中國江南大學(xué)、荷蘭瓦赫寧根大學(xué)等。

在營養(yǎng)領(lǐng)域中，世界各國之間的合作程度較密切，跨區(qū)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(yōu)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(jiān)督管理局為代表，美國佛羅里達(dá)大學(xué)、歐盟食品安全局、英國劍橋大學(xué)、加拿大渥太華大學(xué)等14 所研究機(jī)構(gòu)共同參與的合作網(wǎng)絡(luò)（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(jī)構(gòu)包括中國臺灣大學(xué)、清華大學(xué)、澳大利亞墨爾本大學(xué)等，但尚未形成比較清晰的機(jī)構(gòu)合作網(wǎng)絡(luò)。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(yī)療營養(yǎng)、公共衛(wèi)生方面的研究易受地域性因素影響，因而在機(jī)構(gòu)合作上存在一定難度。

2.4 研究熱點(diǎn)及發(fā)展趨勢分析

2.4.1 關(guān)鍵詞詞頻分布及變化

2010—2019 年間，安全、智能、營養(yǎng)三大領(lǐng)域中所發(fā)表論文的關(guān)鍵詞詞頻分布及變化如圖4所示。

圖 4 2010—2019年三大領(lǐng)域的論文關(guān)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(lǐng)域中，出現(xiàn)頻次最高的關(guān)鍵詞依次是“物聯(lián)網(wǎng)”“食品安全”和“追溯”。近3～4 年間，“食品安全”詞頻數(shù)基本穩(wěn)定，“大數(shù)據(jù)”和“云計算”的詞頻數(shù)逐漸下降，而“物聯(lián)網(wǎng)”“供應(yīng)鏈”“追溯”和“冷鏈”的詞頻數(shù)穩(wěn)步增長。尤其是關(guān)鍵詞“區(qū)塊鏈”，自2016年出現(xiàn)以來，詞頻數(shù)呈激增態(tài)勢，在2019年甚至超過了原先第一位的“物聯(lián)網(wǎng)”。就研究主題來看，這可能是因為通過區(qū)塊鏈技術(shù)建立食品供應(yīng)鏈追溯系統(tǒng)的研究逐漸增多[49-51]?！盁o線射頻識別技術(shù)”“工業(yè)4.0”的詞頻數(shù)不高，但數(shù)值基本保持穩(wěn)定，這可能與視覺識別[52]、風(fēng)險監(jiān)測[53]等方面的研究相關(guān)。

在智能領(lǐng)域中，出現(xiàn)頻次最高的關(guān)鍵詞分別是“3D打印”“物聯(lián)網(wǎng)”和“增材制造”，三者最早于2015年左右出現(xiàn)，近年來詞頻數(shù)均呈現(xiàn)穩(wěn)定增長的態(tài)勢，且均于2019年出現(xiàn)激增。近年來，“工業(yè)4.0”“食品工業(yè)”的詞頻數(shù)略有下降，但不明顯；“活性包裝”“智能包裝”等關(guān)鍵詞偶有出現(xiàn)，詞頻數(shù)呈增長趨勢?！笆称焚|(zhì)量”“流變學(xué)”“圖像處理”等關(guān)鍵詞也有出現(xiàn)，這可能與食品的“3D打印”和“增材制造”有關(guān)。該技術(shù)需要研究食品原料理化性質(zhì)[54]，識別并實(shí)現(xiàn)圖像的打印[55]。就數(shù)據(jù)發(fā)展趨勢來看，以3D打印食品技術(shù)為核心的一系列綜合性研究，在未來幾年內(nèi)或?qū)⒊蔀橐淮鬅狳c(diǎn)。

在營養(yǎng)領(lǐng)域中，出現(xiàn)詞頻數(shù)最高的關(guān)鍵詞依次是“大數(shù)據(jù)”“肥胖”和“營養(yǎng)”，三者在近3 年間均呈現(xiàn)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(yǎng)、肥胖控制及健康管理等[56-57]方向發(fā)展。值得注意的是，雖然“數(shù)據(jù)系統(tǒng)”“數(shù)據(jù)分析”的詞頻數(shù)基本保持穩(wěn)定，在其他兩大領(lǐng)域中頻繁出現(xiàn)的“物聯(lián)網(wǎng)”和“區(qū)塊鏈”，在該領(lǐng)域中卻極少甚至未曾出現(xiàn)。一方面可能是因為技術(shù)結(jié)合方式不同而導(dǎo)致關(guān)鍵詞分布出現(xiàn)差異；另一方面可能是該領(lǐng)域與大數(shù)據(jù)技術(shù)的結(jié)合程度相對偏低，未來仍有較大的發(fā)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(yǎng)三大領(lǐng)域中所發(fā)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(xiàn)的論文研究方向為工程、電信、農(nóng)學(xué)、計算機(jī)科學(xué)、食品科學(xué)技術(shù)和科學(xué)技術(shù)其他專題，占各領(lǐng)域發(fā)文總數(shù)的50%以上；均有出現(xiàn)的專利德溫特分類代碼為D13、S03、T01、T04、W0和X27，占各領(lǐng)域?qū)＠暾埧倲?shù)的65%以上。

安全領(lǐng)域中占比前三的論文研究方向是工程（33.45%）、計算機(jī)科學(xué)（30.96%）和食品科學(xué)技術(shù)（15.66%），特有的論文研究方向是商業(yè)經(jīng)濟(jì)學(xué)（7.12%）、化學(xué)（6.05%）、運(yùn)籌管理學(xué)（4.98%）和材料科學(xué)（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(lǐng)域，該領(lǐng)域?qū)＠蠺01（數(shù)字電腦）的比例很高。從研究主題上分析，這是因為大數(shù)據(jù)技術(shù)已經(jīng)逐漸融入到了品質(zhì)檢測[58]、冷鏈保鮮[59]、風(fēng)險預(yù)警[60]、質(zhì)量追溯[61]、物流運(yùn)輸[36]以及農(nóng)產(chǎn)品供應(yīng)鏈[62]等方面，并且已經(jīng)取得了一定的研究成果。例如，基于大數(shù)據(jù)戰(zhàn)略的“食品安全云”系統(tǒng)，將食品安全智慧監(jiān)管體系（政用）、“互聯(lián)網(wǎng)+”檢驗檢測云服務(wù)體系（商用）、食品安全質(zhì)量追溯認(rèn)定云服務(wù)體系（民用）和食品安全大數(shù)據(jù)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(qū)塊鏈、物聯(lián)網(wǎng)的食品安全溯源技術(shù)[63]，全鏈?zhǔn)降氖称钒踩髷?shù)據(jù)監(jiān)測預(yù)警技術(shù)[64]，食品質(zhì)量監(jiān)管快速檢測技術(shù)[65]和明廚亮灶在線識別技術(shù)[66]等，已逐漸成為當(dāng)前的重點(diǎn)研究方向。這些技術(shù)能夠有效強(qiáng)化全產(chǎn)業(yè)鏈的食品安全管控，建立“從土壤到餐桌”的質(zhì)量安全保障體系，為全面提高食品安全保障水平提供了強(qiáng)大的技術(shù)支持[67]。

表 3 三大領(lǐng)域中所發(fā)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(lǐng)域中占比前三的論文研究方向是工程（31.30%）、食品科學(xué)技術(shù)（29.57%）和計算機(jī)科學(xué)（24.35%），特有的論文研究方向是化學(xué)（8.70%）、材料科學(xué)（6.96%）、營養(yǎng)學(xué)（6.96%）和運(yùn)籌管理學(xué)（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(jié)合研究主題來看，基于物聯(lián)網(wǎng)、區(qū)塊鏈、人工智能等技術(shù)的智能生產(chǎn)與加工技術(shù)，在該領(lǐng)域占據(jù)重要地位，為實(shí)現(xiàn)智能化、自動化、高效化、經(jīng)濟(jì)化的生產(chǎn)操控及監(jiān)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(shù)控加工和熱熔擠出材料等技術(shù)的3D打印食品技術(shù)[69]，在近3～4 年來得到了比較廣泛的重視。該技術(shù)能夠通過定量化、配方化的食品打印方式，模擬動植物肉質(zhì)組織[70-71]，改善食物結(jié)構(gòu)與機(jī)理[72]，滿足消費(fèi)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(shù)在未來甚至有望走出工廠，以自主售貨機(jī)等獨(dú)特形式，為精確化的膳食營養(yǎng)管理帶來了契機(jī)。

營養(yǎng)領(lǐng)域中占比前三的論文研究方向是營養(yǎng)學(xué)（31.2 5%）、計算機(jī)科學(xué)（20.8 3%）和工程（16.6 7%），特有的論文研究方向是營養(yǎng)學(xué)（31.25%）、保健科學(xué)與服務(wù)（8.33%）、生態(tài)環(huán)境科學(xué)（6.25%）和公共環(huán)境與職業(yè)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(jié)合研究主題來看，該領(lǐng)域的研究與營養(yǎng)診療[74]、慢病預(yù)防[75]、健康管理[76]、飲食控制[77]以及公共衛(wèi)生[78]等方面聯(lián)系緊密，也出現(xiàn)了一些與感官風(fēng)味優(yōu)化[79]、可穿戴智能傳感設(shè)備[80]等相關(guān)的研究，但與計算機(jī)科學(xué)等技術(shù)的結(jié)合程度相對不高。一方面可能是因為跨學(xué)科結(jié)合難度較大，導(dǎo)致技術(shù)發(fā)展程度有限；另一方面可能是該領(lǐng)域的研究通常不會將主題詞限定在“計算機(jī)科學(xué)”上，更多仍集中在營養(yǎng)、膳食以及相關(guān)疾病的檢測、監(jiān)測和防控等方面。如果能夠克服跨學(xué)科等因素帶來的障礙，實(shí)現(xiàn)云計算、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等大數(shù)據(jù)技術(shù)與醫(yī)學(xué)、生理學(xué)、營養(yǎng)學(xué)等學(xué)科的充分結(jié)合[81]，或?qū)槭称房茖W(xué)和營養(yǎng)學(xué)界帶來重大改變：一方面能夠?qū)€人生理指標(biāo)和體質(zhì)健康信息進(jìn)行深入全面的挖掘與分析，進(jìn)而提供智能化、個性化的營養(yǎng)需求方案和膳食指導(dǎo)建議[82]；另一方面能夠?qū)Ω黝愂称吩系臓I養(yǎng)成分與功能性質(zhì)進(jìn)行全面化的挖掘分析，實(shí)現(xiàn)高效化、精確化的營養(yǎng)食品配置，最終實(shí)現(xiàn)科學(xué)健康的膳食管理[83]。

3 結(jié) 語

食品大數(shù)據(jù)技術(shù)的融合與應(yīng)用是未來食品行業(yè)發(fā)展的熱點(diǎn)，具有巨大的發(fā)展?jié)摿脱芯績r值。本文采用文獻(xiàn)計量學(xué)的方法，揭示了該技術(shù)在安全、智能、營養(yǎng)三大領(lǐng)域中的研究現(xiàn)狀與發(fā)展規(guī)律：1）從技術(shù)發(fā)展趨勢來看，安全領(lǐng)域中已經(jīng)取得了較多的研究及應(yīng)用成果，正處在快速發(fā)展的過程中；智能和營養(yǎng)領(lǐng)域中發(fā)展速度較慢，尚未取得顯著性成果。2）從國家學(xué)術(shù)綜合影響力來看，安全、營養(yǎng)領(lǐng)域方面德國、意大利，智能領(lǐng)域西班牙、澳大利亞等國，以較小的發(fā)文體量和較強(qiáng)的綜合實(shí)力占據(jù)領(lǐng)先優(yōu)勢。美國在部分指標(biāo)上略顯遜色，但各領(lǐng)域的綜合實(shí)力均居世界前列。我國近年來在各領(lǐng)域中均表現(xiàn)出了較大的研究體量，但在五大指標(biāo)上均明顯落后，說明尚未躋身世界研究強(qiáng)國之列。3）從國家/機(jī)構(gòu)合作關(guān)系來看，安全領(lǐng)域中世界各國合作關(guān)系密切，跨區(qū)域合作頻繁，尤其以美國食藥監(jiān)局和康奈爾大學(xué)等為代表，形成了一體化趨勢較強(qiáng)的合作關(guān)系網(wǎng)絡(luò)；智能和營養(yǎng)領(lǐng)域中的國際合作程度相對不高，區(qū)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(wǎng)絡(luò)。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(wǎng)絡(luò)。4）從研究熱點(diǎn)來看，安全領(lǐng)域的研究多與品質(zhì)檢測、冷鏈保鮮、風(fēng)險預(yù)警、質(zhì)量追溯、物流運(yùn)輸以及農(nóng)產(chǎn)品供應(yīng)鏈等方面相關(guān)，為食品安全社會共治體系的健全與完善提供了強(qiáng)大助力；智能領(lǐng)域的研究多集中在材料科學(xué)、數(shù)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(yǎng)領(lǐng)域的研究內(nèi)容多與營養(yǎng)診斷、飲食控制、健康管理、公共衛(wèi)生等方面相關(guān)，距離其實(shí)現(xiàn)智能化、精確化的膳食營養(yǎng)干預(yù)仍比較遙遠(yuǎn)。

本文對文獻(xiàn)數(shù)據(jù)的研究可為我國的食品大數(shù)據(jù)技術(shù)發(fā)展帶來一定的啟示。目前國內(nèi)該技術(shù)的研究內(nèi)容主要集中在食品安全監(jiān)管[16,25]和農(nóng)產(chǎn)品供應(yīng)鏈[84-85]等方面，以及一些中小規(guī)模智能器件的研發(fā)與創(chuàng)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(chǎn)業(yè)信息資源作支撐，但其在發(fā)展與應(yīng)用中依舊存在著數(shù)據(jù)質(zhì)量差、應(yīng)用程度低、信息壁壘嚴(yán)重、缺乏頂層設(shè)計等問題[7,32]。這一方面需要積極借鑒發(fā)達(dá)國家的發(fā)展經(jīng)驗，推動食品數(shù)據(jù)規(guī)范化建設(shè)[32]，建立食品信息共享交流平臺[35]，加強(qiáng)人才引導(dǎo)與技術(shù)交流，實(shí)現(xiàn)智能化技術(shù)與食品行業(yè)生產(chǎn)實(shí)踐有機(jī)融合[90]；另一方面則需要更加注重獨(dú)立思維和創(chuàng)新精神，強(qiáng)化自主研發(fā)，實(shí)現(xiàn)科技創(chuàng)新，深入研究我國食品行業(yè)的發(fā)展特點(diǎn)，開拓出具有中國特色的技術(shù)發(fā)展道路[91]。

此外，本文可能存在3 點(diǎn)研究局限性，一是大數(shù)據(jù)技術(shù)和食品學(xué)科所涵蓋的內(nèi)容較為廣泛，因此在領(lǐng)域邊界劃定、檢索詞設(shè)置和人工復(fù)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(shù)據(jù)類型有限，本文僅選取WOS核心合集和DII數(shù)據(jù)庫為數(shù)據(jù)來源，未來研究中可進(jìn)一步擴(kuò)展[92]；三是本文主要通過文獻(xiàn)計量學(xué)指標(biāo)展開描述性分析，并未使用更加復(fù)雜的計量學(xué)方法（如共引/共詞聚類分析等[93]），故未能針對大數(shù)據(jù)技術(shù)的線條與規(guī)律展開更為深度的分析與挖掘。