Innovaciones Sostenibles en La Industria Alimentaria A Través de Inteligencia Artificial ESPAÑOL

compartir
primera página ajust

lens
abstractas(/) (/)
lens
Introducción
lens Compartir
Metodología de revisión
Revistas (/about/journals) Temas (/topics) Información (/authors)
searchmenu
Servicios de
anuncio
lens
Alcance
lens autor (/authors/english) Iniciativas (/about/initiatives) Acerca de (/about)
Recomendaciones
Ayuda
lens
formato_cita
Aplicaciones de IA y BDA en el
Sector Alimentario Ingresar. Registrarse (/user/login)
lens
Implicaciones
Citar y limitaciones
pregunta respuesta
lens
Conclusiones
Entregar (https://susy.mdpi.com/user/manuscripts/upload?
lens
Contribuciones de autor journal=logistics)
lens Discutir en
Fondos
SciProfiles
lens  
Declaración
Buscar de la: Junta de
(https://sciprofiles.com/discussion-
artículos
Revisión Institucional
groups/public/10.3390/logistics5040066)
Título / Palabra clave
pulgar arriba
lens
Declaración de consentimiento
informado
Autor / Afiliación / Correo electrónico
lens
Declaración
Endosar de disponibilidad de
mensajes de texto
Logística
datos
lens
Expresiones dearticulos
Todos los tipos de gratitud
lens Comentario
Conflictos de interés
lens
Buscar
Referencias
AvanzadoBuscar

Revistas (/about/journals) / Logística (/journal/logistics) / Volumen 5 (/2305-6290/5) /
Número 4 (/2305-6290/5/4) / 10.3390/logistica5040066 /
(/journal/logistics)
Enviar a este Diario

(https://susy.mdpi.com/user/manuscripts/upload?
form%5Bjournal_id%5D%3D170)
Reseña de esta revista

(https://susy.mdpi.com/volunteer/journals/review)
Editar un número especial

(/journalproposal/sendproposalspecialissue/logistics)
► Menú de artículos
Volver arribaArriba
compartir
Menú de
(/) artículos
lens
abstractas
lens
Introducción
lensEditor
Compartir
Académico
Metodología de revisión keyboard_arrow_up searchmenu
anuncio
lens
Alcance
lens roberto handfield
Recomendaciones
Ayuda
lens
formato_cita
Sector Alimentario
Suscríbete a SciFeed (/2305-
lens6290/5/4/66/scifeed_display)
Implicaciones
preguntakeyboard_arrow_downrespuesta
lens
Conclusiones
Artículos recomendados
lens
Contribuciones de autor
lens Discutir en
Fondos
Enlace de información relacionada
SciProfiles
lens  
Declaración de la Junta de
Más de Autores
Revisión Enlaces
Institucional
groups/public/10.3390/logistics5040066)keyboard_arrow_down
pulgar arriba
lens
Vistas de artículos 4583
informado
lens
Declaración
Citas 10
mensajeskeyboard_arrow_upde texto
datos
lensTabla de contenido
Expresiones de gratitud
lens Comentario
lens
Referencias
Acceso abierto Revisar
Innovaciones Sostenibles en la Industria Alimentaria a

través de Inteligencia Artificial y Big Data Analytics
por
saurabh sharma (https://sciprofiles.com/profile/1697498)1  (mailto:please_login),
Vijay Kumar Gahlawat (https://sciprofiles.com/profile/1230644)1,* 
(mailto:please_login) (https://orcid.org/0000-0003-1379-4076),
Raúl Kumar (https://sciprofiles.com/profile/848030)1  (mailto:please_login),
Rahul S Mor (https://sciprofiles.com/profile/147382)2  (mailto:please_login)
(https://orcid.org/0000-0002-3481-5430)y
mohit malik (https://sciprofiles.com/profile/1662276)1  (mailto:please_login)
(https://orcid.org/0000-0001-8247-2746)
1 Departamento de Ciencias Básicas y Aplicadas, Instituto Nacional de Emprendimiento y

Gestión de Tecnología Alimentaria, Kundli, Sonepat 131028, India
Volver arribaArriba
2 Departamento de Ingeniería de Alimentos, Instituto Nacional de Emprendimiento y Gestión
compartir
primera p gina ajust
lens
abstractas(/)
lens de Tecnología de Alimentos,
á Kundli, Sonepat 131028, India
Introducción
searchmenu
* Compartir
Autor a quien
lens
Metodología de debe dirigirse la correspondencia.
revisión
anuncio
lens
Alcance
lensLogística 2021 , 5 (4), 66; https://doi.org/10.3390/logistics5040066
Recomendaciones
Ayuda
lens(https://doi.org/10.3390/logistics5040066)
formato_cita
Sector Alimentario
Recibido: 28 mayo 2021 / Revisado: 9 julio 2021 / Aceptado: 19 julio 2021 /
lens
Implicaciones
Publicado:
Citar y limitaciones 2021
27 septiembre
pregunta respuesta
lens
Conclusiones
(Este artículo pertenece al Número especial Agrologística 4.0: Tendencias emergentes e
lens
investigación innovadora en logística agroalimentaria basada en datos (
lens Discutir en
Fondos
/journal/logistics/special_issues/agr_logis
lens 
SciProfiles )) 
Descargar Examinar figura (https://pub.mdpi-
pulgar arriba
lens
informado
res.com/logistics/logistics-05-00066/article_deploy/html/images/logistics-05-00066-
lens
Declaración
mensajes de texto
datos
g001.png?1632725504) Informes de revisión (/2305-6290/5/4/66/review_report)
lens
lens Comentario
lens Versiones Notas (/2305-6290/5/4/66/notes)
Referencias
Volver arribaArriba
compartir
lens
abstractas(/)
lens
Introducción
Abstracto
lens Compartir
searchmenu
anuncio
lensEl sector agroalimentario es una fuente inagotable de expansión para alimentar a una gran
Alcance
lenspoblación, pero existe una gran necesidad de desarrollar procedimientos de alto estándar a
Recomendaciones
Ayuda
lenstravés
de tecnologías inteligentes e innovadoras, como la inteligencia artificial (IA) y el big
formato_cita
data. Este
Sector documento aborda la investigación relacionada con la IA y el análisis de big data
Alimentario
lensen la industriay limitaciones
alimentaria, incluido el aprendizaje automático, las redes neuronales
Implicaciones
Citar
pregunta respuesta
lensartificiales (ANN) y varios algoritmos. Los patrones de logística, cadena de suministro,
Conclusiones
lensmercadeo y producción
Contribuciones de autorestán cubiertos junto con las aplicaciones del subsector de alimentos
lenspara técnicas
Discutir en de inteligencia artificial. Se encuentra que la utilización de técnicas de IA y el
Fondos
SciProfiles

lensalgoritmo de optimización inteligente también conduce a una gestión significativa de 
procesos
Revisión yInstitucional
producción. Por lo tanto, las tecnologías digitales son una bendición para la
lensindustria alimentaria,
pulgar arriba
informado
Palabras clave:inteligencia artificial (IA) (/search?q=artificial+intelligence+%28AI%29) ;
lens
Declaración
grandes
Endosar de disponibilidad
datos de
(/search?q=big+data) ; agroalimentario (/search?q=agri-food) ;
mensajes de texto
datos
aprendizaje automático (ML) (/search?q=machine+learning+%28ML%29) ; redes
lens
Expresionesartificiales
neuronales de gratitud (RNA) (/search?q=artificial+neural+networks+%28ANN%29) ;
lens Comentario
Conflictos de
algoritmos interés
(/search?q=algorithms)
lens
Referencias
1. Introducción
La buena calidad de los alimentos es un requisito fundamental, y el aspecto principal de

cualquier alimento es la seguridad alimentaria, una parte integral de la calidad de los
alimentos. La escasez de alimentos ya ha sido un factor crítico debido a la tremenda
explosión demográfica y varios factores socioeconómicos [ 1 ]. Este enorme cambio en la
población de tres mil millones a más de seis en las últimas cinco décadas ha creado una
demanda masiva en el consumo de alimentos [ 2 ]. Para 2050, habrá un aumento global
aproximado de la población en un 30 %, seguido de la crisis alimentaria y un estrés
impactante para aumentar la producción de alimentos hasta en un 70 % [ 3 , 4]. La
agricultura está experimentando una mayor diversificación, lo que provoca un impacto
masivo en los recursos no renovables, que se prevé que se agoten en unas pocas décadas.
Este sector requiere continuamente un recurso de entrada adecuado, un control estricto y
una estrategia de cadena de suministro amigable para el consumidor. El calentamiento
global es una amenaza importante debido a la emisión de CO 2 y la deforestación,
principalmente por la alta utilización de los recursos. La inseguridad alimentaria puede estar
en aumento debido a la adaptación a las nuevas condiciones ambientales, lo que puede
crear escasez de recursos en grandes áreas de muchos países.
Volver arribaArriba
El agotamiento de los recursos debido a la sobreexplotación dará como resultado la
compartir
lens
abstractas(/)
lensconversión a una nueva conformación
á en las condiciones ambientales, lo que sin duda se
Introducción
lensconvierte en un proceso poco práctico en el escenario futuro. Conduce a la inseguridad
Compartir
searchmenu
anuncio
lensalimentaria, la caída económica, el aumento de la recesión, el aumento de los precios de los
Alcance
lensbienes esenciales y las materias primas agrícolas, las epidemias humanas y animales, las
Recomendaciones
Ayuda
pandemias,
lens la falta de fiabilidad en el enfoque agrícola y los riesgos [ 3 , 5 , 6]. Finalmente, la
formato_cita
compra de alimentos sigue siendo un tema destacado en la cadena de oferta y demanda. La
Sector Alimentario
lensselección de un enfoque práctico entre las prácticas modernas sostenibles producirá mejores
Implicaciones
lensresultados en la retención de la eficiencia y la satisfacción de la demanda. La fabricación y el
pregunta respuesta
Conclusiones
lensprocesamiento de nuevos cultivos han sido posibles gracias a los nuevos avances. Para
lenssatisfacer
Discutir en la demanda de los consumidores y garantizar una producción rápida, la industria
Fondos
SciProfiles
lensalimentaria
 introdujo un número limitado de técnicas de procesamiento de alimentos. 
¿Podrán estos inventos alimentar a la población en rápida expansión y evitar lo inevitable?
Con el aumento de la demanda y los correspondientes avances tecnológicos, como la
pulgar arriba
lens
inteligencia
informado
artificial y el análisis de big data (BDA), parece probable [ 7 ].
lens La inteligencia artificial (IA) se considera una escalera de crecimiento que influye en los
Declaración
mensajes de texto
científicos
datos y los gobiernos, incluidos los enfoques políticos y económicos convencionales
lenspara enfrentardeestos desafíos [ 3 ]. Apoyar y nutrir a la creciente población mediante el
Expresiones gratitud
lenssuministro
Conflictosde
de alimentos nutritivos y seguros es una búsqueda bastante exigente y compleja
Comentario
interés
lenspara la industria alimentaria. Los productos alimenticios están sujetos a numerosas
Referencias
evaluaciones de procesamiento de calidad, una tarea más laboriosa y engorrosa que carece
de equipos calibrados bien equipados, métodos de validación y personal capacitado. Los
accidentes debido a la seguridad alimentaria están aumentando a nivel mundial, por lo que
los consumidores están prestando más atención a los problemas de seguridad alimentaria.
La previsión de peligros, la evaluación de riesgos y la prevención relacionada con la
inocuidad de los alimentos requieren un enfoque de predicción heurística simple y eficiente,
como BDA, para mitigar los riesgos. Los investigadores afirmaron que "Big data son activos
de información de gran volumen, alta velocidad y gran variedad que requieren nuevas formas
de procesamiento para mejorar la toma de decisiones, el descubrimiento de conocimientos y
la optimización de procesos" [8 ] . Los esfuerzos de colaboración de los actores del sector
público y privado son necesarios para identificar los brotes de inocuidad de los alimentos
seguidos del rastreo de las posibles causas [ 9]. Existe la necesidad de desarrollar
procedimientos de grado de alto estándar por parte de las industrias alimentarias que sean
más confiables para controlar la calidad del producto. Sin embargo, la industria posee un
plan de acción variado que no es lineal, corregido por un enfoque automático y confiable
como la IA y la trazabilidad. AI describe una metodología computacional que representa la
competencia mental y una solución inteligente para diversos problemas de la industria
alimentaria, lo que lleva a la trazabilidad de la seguridad alimentaria [ 10 ].
La automatización ayuda a las líneas de procesamiento de alimentos y se recopila,
VolverlaarribaArriba
almacena y analiza una cantidad significativa de datos para mejorar aún más cadena de
lenssuministro
abstractasde alimentos y se utiliza para la evaluación de riesgos. Sin embargo, implementar
compartir
(/)
lenstales tecnologías atrae a los piratas informáticos y crea un nuevo riesgo para la industria. Se
Introducción
lensrealizó
Compartirun
searchmenu
estudio para cuantificar la competencia informática actual, la exposición a la
anuncio
lensciencia de los alimentos y la familiaridad con los problemas de seguridad cibernética de los
Alcance
lensestudiantes en la ciencia de los alimentos y campos relacionados [ 11 ]. BDA y las
Recomendaciones
Ayuda
tecnologías
lens asociadas mejoran el rendimiento a través de Internet de las cosas (IoT) para la
formato_cita
seguridad alimentaria y la trazabilidad de la cadena de suministro para resolver problemas
Sector Alimentario
lensde seguridad alimentaria [ 12 ]. La transparencia basada en RFID para implementar los
Implicaciones
lensderechos y regulaciones también juega un papel crucial para garantizar la seguridad
pregunta respuesta
Conclusiones
lensalimentaria [ 13]. La digitalización moderna genera datos masivos a un ritmo revolucionario
lenspara decisiones
Discutir en optimizadas para hacer frente a los crecientes problemas de los productos
Fondos
SciProfiles
lensagrícolas,
 explorar el complejo potencial agrario y monitorear el funcionamiento de la 
máquina. Varias empresas y agricultores podrían utilizar la aplicación de big data mediante el
análisis y la extracción de información de valor productivo, mejorando así su eficacia y
pulgar arriba
lens
abriendo una nueva puerta para la agricultura inteligente [4 ] .
informado
lens Al obtenerdeladisponibilidad
Declaración
Endosar ventaja de ladeinteligencia artificial y BDA en cada segmento de enlace en la
mensajes de texto
adición
datos de la cadena de valor, es decir, 'de la granja a la mesa', la industria alimentaria puede
lensimpulsar la capacidad
Expresiones de gratituddigital para la creación de valor sostenible. También conducirá a la
lenspredicción
Conflictos del fraude alimentario utilizando datos del Sistema de Alerta Rápida para
Comentario
de interés
lensAlimentos y Piensos [ 14 ]. Algunos desarrollos de IA en la cadena de suministro son la
Referencias
previsión de demanda basada en IA, la gestión de riesgos, la resiliencia, el transporte, la
selección de proveedores, la gestión de inventario, etc. [ 15]. La recopilación e
implementación de datos puede ayudar a utilizar los recursos de manera más eficiente y
responsable, mejorar la asignación de decisiones y ejecutar un enfoque de economía circular
en la cadena alimentaria. Los sistemas inteligentes y de automatización también se pueden
usar para seleccionar los productos químicos apropiados para la seguridad alimentaria, y los
robots multitarea ayudan aún más a hacerlo rápido con una calidad mantenida [ 16 ].
Para la sostenibilidad, la cadena de suministro agroalimentaria necesita encontrar las
áreas objetivo para mejorar la logística [ 17 ]. La aplicación de la Industria 4.0 en las
industrias manufactureras modernas es cada vez más competitiva, imperativa pero ignorada
por las pequeñas y medianas empresas. Tales tecnologías desarrolladas benefician a los
fabricantes con infraestructura heredada, asuntos menores al proporcionar un sistema de
referencia para aplicar enfoques de Industria 4.0 en la industria alimentaria [ 18 , 19 , 20 , 21
]. Los autores realizaron un estudio titulado "Potenciales de innovación y caminos que
combinan IA, CPS e IoT" e indican que el factor humano y sus dimensiones de colaboración
artificial y la perspectiva humana serán fundamentales en la aplicación de tecnología de IA
en logística [22 ]. El aprendizaje automático encontró su aplicación en la cadena de
suministro agrícola, dividida en varias fases: preproducción, producción, procesamiento y
distribución [ 18 ]. El sistema de medición del rendimiento de la cadena de suministro basado
Volver arribaArriba
lensen big data da como resultado un rendimiento sólido y sostenible en una organización [ 23 ,
compartir
abstractas
(/)
lens24 , 25 ].
Introducción
lens Este documento se ocupa de los hallazgos y la investigación de la tecnología de
Compartir
searchmenu
anuncio
lensautomatización desarrollada que rige la IA y BDA en el sector alimentario. Además, destaca
Alcance
lenslas tecnologías actuales disponibles en las diferentes industrias de procesamiento de
Recomendaciones
Ayuda
alimentos.
lens Existe una necesidad urgente de llenar el vacío de todos los problemas
formato_cita
relacionados con la alimentación y la agricultura y optimizar los métodos de procesamiento
Sector Alimentario
lensexistentes disponibles con la futura tecnología de automatización sostenible. La principal
Implicaciones
lensventaja del ensamblaje de las tecnologías automatizadas y los sistemas inteligentes cubre la
pregunta respuesta
Conclusiones
lensreducción de errores y la precisión mejorada, el proceso de toma de decisiones, la previsión
lensmejorada,
Discutir en el aumento de la eficiencia, la reducción del consumo de tiempo y el costo. El
Fondos
SciProfiles
lensresto
 del papel se ordena de la siguiente manera. la Sección 2 presenta la metodología; 
Seccion 3presenta el alcance, y la Sección 4 da la parte de hallazgos. La Sección 5
contiene las aplicaciones de AI y BDA en la industria alimentaria, seguida de las
pulgar arriba
lens
implicaciones
informado y limitaciones en la Sección 6 , y la Sección 7 ofrece las conclusiones.
lens
Declaración
2. datos
mensajes de texto
lens
lens Comentario
Se sigue una metodología sistemática para recopilar datos y realizar análisis. En el
lensestudio actual, hicimos una revisión sistemática de la literatura, adoptando el proceso de
Referencias
cinco fases propuesto por Denyer y Tranfield (2009). En la segunda fase, se realiza una
búsqueda piloto para comprender mejor los desarrollos actuales en el área. Recopilamos
estos datos de investigación de varias bases de datos como Scopus, Science Direct, la
biblioteca en línea de Wiley, Taylor & Francis, etc., con palabras clave, títulos y resúmenes
particulares, incluido un período específico. En la tercera fase, seleccionamos los artículos
relevantes sobre el tema. Se prefieren Scopus y Web-of-Science debido a sus exhaustivas
bases de datos [ 26]. Las dos últimas fases consisten en la parte analítica y los hallazgos
además de los resultados. Seleccionamos los artículos basados en el idioma inglés y
Mendeley se utiliza para organizar las referencias.
3. Alcance
La investigación en IA se centra en el desarrollo de enfoques computacionales del

comportamiento inteligente para hacer que las máquinas sean más útiles e inteligentes [ 27].
La capacidad de aprender, pensar y tomar decisiones como los humanos puede hacerse
posible a través de la inteligencia artificial. Varias otras terminologías como el aprendizaje
automático, el aprendizaje profundo y la ciencia de datos se consideran subconjuntos de la
IA. El aprendizaje automático prepara herramientas estadísticas para investigar los datos,
que pueden pasar por datos etiquetados o algoritmos de agrupamiento basados en la
Volver arribaArriba
lenssimilitud
de los datos. La comprensión profunda proporciona arquitectura o una plataforma
compartir
abstractas
(/)
lenspara desarrollar redes neuronales múltiples como una herramienta para imitar el cerebro
Introducción
lenshumano en ANN, redes neuronales convolucionales y redes neuronales recurrentes. Las
Compartir
searchmenu
anuncio
lensANN se ocupan de la declaración de un problema en números, y las redes neuronales
Alcance
lensconvolucionales toman información en imágenes o dibujos. Los problemas relacionados con
Recomendaciones
Ayuda
las
lens series de tiempo se pueden tratar con redes neuronales recurrentes.
formato_cita
La inteligencia artificial (IA) tiene amplias aplicaciones, incluido el sector médico y de la
Sector Alimentario
lenssalud,el marketing y el comercio de acciones, la robótica, la teledetección, las industrias
Implicaciones
lenspesadas, el transporte, las telecomunicaciones, la aviación, los descubrimientos científicos y
pregunta respuesta
Conclusiones
lenslos juegos virtuales. La informática se ocupa del análisis de los grandes datos generados
lenspara respaldar
Discutir en los programas de evaluación, prevención y mitigación de riesgos a fin de
Fondos
SciProfiles
lensoptimizar
 los resultados de la inocuidad de los alimentos [ 9 ]. Las aplicaciones actuales de la

tecnología blockchain en la cadena de valor agroalimentaria son la trazabilidad, la fabricación
de alimentos, la gestión sostenible del agua y la seguridad de la información de la cadena de
pulgar arriba
lens
valor agroalimentaria [ 28]. La inteligencia estrecha proporciona información sobre dominios
informado
lensdefinidos
específicamente, como
Declaración
Endosar de disponibilidad de la inspección de imágenes en varios procesos de escaneo,
mensajes de texto
como
datosrayos X y radiología de resonancia magnética. La resonancia magnética es una
lenstécnicano invasiva eficaz para la evaluación de la calidad en una amplia variedad de
lensproductos
Conflictosalimenticios. Aplicaciones de la resonancia magnética en la evaluación de la
Comentario
de interés
lenscomposición
Referenciascorporal y distribución de grasa, distribución de sal y agua, estructura muscular,
procesos de cocción y congelación, diarios, cereales y galletas, frutas y verduras [29 ] . Sin
embargo, la inteligencia general entrega para realizar los resultados que requieren la
inteligencia humana [ 30 ]. Dado que la producción es una de las áreas importantes en las
industrias, los investigadores adoptaron un enfoque con respecto al sistema de fabricación
para estandarizar las operaciones de la planta [ 31]. Los investigadores relacionan
decisiones generalizadas que asignan los datos en bucles de retroalimentación para la
improvisación y detectan un mecanismo confiable para vehículos aéreos sin tripulación de
múltiples rotores utilizando un enfoque de aprendizaje automático [32 ] . Lo mismo puede
aplicarse con éxito a la línea de producción de la industria alimentaria para detectar
productos no estándar en la técnica de aprendizaje automático.
Además, la ciencia de datos moderna es importante para la comunidad científica y el
mapeo digital de la perspectiva del consumidor. Los investigadores describieron la tecnología
innovadora adoptada por John Deere que brinda accesibilidad a los agricultores para
verificar los datos pertinentes para la toma de decisiones [ 33 ]. A nivel mundial, el sector
agrícola pronto será testigo de una transformación masiva en todos los niveles al demostrar
la aplicación de la IA. Se esperaba que el valor de la IA en la agricultura mostrara un enorme
crecimiento de USD 432 millones en 2016 a USD 2600 millones a una tasa de crecimiento
observada del 22,5 % CAGR estimada por investigadores de mercado [ 34 ] .
Los grandes datos se utilizan en la banca, la agricultura inteligente, las finanzas, la
atención médica, las ciudades inteligentes y el sector de fabricación basadoVolver
en IoTarribaArriba
mediante
lenssensores, dispositivos de recuperación de datos para el almacenamiento y procesamiento de
compartir
abstractas(/)
lensdatos efectivos para proyectos futuros [35 , 36 ] . Big data se aplica principalmente en la
Introducción
lensobservación
Compartir de las preocupaciones que rigen los problemas globales como la seguridad
searchmenu
anuncio
lensalimentaria, la seguridad, la viabilidad y el progreso en la eficiencia, lo que hace que el
Alcance
lensalcance de big data esté más allá de la imaginación en la agricultura e incluye toda la cadena
Recomendaciones
Ayuda
de
lens suministro de alimentos. La conexión de dispositivos en la agricultura y la cadena de
formato_cita
suministro conduce a la evolución de los datos en tiempo real a través de Internet de las
Sector Alimentario
lenscosas inalámbrico y sin complicaciones. Los conjuntos de datos son datos orientados a
Implicaciones
lensprocesos, orientados a máquinas y de origen humano para predecir conocimientos en
pregunta respuesta
Conclusiones
lensmejoras de procesos comerciales y agrícolas [ 37]. Desde BDA, computación en la nube,
lensagrupamiento,
Discutir en minería de datos tiene que encontrar su camino como una raíz profunda para
Fondos
SciProfiles
lensla
 innovación y el progreso en todos los sectores [ 38 ]. La Tabla 1 destaca las áreas en las
que se puede utilizar la IA junto con la tecnología en particular.
pulgar arriba
lens
Tabla 1. Técnicas y Aplicaciones de la Inteligencia Artificial.
informado
lens
Declaración
mensajes de texto
datos
lens
lens Comentario
lens
Referencias
4. Hallazgos
El desarrollo de programas de IA como sistemas expertos que ocasionalmente requieren

inteligencia del nivel humano ha llevado a una evolución significativa. Uno de esos
programas fue diseñado en el Instituto de Investigación de Stanford en 1965 llamado
DENDRAL, que podía determinar la estructura molecular mediante el análisis de compuestos
químicos. Más tarde, a mediados de la década de 1970, se desarrolló otro programa llamado
MYCIN para diagnosticar infecciones bacterianas, que fue designado como el primer sistema
experto preciso [ 39 ]. En otro estudio, los investigadores comparten una idea clara y
pragmática sobre el uso de herramientas quimiométricas en la ciencia de los alimentos,
centrándose en la composición de los productos químicos y los marcadores químicos
basados en la autenticación de los alimentos en relación con los efectos de las variables de
proceso relevantes [40 ] .
El análisis de big data y la inteligencia artificial garantizarían una toma de decisiones
rápida. Los impactos funcionales de BDA incluyen: (1) Análisis descriptivo para identificar
patrones, agrupación, identificar riesgos agroalimentarios, evaluación comparativa. (2)
Análisis predictivo para predecir eventos futuros mediante el análisis de la previsión de la
demanda, el precio, el clima, la cantidad, el comportamiento del cliente, etc. (3) El análisis
Volver arribaArriba
lensprescriptivo
abstractas(/)ayuda a tomar mejores decisiones y determinar lo que sucederá mediante la
compartir
primera
lensoptimización
Introducciónpágina ajust
matemática y la simulación. Se puede utilizar en la toma de decisiones, la
lensrobótica
searchmenu
automática en la cosecha y plantación de cultivos y la gestión de riesgos [ 41 ]. La
Compartir
anuncio
lensaplicación de BDA también predice diferentes problemas relacionados con la logística, la
Alcance
lenssalud de la fuerza laboral, la seguridad, las condiciones de los vehículos, la seguridad, las
Recomendaciones
Ayuda
infracciones
lens de las normas de tránsito, etc., para reducir los riesgos de la cadena de
formato_cita
suministro [ 42]. Al emplear el análisis de redes neuronales como una plataforma que utiliza
Sector Alimentario
lensBig Data, tanto las reseñas de clientes en línea como las estrategias de marketing
Implicaciones
lenspromocional juegan un papel muy importante en la predicción de la demanda de productos [
pregunta respuesta
Conclusiones
lens43 ]. Los autores demostraron la utilización de BDA para reconocer la relación entre la
lensexperiencia
Discutir en y la satisfacción [ 44 ]. La carne cultivada, cultivada artificialmente en asociación
Fondos
SciProfiles
lenscon
 la ingeniería de tejidos, es una de las alteraciones notables más impactantes en el sector 
alimentario [ 45 ].
Se desarrolló un sistema robótico neuromórfico para una plataforma de bajo costo y
pulgar arriba
lens
cómoda para el usuario para varias aplicaciones de robótica neuromórfica, donde los picos
informado
lensde Endosar
salida
se de
generan a través
Declaración disponibilidad de del microcontrolador después de conectar los sensores al
mensajes de texto
microcontrolador
datos [46 ] . Puede tener importantes aplicaciones en la industria alimentaria. El
lensaprendizajeautomático
Expresiones de gratitud surgió con big data en la industria agroalimentaria para proporcionar
lensunComentario
mejor apoyo a la toma de decisiones y movimientos utilizando sensores basados en IA
lensquetrabajan en la gestión de cultivos, la predicción del rendimiento, la detección de
Referencias
enfermedades y el reconocimiento de especies [ 47 ] . Los bienes de consumo de rápido
movimiento (FMCG) se están expandiendo a un ritmo increíble [ 48]. Desde el mundo
corporativo de los negocios y las finanzas hasta el mundo no corporativo de la medicina y los
productos farmacéuticos, diferentes sectores están asociados con varios sistemas
inteligentes como la lógica difusa, las redes neuronales y los algoritmos de constitución
genética [ 49 ] . Un artículo informó sobre una 'nariz electrónica' capaz de detectar y
caracterizar olores basándose en una combinación de técnicas difusas y neuronales que
diferencia con precisión entre varias mezclas de café [ 50 ]. Se encontró que las ANN, la
lógica difusa, los sistemas con decisiones expertas, los algoritmos actualizados y sus
combinaciones se consideraban los mejores agentes para resolver problemas de secado [
51] .]. El secado de alimentos ha surgido en la forma de un "controlador derivado integral
proporcional inmune difuso genéticamente optimizado (GOFIP)" diseñado y demostrado con
precisión mejorada, cero sobrepaso y rendimiento de control y tiende a alcanzar el valor de
contenido de humedad final muy rápidamente [ 52 ] . Para evaluar valores de energía y
exergía como eficiencia, pérdida y utilización, con la ayuda de algoritmos de aprendizaje y
funciones de transferencia, se diseñó una red feed-forward con dos capas y 15 neuronas en
la capa oculta del secador de lecho fluidizado para cubos de papa. [ 53 ].
Las enfermedades y los patógenos transmitidos por los alimentos causan anualmente
un gran número de enfermedades y muertes. Para la trazabilidad en brotes de enfermedades
y garantizar la seguridad alimentaria, la industria también está analizandoVolver arribaArriba
las posibilidades
lensde la tecnología blockchain y la secuenciación genómica de próxima generación [ 19 ]. Los
compartir
abstractas
(/)
lensmétodos convencionales de análisis microbiológicos y químicos se realizaron previamente
Introducción
lenspara realizar
Compartir
searchmenu
pruebas de control de calidad a través del muestreo, extrayendo una muestra
anuncio
lensaleatoria de un lote tedioso y que consumía mucho tiempo [ 54]. El cambio climático, el
Alcance
lenscambio en los patrones de consumo y la globalización han resultado en riesgos
Recomendaciones
Ayuda
microbiológicos
lens para la seguridad alimentaria en la cadena de suministro de productos
formato_cita
frescos. En un informe, se emplean técnicas de modelado de simulación para los sistemas
Sector Alimentario
lensde gestión de la seguridad alimentaria a través de operaciones de entrada y salida de
Implicaciones
lensherramientas de evaluación mejoradas para la seguridad microbiana de los alimentos, el
pregunta respuesta
Conclusiones
lensmodelado de envases y la mejora de la vida útil de los productos frescos [55 ] . La
lensgeneración
Discutir en de peligros a través de la mala gestión de los alimentos que afectan a la salud
Fondos
SciProfiles
lensestá
 bien documentada [ 56 ]. Los profesionales en su hallazgo describieron la utilidad de la 
toma de huellas dactilares para detectar la adulteración de alimentos. Los fraudes
alimentarios y las disputas pueden identificarse siguiendo el concepto del sistema de
pulgar arriba
lens
trazabilidad
informado alimentaria e involucrando estrategias sensibles y precisas [ 57 ].
lens Teniendo de
Declaración
Endosar endisponibilidad
cuenta la salud
de y la seguridad como una de las principales preocupaciones,
mensajes de texto
la datos
globalización causa dificultades en las cadenas de procesamiento de alimentos y crea
lensmuchos obstáculos debido a la falta de automatización [ 58 ]. La introducción de
lensAutomatización
Comentario equipada con IA y BDA conducirá a numerosos aspectos productivos como
lens(a) minimización del consumo de tiempo; (b) menos posibilidades de errores; (c) mayor
Referencias
limpieza; d) mejora de la inocuidad de los alimentos; (e) reducción de costos; (f) toma de
decisiones; g) clasificación de productos; (h) administrar el inventario; (i) reducción de
desechos; (j) predicción de toxicidad; (k) mejora de la cadena de suministro y la logística; (l)
desarrollo de productos; m) entrega de alimentos. El uso de cámaras espectrales pequeñas
para evaluar la calidad y la autenticidad de los alimentos ha ganado popularidad en el
negocio, y se están realizando intentos para ofrecer esta capacidad a los consumidores a
través de sus teléfonos inteligentes.
El brazo robótico UR de Miso es una de las invenciones innovadoras y creativas que
sirve como una herramienta para voltear girando la hamburguesa localizando inicialmente la
hamburguesa y recogiendo suavemente el pastel y finalmente volteándolo, por lo que recibió
el nombre de 'Flippy' [59 ] . La mejor parte del flippy es que detecta las condiciones de las
hamburguesas y evita que se cocinen demasiado. Otro invento, 'Briggo', a menudo se
considera como un barista robótico que permite la robótica, la computación en la nube y la
tecnología móvil moderna junto con los componentes particulares. Briggo brinda una de las
mejores experiencias de café segmentadas dentro de 40 pies cuadrados con tecnología
moderna [ 60]. El Hola Huevo. es un invento que planifica las comidas desarrollado por una
empresa con sede en los EE. UU., RND64, teniendo en cuenta todos los parámetros
dietéticos y siempre abriéndose camino en brindar tutoriales sobre cocina [ 61 ] . Los
estudios mencionan que el mundo con una experiencia robótica de creación de comidas más
Volver
higiénica 'Sally' con controles eficientes mantiene los ingredientes frescos arribaArriba
durante mucho
lenstiempo [ 62 ]. Las ANN, el algoritmo genético (GA), los modelos borrosos, los sistemas
compartir
abstractas
(/)
lensmultiagente/basados en agentes (ABS) y la extracción de datos brindan métodos de
Introducción
lenspronóstico
Compartirprecisos y mejores producciones. Estas son las técnicas que se utilizan
searchmenu
anuncio
lenshabitualmente en la producción, la comercialización, la logística y la cadena de suministro [
Alcance
lens63 ]. La Tabla 2 representa algunas tecnologías de IA utilizadas en varios sectores de la
Recomendaciones
Ayuda
industria
lens alimentaria.
formato_cita
Sector Alimentario
lens
Tabla 2. Tecnologías de IA funcional en el sector alimentario.
Implicaciones
pregunta respuesta
lens
Conclusiones
lens
lens Discutir en
Fondos
SciProfiles
lens  
pulgar arriba
lens
informado
5. Aplicaciones de IA y BDA en el Sector Alimentario
lens Endosar
Declaración de disponibilidad de
mensajes de texto
Durante muchos años, el sector alimentario ha invertido mucho en el procesamiento.
datos
lensCon la automatización,
Expresiones de gratitudestán tratando rápidamente de aumentar su escala centrándose más
lensenComentario
Conflictos dede
la cadena suministro y la logística, lo que lleva a cambios en los patrones de consumo
interés
lensy predice la situación del mercado, especialmente para los productos con una vida útil más
Referencias
corta [ 72 ] . El despliegue de IA y big data aún no se ha impuesto por completo; ha mostrado
algunas diferencias en la consecución de beneficios en comparación con los métodos y
técnicas convencionales. Algunas de las aplicaciones de IA y big data se describen en los
siguientes sectores alimentarios: leche y productos lácteos, carne y productos cárnicos,
frutas y verduras, panadería, bebidas, especias, etc.
5.1. Leche y Productos Lácteos

El manejo y la producción de leche generan empleo, pero los requisitos de alta calidad y
la elevación de los costos de flete se deben a sus características perecederas y
voluminosas. En consecuencia, los productos lácteos innovadores con menos
mantenimiento, más vida útil y un mayor grado de higiene se han vuelto populares. Se
necesita una nueva automatización para cumplir con la demanda del mercado y del
consumidor, un mantenimiento estricto de la higiene y el desarrollo de nuevos productos. Los
estudios de investigación muestran que la predicción de los rendimientos de producción de
leche a través de BDA. La producción de leche del ganado es muy beneficiosa en términos
económicos [ 73]. La precisión en los pronósticos con respecto a los productos tiende a
recopilar información sobre la escasez, la eficiencia, la salud general del ganado, etc. El
aumento de la población es uno de los factores importantes que afectan la cadena de
suministro de productos lácteos. Por lo tanto, la previsión puede generar una ventaja para el
Volver
futuro proceso de toma de decisiones. Otro hallazgo ha demostrado que las arribaArriba
tecnologías
lensmodernas
abstractasen la adquisición y facturación de leche, la optimización en la composición del
compartir
(/)
lensproducto, el empaque, la integración de la cadena de suministro y la trazabilidad han dado
Introducción
lenscuenta
Compartirde
searchmenu
la implementación precisa de datos para reducir el tiempo y el costo [ 74 ] . La
anuncio
lensaplicación de IA también se demuestra en uno de los hallazgos [ 75], que mostró la influencia
Alcance
lensde factores fisiológicos como la frecuencia cardíaca y la temperatura corporal del ganado
Recomendaciones
Ayuda
bovino
lens y diversos factores ambientales. Los datos recopilados utilizando la Red Neural de
formato_cita
Propagación Posterior y el algoritmo de optimización de secuencias genéticas. Se encontró
Sector Alimentario
lensque el estrés por calor fue una de las principales razones de la caída de la producción de
Implicaciones
lensleche. Para liberar el estrés ambiental, se descubrió que rociar agua sobre el cuerpo de un
pregunta respuesta
Conclusiones
lensganado es útil para controlar la humedad, la frecuencia cardíaca, la temperatura, etc. Se
lensestablece
Discutir en un sistema para predecir la vida útil del queso procesado a través del diseño de
Fondos
SciProfiles
lenscapas
 lineales y el modelo de regresión múltiple para controlar la fecha de caducidad del 
queso procesado, tomando como insumos varios parámetros como pH, porcentaje de
nitrógeno soluble y numerosos conteos de bacterias, levaduras y mohos [ 76]. El valor del
pulgar arriba
lens
coeficiente
informado de determinación fue alto, lo que indica que el modelo era bastante eficiente,
lensrequería
menos tiempo y era
Declaración
Endosarde disponibilidad de útil para los consumidores de seguridad alimentaria. El
mensajes de texto
proyecto
datos 'Dairy Brain' se enfoca en utilizar big data para la toma de decisiones en las granjas
lenslecheras
parade
elgratitud
cumplimiento nutricional de las vacas lactantes, prediciendo la mastitis
Expresiones
lensclínica a
través
Comentario de herramientas de apoyo a la decisión [ 77 ] . Además, requiere una mejor
lenscalidad
del servicio, una mejor trazabilidad y un costo reducido para lograr ganancias
Referencias
óptimas [ 78 , 79 ].
5.2. Carne y productos cárnicos

A pesar de los importantes avances en robótica, la industria alimentaria necesita más
innovaciones en esta dirección. Los autores destacan el avance robótico en la mejora de las
técnicas de procesamiento de carne de res, cordero, cerdo, mariscos, pescado, etc. La
investigación del Reino Unido sobre el deshuesado de carne de res está automatizada [ 80].
Cordero: el sistema de faenado hacia arriba de las ovejas para retirar el cadáver ha
evolucionado, incluidos los hombres y las máquinas. La fase preliminar de corte longitudinal
y realizado por el hombre, mientras que el aparato se ocupa de las otras etapas de ejecución
extenuantes. La superioridad del proceso se ocupa de la variabilidad en el manejo de las
canales, lo que reduce las dificultades de la mano de obra, lo que mejora la desinfección y el
rendimiento general y ayuda a reducir la cantidad de mano de obra. Aves de corral: se
suponía que las técnicas robóticas anteriores equipadas con sensores mostraban más
precisión en la extracción de partes del cuerpo, lo que conducía a una mejor higiene ya que
la expectativa de carne sin evisceración era mayor a través del recorte de la canal.
Pescados y mariscos: los expertos dicen que un proyecto 'Robofish' financiado por la
Unión Europea para manipular el pescado y colocarlo en una máquina descabezadora puede
generar el máximo rendimiento a partir del pescado resbaladizo y flexible [ 81 ] . Se
desarrollaron tecnologías de envasado inteligente para detectar el deterioroVolver
de los productos
arribaArriba
lensdel
mar en diferentes condiciones de almacenamiento [ 82 ]. Técnicas como el análisis de
compartir
abstractas
(/)
lensconglomerados jerárquicos (HCA), el análisis de componentes principales (PCA) y el análisis
Introducción
lensdeCompartir
regresión de mínimos cuadrados parciales (PLS) se aplicaron como técnicas
searchmenu
anuncio
lensexperimentales, y PLS se seleccionó además para la identificación de marcadores de
Alcance
lensdeterioro.
Recomendaciones
Ayuda
lens El crecimiento de microorganismos y la actividad enzimática es el principal responsable
formato_cita
del deterioro de la carne y sus productos, como metabolitos secundarios, que en última
Sector Alimentario
lensinstancia representan una grave amenaza para la salud y la economía. Se utilizó un sistema
Implicaciones
lensde lógica difusa adaptativa y espectroscopia FTIR (Fourier Transform Infrared) con la fusión
pregunta respuesta
Conclusiones
lensde las principales técnicas de análisis microbiológico para determinar los diversos
lensparámetros
Discutir en responsables del deterioro de la carne [ 83]. El sistema de lógica difusa resolvió
Fondos
SciProfiles
lensla
 estimación de la calidad de la carne, la estimación del crecimiento microbiológico a través 
de componentes como fuzzifier y defuzzifier utilizando la teoría y las operaciones basadas en
un conjunto difuso de reglas de algoritmo. Un estudio presenta las características de
pulgar arriba
lens
palatabilidad
informado de la carne mediante la evaluación cuantitativa del contenido de grasa
lensintramuscular
mediante la aplicación de técnicas de procesamiento de imágenes. Se
Declaración de
Endosar disponibilidad de
mensajes de texto
tomaron
datos muestras de carne en forma de imágenes en color y se realizó una clasificación
lensadicionalde las sustancias (grasa, músculo, tejido conectivo) con la ayuda de diferentes
lensalgoritmos
Conflictos de optimización. Las características tridimensionales del espacio de color de
Comentario
de interés
lensparticular
importancia y su naturaleza difusa intrínseca llevaron a separar el músculo de la
Referencias
grasa en función de su orientación de píxeles con una ligera variación. La automatización del
método con una combinación de técnicas que se originan en la evolución natural incluye "el
algoritmo Fuzzy c-Means (FCM), algoritmo de agrupamiento difuso junto con GA". Los
resultados obtenidos a partir del concepto propuesto del análisis de imagen avanzado
ayudan a encontrar el valor aproximado del contenido de grasa intramuscular. La imagen
solo tiende a mostrar la superficie de la carne. En el futuro, la tecnología de visión artificial
podría allanar el camino para una mejor cuantificación de la apariencia visual de la carne [84
]. Los autores explican el uso de sensores en la nariz electrónica KAMINA (e-nose) para
evaluar la frescura de la carne según el microarreglo del sensor de óxido de metal (MOS) y
el análisis discriminante lineal (LDA). La nariz electrónica se utiliza para verificar si el mismo
proveedor prepara la carne fresca o no a través de exposiciones únicas o múltiples y para
determinar la descomposición temprana de las muestras de carne mantenidas a diferentes
temperaturas usando LDA [85 ] . Los autores describen que la efectividad de la clonación del
comportamiento humano, la IA utilizó algoritmos de aprendizaje automático para clasificar la
evaluación de la calidad de la canal bovina. Al ser una tarea de pericia humana, es difícil de
imitar por una máquina. Sin embargo, la IA hizo posible que la calidad de la carne estuviera
libre de errores humanos y pudo verificar la experiencia humana con disponibilidad las 24
horas [ 86] .].
5.3. Frutas y vegetales Volver arribaArriba

La diferencia entre la refrigeración inteligente y la refrigeración inteligente es que los
compartir
lens
abstractas
(/)
lensrefrigeradores inteligentes utilizan SMS (servicios de mensajes cortos) como método de
Introducción
lensnotificación
Compartirde la antigüedad del producto. Estos diseñaron el refrigerador inteligente con la
searchmenu
anuncio
lenscapacidad de detección y dieron su contenido y período [ 87 ]. Un refrigerador inteligente
Alcance
lenstiene como objetivo enumerar los productos necesarios y tan pronto como madure sin
Recomendaciones
Ayuda
esfuerzo.
lens La figura 1 indica el diagrama de flujo de la refrigeración inteligente [ 87 ].
formato_cita
Sector Alimentario
lens
Implicaciones
pregunta respuesta
lens
Conclusiones
lens
lens Discutir en
Fondos
SciProfiles
lens  
pulgar arriba
lens
informado
lens
Declaración
mensajes de texto
datos
lens
lens Comentario
lens
Referencias
Figura 1. Refrigerador inteligente usando inteligencia artificial [ 87 ].
La refrigeración inteligente está configurada en el algoritmo de envejecimiento, el

indicador de voz y el procesador de imágenes para su funcionalidad. La entrada imagina el
contenido que se procesa y examina con las entradas de datos, y la salida se muestra a
través del microprocesador en forma de señales. El resultado muestra el número de edad y
la edad del contenido (utilizado principalmente para vegetales). El recuento de la vida útil se
mantiene durante un máximo de 30 días. La fiabilidad de la refrigeración inteligente llega
hasta el 96,55%. La clasificación intensiva de frutas y verduras consiste en clasificar y
clasificar las frutas y verduras en función de su madurez, peso, tamaño, defectos de
densidad, etc. La inspección visual automática actúa como herramienta principal. Fue
diseñado para funcionar utilizando colores infrarrojos e imágenes ultravioleta para la
clasificación que consta de 10 cinturones, con cada cinturón compuesto por un máximo de
15 frutas por segundo. Las partes esenciales de la inspección visual automática consisten
en: (1) unidad central de control; (2) panel de interfaz y centro de almacenamiento; (3)
sensores de peso; (4) sensores de luz; (5) unidad de salida. Los autores representaron una
revisión de la autenticación en IoT, que proporciona el estado más reciente [88 , 89 ]. Un
documento examinó el sistema de clasificación de varios productos agrícolas utilizando IA,
que utilizó una estrategia de visión artificial e incluyó componentes de hardware y software
Volver arribaArriba
lensseparados
abstractas(/)para una clasificación eficiente [ 85 ]. Como el sistema de clasificación se
compartir
primera
lensrealizaba página
Introducción ajust
manualmente, se hizo necesario buscar una técnica rápida y eficiente. La Tabla 3
lensmuestraun análisis comparativo de la clasificación de alimentos. Técnica de procesamiento
Compartir
searchmenu
anuncio
lensde imágenes, sensor de visión IR, modelo gaussiano, método de separación de formas
Alcance
lensbasado en Fourier, Wavelet Packet Transform, red neuronal de retropropagación (BPNN),
Recomendaciones
Ayuda
ANN,
lens modelo neurodifuso, máquina de vectores de soporte (SVM), toma de decisiones de
formato_cita
atributos múltiples ( MADM), Support Vector Regression (SVR) y Fuzzy Incremental Learning
Sector Alimentario
lens(FIL) se utilizan para la detección eficiente de productos de calidad.
Implicaciones
pregunta respuesta
lens
Conclusiones
Tabla 3. Análisis comparativo de la calificación.
lens
lens Discutir en
Fondos
SciProfiles
lens  
pulgar arriba
lens
informado
lens
Declaración
Debido a la mejora en IA, IoT y computación en la nube, la logística de la cadena de frío
mensajes de texto
datos
vinculó su solución de TI basada en RFID, Zigbee, GPS para un mejor control de calidad de
lens
sus productos perecederos. Adopta medidas de bajo costo y actúa como un método de
lens
Comentario
resolución de problemas para la planificación de carga, planificación de rutas a través de IA.
lens
Referencias
Al eliminar el riesgo de violencia térmica, la desviación de ruta mejora la calidad de los
productos perecederos, lo que aumenta la confiabilidad y satisfacción del cliente [ 90 ]. Los
autores analizan los desarrollos tecnológicos digitales en el contexto de la logística de
alimentos frescos y el control operativo asociado para mejorar la frescura y la seguridad de
los alimentos, reducir el desperdicio de alimentos y aumentar la eficiencia del transporte y la
distribución [ 91 ] .
5.4. Panadería
Un estudio menciona que la programación lineal es una técnica de análisis de base
matemática en panaderías que funciona recolectando materiales defectuosos para
caminatas constructivas [ 92]. Los autores expresan ideas para los sistemas de control
automatizados en la industria de la panadería relacionados con el horno. Con vistas a la
automatización de alto nivel en el procesamiento de alimentos y aprovechando un sensor de
calidad de los alimentos que convierte varias propiedades de los alimentos en señales
eléctricas, se pueden determinar numerosos parámetros de calidad. Los sensores se pueden
agrupar en línea y fuera de línea. Estos sensores se ensamblan en un horno inteligente para
hornear. Los datos de calidad del producto se almacenan, lo que a su vez pronostica nuevos
valores. Se genera toda la información necesaria desde el peso del producto, tiempo
consumido, número de formas, pronóstico de carga, y el uso de un sistema de control
Volver arribaArriba
lensinteligente
abstractas(/)proporciona condiciones adecuadas de horneado, ahorrando recursos y
compartir
primera
lensaumentando página
Introducción
el rendimiento del producto en su conjunto [ 93 ] . ajust
lens Compartir
Metodología
5.5. Bebida de revisión searchmenu
anuncio
lens
Alcance
lens Los diferentes aspectos de la IA, como el aprendizaje automático, la visión por
Recomendaciones
lenscomputadora, la robótica y la biometría, son confiables, económicos, precisos y no requieren
Ayuda
formato_cita
más esfuerzo laboral en la industria de las bebidas. Datos en forma de imágenes y videos
Sector Alimentario
recopilados
lens y luego refinados utilizando un conjunto de algoritmos computarizados junto con
Implicaciones
la integración de conceptos de modelado robótico y ML para investigar la calidad de los
pregunta respuesta
lens
Conclusiones
lensproductos finales. La incorporación de los sensores como un sistema multisensorial con
lensdiferentes
Discutir en
técnicas automatizadas podría juzgar o calificar los efectos sobre los parámetros
Fondos
SciProfiles
significativos
lens 
del sabor, el gusto, las deformaciones, el entorno de procesamiento, etc. 
Además, la robótica en el campo de la industria de las bebidas posee algunas aplicaciones
como el paletizado, el procesamiento y el envasado. . El avance novedoso en la visión por
pulgar arriba
lens
computadora como una subdivisión de la IA que satisface los valores de muchas técnicas
informado
automatizadas
lens Endosar que involucran la extracción o recopilación de datos mediante la imitación de
Declaración de disponibilidad de
gestos
datos del ojo humano. Con fines de autenticidad, la biometría entró en práctica para
mensajes de texto
lensdeterminar
lensmediante
Comentario
patrones
Expresiones
fisiológicos y de comportamiento subjetivos a fines de identificación
de gratitud
reconocimiento facial, temperatura corporal, huellas dactilares y muchos otros. En
lensúltima
instancia, ayudará a largo plazo a acceder a la calidad, la aceptabilidad del
Referencias
consumidor, la toma de decisiones, el seguimiento, el desarrollo de nuevos productos y el
control de calidad en el sector de las bebidas. Estos enfoques para aplicar IA son rentables,
precisos, generan ganancias en poco tiempo y no son destructivos [ la biometría entró en
práctica para determinar patrones fisiológicos y de comportamiento subjetivos a fines de
identificación mediante el reconocimiento facial, la temperatura corporal, las huellas
dactilares y muchos otros. En última instancia, ayudará a largo plazo a acceder a la calidad,
la aceptabilidad del consumidor, la toma de decisiones, el seguimiento, el desarrollo de
nuevos productos y el control de calidad en el sector de las bebidas. Estos enfoques para
aplicar IA son rentables, precisos, generan ganancias en poco tiempo y no son destructivos [
la biometría entró en práctica para determinar patrones fisiológicos y de comportamiento
subjetivos a fines de identificación mediante el reconocimiento facial, la temperatura corporal,
las huellas dactilares y muchos otros. En última instancia, ayudará a largo plazo a acceder a
la calidad, la aceptabilidad del consumidor, la toma de decisiones, el seguimiento, el
desarrollo de nuevos productos y el control de calidad en el sector de las bebidas. Estos
enfoques para aplicar IA son rentables, precisos, generan ganancias en poco tiempo y no
son destructivos [94 ].
Los investigadores revelaron que las ANN actúan como un taburete para equilibrar y
profetizar los diversos aspectos que rigen el sector alimentario, a saber. medicina, bebidas y
agricultura. En lo que respecta al sector cervecero, la aplicación de ANN se aprovecha para
diseñar herramientas rápidas para evaluar la calidad del producto y la aceptación
Volver del
arribaArriba
lensconsumidor.
abstractas(/) RoboBEER, vertedor automático con visión artificial, se utilizó para examinar
compartir
primera
lensnumerosas página
Introducción ajust
muestras de cerveza por triplicado para evaluar diferentes parámetros
lensrelacionados
Compartir
searchmenu
con la generación de espuma y 15 combinaciones de colores. Con la utilización
anuncio
lensdel concepto de una escala hedónica de 9 puntos, se realizaron pruebas de las muestras con
Alcance
lens30 consumidores en función de la aceptabilidad del consumidor en cuanto a amargor, sabor,
Recomendaciones
Ayuda
sensación
lens en la boca y gusto general. Con base en los parámetros anteriores,95 ].
formato_cita
La identificación del olor y la composición del gas en la industria de las bebidas fue
Sector Alimentario
lensposible gracias a un sistema E-nose [ 96 ]. Como el aroma se determina principalmente a
Implicaciones
lenstravés del sabor, expresa especialmente la calidad de los alimentos. La efectividad del
pregunta respuesta
Conclusiones
lenssistema puede cuantificar la mezcla gaseosa volátil y su mecanismo de identificación de
lenstodos
Discutir los
en constituyentes químicos. El biodeterioro es uno de los principales factores que
Fondos
SciProfiles
lensafectan
 a los alimentos a través de numerosos microorganismos productores de compuestos 
volátiles. E-nose también es eficaz para detectar lo mismo, lo que mejora los métodos de
conservación de alimentos [ 97 ]. Los autores estudian las aplicaciones de la nariz
pulgar arriba
lens
electrónica
informado para predecir el tipo de bacterias y el crecimiento del cultivo con una red de
lensperceptrones
Declaración multicapa
Endosar [ 98 ].de
de disponibilidad
mensajes de texto
datos
5.6. Especias
lens
India
lens Comentario es el principal productor de especias, y la industria de las especias debe
lenssometerse
obligatoriamente a una evaluación de calidad. A medida que la tecnología crece,
Referencias
la evaluación de la calidad también debe desarrollarse más rápido teniendo en cuenta la
seguridad. Los investigadores explican la implementación de la visión artificial y el ajuste de
imágenes para evaluar la calidad de la pimienta negra [ 99]. La imagen capturada se
convierte en escala de grises ya que la información no se puede extraer de la imagen en
color. Para observar el área cerrada de las semillas, se aplicó un algoritmo de detección de
bordes de Canny en esa imagen en escala de grises. Con los datos proporcionados, se
dedujeron los parámetros geométricos y se trazaron los histogramas. Usando los datos
recopilados, se realizó una clasificación y clasificación efectivas. Los autores sugirieron
determinar el aroma y el sabor del té y las especias a través de técnicas de compensación
de deriva de temperatura y humedad [ 100]. Las muestras se procesaron mediante la
evaluación de los coeficientes de deriva de las variaciones causadas por cambios en la
temperatura y la humedad y luego se optimizaron mediante la extracción de la deriva en los
datos de respuesta de la nariz E porque puede convertirse en un problema y causar la
alteración de los datos. Con la combinación de sensores de semiconductores de óxido de
metal (MOS) y varias técnicas ANN como análisis de componentes principales (PCA),
perceptrones de múltiples capas (MLP), cuantificación de vector de aprendizaje (LVQ), red
neuronal probabilística (PNN) y funciones de base radial (RBF). ), los datos pueden ser
analizados.
Volver arribaArriba
compartir
lens
6. abstractas
Implicaciones
(/) y limitaciones
lens
Introducción
lens Después de
Compartir
Metodología derevisión
una extensa revisión de la literatura, encontramos algunas áreas que
searchmenu
anuncio
lenspueden explorarse más a fondo. Se pueden explorar las limitaciones de implementar una
Alcance
lenstécnica de IA perfecta, el impacto de la IA en la fuerza laboral y los desafíos en las
Recomendaciones
Ayuda
lensaplicaciones de IA. Se pueden considerar algunas técnicas de IA menos populares para
formato_cita
mejorar la cadena de suministro, la seguridad, la higiene, etc., según la aplicabilidad.
Sector Alimentario
lensAdemás, existen algunos desafíos en las aplicaciones de IA y BDA, como la reducción de la
Implicaciones
lensfuerza laboral, lo que genera desempleo. Su implementación necesita inversión y también
pregunta respuesta
Conclusiones
lensrequiere una mano de obra calificada. Existen desafíos sociales como la adopción por parte
lensdeDiscutir
la fuerza
en laboral y la falta de herramientas de apoyo a la decisión en BDA. En este
Fondos
SciProfiles

lensestudio, revisamos artículos limitados dentro de un período particular, por lo que el análisis y
losRevisión
hallazgos se basan en el material que recolectamos e interpretamos.
Institucional
pulgar arriba
lens
7. informado
Conclusiones
lens
Declaración
mensajes de texto
Este documento presenta y aclara al lector una visión clara de la transferencia o el
datos
lens
cambio de un de
Expresiones enfoque
gratitudconvencional al último y novedoso sistema automatizado en el sector
lensalimentario.
Comentario
Aunque
Conflictos de interés han surgido muchas tecnologías para hacer frente a los desafíos que
lenshan surgido en el sector alimentario, AI y BDA han proporcionado plataformas legítimas para
Referencias
experimentar la mejor tecnología. Los sistemas multidisciplinarios como ANN, aprendizaje
automático, detección inteligente, visión por computadora, enfoque de lógica difusa, robótica,
etc., se rigen con IA para evaluar varios parámetros que representan la calidad, la
apariencia, la textura, la aceptación general del consumidor, etc. Este enfoque novedoso
implicó observar el patrón de datos y adaptarlo en su flujo de trabajo para obtener resultados
precisos, confiables, que requieran menos recursos humanos, eficientes y y beneficia al
usuario para predecir condiciones futuras a largo plazo. Estas técnicas pueden verse como
una bendición para llenar el vacío en los defectos que siguen aumentando en la industria
alimentaria. La introducción de la tecnología de drones se convertiría lentamente en otro hito
en la cadena de suministro y logística de alimentos. Los sensores son vistos como otra
herramienta esencial en la conservación de alimentos. Por lo tanto, la IA y los macrodatos
han permitido a la industria alimentaria lograr resultados mejorados, optimizados y en tiempo
real.
Conceptualización, análisis formal y redacción—preparación y edición del borrador

inicial: SS y MM; Revisión y supervisión: VKG, KR y RSM Todos los autores han leído y
aceptado la versión publicada del manuscrito.
Volver arribaArriba
compartir
lens
Fondos
abstractas(/)
lens
Introducción
lens Esta investigación
Compartir
Metodología de revisiónno recibió financiación externa.
searchmenu
anuncio
lens
Alcance
lens
Recomendaciones
Declaración de la Junta de Revisión Institucional
Ayuda
lens
formato_cita
No aplica.
Sector Alimentario
lens
Implicaciones
pregunta respuesta
lens
Conclusiones
Declaración de consentimiento informado
lens
lens Discutir en
No aplica.
Fondos
SciProfiles
lens  
lensDeclaración de disponibilidad de datos
pulgar arriba
informado
No aplica.
lens
Declaración
mensajes de texto
datos
lensExpresiones
de gratitud
lens Comentario
lens
Agradecemos al Departamento de Ciencias Básicas y Aplicadas y al Departamento de
Referencias
Ingeniería de Alimentos, Instituto Nacional de Emprendimiento y Gestión de Tecnología de
Alimentos (NIFTEM), Kundli, Sonepat-131028, India, por apoyar la revisión y el trabajo
analítico.
Los autores declaran no tener conflicto de intereses.
Referencias
1. Slavin, P. Climate and famines: A historical reassessment. Wiley Interdiscip. Rev. Clim.
Chang. 2016, 7, 433–447. [Google Scholar
(https://scholar.google.com/scholar_lookup?
title=Climate+and+famines:+A+historical+reassessment&author=Slavin,+P.&pub
lication_year=2016&journal=Wiley+Interdiscip.+Rev.+Clim.+Chang.&volume=7&p
ages=433%E2%80%93447&doi=10.1002/wcc.395)] [CrossRef
(https://doi.org/10.1002/wcc.395)]
Volver arribaArriba
compartir
2.abstractas
Kitzes, J.; Wackernagel, M.; Loh, J.; Peller, A.; Goldfinger, S.; Cheng, D.; Tea, K.
lens
(/)
lens
Introducción á
Shrink and share: Humanity’s present and future Ecological Footprint. Philos. Trans. R.
lens Soc. deBrevisión
Compartir
Metodología Biol. Sci. 2008, 363, 467–475. [Google
searchmenu
Scholar
anuncio
lens
Alcance
lens title=Shrink+and+share:+Humanity%E2%80%99s+present+and+future+Ecologic
Recomendaciones
Ayuda
lens al+Footprint&author=Kitzes,+J.&author=Wackernagel,+M.&author=Loh,+J.&auth
formato_cita
or=Peller,+A.&author=Goldfinger,+S.&author=Cheng,+D.&author=Tea,+K.&public
Sector Alimentario
lens ation_year=2008&journal=Philos.+Trans.+R.+Soc.+B+Biol.+Sci.&volume=363&pa
Implicaciones
pregunta respuesta
lens ges=467%E2%80%93475&doi=10.1098/rstb.2007.2164&pmid=17652075)] [Cross-
Conclusiones
lens Ref
Contribuciones de autor (https://doi.org/10.1098/rstb.2007.2164)] [PubMed
lens Discutir en
Fondos (http://www.ncbi.nlm.nih.gov/pubmed/17652075)][Green Version (http://europepm
SciProfiles
lens  c.org/articles/pmc2610164?pdf=render)] 
3.Revisión Institucional
Popa, C. Adoption of Artificial Intelligence in Agriculture. Bull. Univ. Agric. Sci. Vet.
pulgar arriba
lens
Declaración
Med. deCluj-Napoca
consentimiento Agric. 2011, 68, 284–293. [Google Scholar
informado
lens
Declaración
title=Adoption+of+Artificial+Intelligence+in+Agriculture&author=Popa,+C.&publi
mensajes de texto
datoscation_year=2011&journal=Bull.+Univ.+Agric.+Sci.+Vet.+Med.+Cluj-
lens
Napoca+Agric.&volume=68&pages=284%E2%80%93293&doi=10.15835/buasvmc
lens Comentario
Conflictos de interés[CrossRef (https://doi.org/10.15835/buasvmcn-agr:6454)]
n-agr:6454)]
lens
Referencias
4. Kamilaris, A.; Kartakoullis, A.; Prenafeta-Boldú, F.X. A review on the practice of big
data analysis in agriculture. Comput. Electron. Agric. 2017, 143, 23–37. [Google
Scholar (https://scholar.google.com/scholar_lookup?
title=A+review+on+the+practice+of+big+data+analysis+in+agriculture&author=K
amilaris,+A.&author=Kartakoullis,+A.&author=Prenafeta-
Bold%C3%BA,+F.X.&publication_year=2017&journal=Comput.+Electron.+Agric.
&volume=143&pages=23%E2%80%9337&doi=10.1016/j.compag.2017.09.037)]
[CrossRef (https://doi.org/10.1016/j.compag.2017.09.037)]
5. Coops, R.; Witberg, P. Threats, and opportunities. PEI Power Eng. Int. 2005, 13, 53–
57. [Google Scholar (https://scholar.google.com/scholar_lookup?
title=Threats,+and+opportunities&author=Coops,+R.&author=Witberg,+P.&publi
cation_year=2005&journal=PEI+Power+Eng.+Int.&volume=13&pages=53%E2%80
%9357&doi=10.4324/9781315122304-8)] [CrossRef
(https://doi.org/10.4324/9781315122304-8)]
Volver arribaArriba
compartir
6.abstractas
Coffey, B.; Mintert, J.; Fox, S.; Schroeder, T.; Valentin, L. The Economic Impact of BSE
lens
(/)
lens
Introducción á
on the USA. Beef Industry: Product Value Losses, Regulatory Costs, and Consumer
lens Reactions.
Compartir
searchmenu
Available online: https://krex.k-state.edu/dspace/bitstream/handle/2097/
anuncio
lens 12460/EconomicImpactofBSE.pdf?sequence=1&isAllowed=y
Alcance (https://krex.k-stat
lens e.edu/dspace/bitstream/handle/2097/12460/EconomicImpactofBSE.pdf?sequenc
Recomendaciones
Ayuda
lens e=1&isAllowed=y) (accessed on 27 July 2021).
formato_cita
7.Sector Alimentario
Kakani, V.; Nguyen, V.H.; Kumar, B.P.; Kim, H.; Pasupuleti, V.R. A critical review on
lens
Implicaciones
Citar computer y vision
limitaciones
and artificial intelligence in food industry. J. Agric. Food Res. 2020, 2,
pregunta respuesta
lens
Conclusiones
lens
title=A+critical+review+on+computer+vision+and+artificial+intelligence+in+food
lens Discutir en
Fondos
+industry&author=Kakani,+V.&author=Nguyen,+V.H.&author=Kumar,+B.P.&autho
SciProfiles
lens  
r=Kim,+H.&author=Pasupuleti,+V.R.&publication_year=2020&journal=J.+Agric.+
Food+Res.&volume=2&pages=100033&doi=10.1016/j.jafr.2020.100033)] [Cross-
pulgar arriba
lens
Ref (https://doi.org/10.1016/j.jafr.2020.100033)]
informado
lens
8. Marvin, H.J.P.; Janssen, E.M.; Bouzembrak, Y.; Hendriksen, P.J.M.; Staats, M. Big data
Declaración
in food safety: An overview. Crit. Rev. Food Sci. Nutr. 2017, 57, 2286–2295. [Google
mensajes de texto
datos
lens Scholar (https://scholar.google.com/scholar_lookup?
title=Big+data+in+food+safety:+An+overview&author=Marvin,+H.J.P.&author=Ja
lens Comentario
lens nssen,+E.M.&author=Bouzembrak,+Y.&author=Hendriksen,+P.J.M.&author=Staat
Referencias
s,+M.&publication_year=2017&journal=Crit.+Rev.+Food+Sci.+Nutr.&volume=57&
pages=2286%E2%80%932295&doi=10.1080/10408398.2016.1257481&pmid=27819
478)] [CrossRef (https://doi.org/10.1080/10408398.2016.1257481)] [PubMed
(http://www.ncbi.nlm.nih.gov/pubmed/27819478)][Green Version (https://www.tan
dfonline.com/doi/pdf/10.1080/10408398.2016.1257481?needAccess=true)]
9. Armbruster, W.J.; Macdonell, M.M. Informatics to Support International Food Safety. In
Proceedings of the 28th EnviroInfo 2014 Conference, Oldenburg, Germany, 10–12
September 2014; pp. 127–134. [Google Scholar
title=Informatics+to+Support+International+Food+Safety&conference=Proceedin
gs+of+the+28th+EnviroInfo+2014+Conference&author=Armbruster,+W.J.&author
=Macdonell,+M.M.&publication_year=2014&pages=127%E2%80%93134)]
Volver arribaArriba
compartir
10. King,(/)T.; Cole, M.; Farber, J.M.; Eisenbrand, G.; Zabaras, D.; Fox, E.M.; Hill, J.P. Food
lens
abstractas
lens
Introducción á Relationship between global megatrends and developments in
safety for food security:
lens food safety.
Compartir
Metodología Trends Food Sci. Technol. 2017, 68, 160–175. [Google Scholar
de revisión
searchmenu
anuncio
lens
Alcance
lens title=Food+safety+for+food+security:+Relationship+between+global+megatrend
Recomendaciones
Ayuda
lens s+and+developments+in+food+safety&author=King,+T.&author=Cole,+M.&autho
formato_cita
r=Farber,+J.M.&author=Eisenbrand,+G.&author=Zabaras,+D.&author=Fox,+E.M.
Sector Alimentario
lens &author=Hill,+J.P.&publication_year=2017&journal=Trends+Food+Sci.+Technol.
Implicaciones
pregunta respuesta
lens &volume=68&pages=160%E2%80%93175&doi=10.1016/j.tifs.2017.08.014)]
Conclusiones
lens [CrossRefde(https://doi.org/10.1016/j.tifs.2017.08.014)]
Contribuciones autor
lens Discutir en
Fondos
11. Feye, K.M.; Lekkala, H.; Lee-Bartlett, J.A.; Thompson, D.R.; Ricke, S.C. Survey
SciProfiles
lens  
analysisdeoflacomputer
Declaración Junta de science, food science, and cybersecurity skills and coursework of
Revisión Institucional and graduate students interested in food safety. J. Food Sci. Educ.
undergraduate
pulgar arriba
lens
Declaración
2020, de1–10.
consentimiento
[Google Scholar (https://scholar.google.com/scholar_lookup?
informado
title=Survey+analysis+of+computer+science,+food+science,+and+cybersecurity
lens
Declaración
+skills+and+coursework+of+undergraduate+and+graduate+students+interested
mensajes de texto
datos+in+food+safety&author=Feye,+K.M.&author=Lekkala,+H.&author=Lee-
lens
Bartlett,+J.A.&author=Thompson,+D.R.&author=Ricke,+S.C.&publication_year=2
lens Comentario
020&journal=J.+Food+Sci.+Educ.&pages=1%E2%80%9310&doi=10.1111/1541-
lens
Referencias
4329.12200)] [CrossRef (https://doi.org/10.1111/1541-4329.12200)]
12. Ben-Daya, M.; Hassini, E.; Bahroun, Z. Internet of things and supply chain
management: A literature review. Int. J. Prod. Res. 2019, 57, 4719–4742. [Google
title=Internet+of+things+and+supply+chain+management:+A+literature+review&
author=Ben-
Daya,+M.&author=Hassini,+E.&author=Bahroun,+Z.&publication_year=2019&jou
rnal=Int.+J.+Prod.+Res.&volume=57&pages=4719%E2%80%934742&doi=10.1080
/00207543.2017.1402140)] [CrossRef
(https://doi.org/10.1080/00207543.2017.1402140)][Green Version (https://www.tan
dfonline.com/doi/pdf/10.1080/00207543.2017.1402140?needAccess=true)]
13. Liu, K. Research on the Food Safety Supply Chain Traceability Management System
Base on the Internet of Things. Int. J. Hybrid Inf. Technol. 2015, 8, 25–34. [Google
title=Research+on+the+Food+Safety+Supply+Chain+Traceability+Management+
System+Base+on+the+Internet+of+Things&author=Liu,+K.&publication_year=20
15&journal=Int.+J.+Hybrid+Inf.+Technol.&volume=8&pages=25%E2%80%9334&d
oi=10.14257/ijhit.2015.8.6.03)] [CrossRef
(https://doi.org/10.14257/ijhit.2015.8.6.03)]
Volver arribaArriba
compartir
14. Bouzembrak, Y.; Marvin, H.J.P. Prediction of food fraud type using data from Rapid
lens
abstractas
(/)
lens
Introducción á and Feed (RASFF) and Bayesian network modelling. Food
Alert System for Food
lens Control de revisión
Compartir
Metodología 2016, 61, 180–187. [Google
searchmenu
Scholar
anuncio
lens
Alcance
lens title=Prediction+of+food+fraud+type+using+data+from+Rapid+Alert+System+for
Recomendaciones
Ayuda
lens +Food+and+Feed+
formato_cita
(RASFF)+and+Bayesian+network+modelling&author=Bouzembrak,+Y.&author=
Sector Alimentario
lens Marvin,+H.J.P.&publication_year=2016&journal=Food+Control&volume=61&page
Implicaciones
pregunta respuesta
lens s=180%E2%80%93187&doi=10.1016/j.foodcont.2015.09.026)]
Conclusiones [CrossRef
lens (https://doi.org/10.1016/j.foodcont.2015.09.026)]
lens Discutir en
Fondos
15. Riahi, Y.; Saikouk, T.; Gunasekaran, A.; Badraoui, I. Artificial Intelligence Applications
SciProfiles
lens  
in Supply
Declaración Chain:
de la Junta A
deDescriptive Bibliometric Analysis and Future Research Directions.
Expert Syst. Appl. 2021, 173, 114702. [Google Scholar
pulgar arriba
lens
informado
title=Artificial+Intelligence+Applications+in+Supply+Chain:+A+Descriptive+Bibli
lens
Declaración
ometric+Analysis+and+Future+Research+Directions&author=Riahi,+Y.&author=
mensajes de texto
datosSaikouk,+T.&author=Gunasekaran,+A.&author=Badraoui,+I.&publication_year=2
lens
021&journal=Expert+Syst.+Appl.&volume=173&pages=114702&doi=10.1016/j.es
lens Comentario
wa.2021.114702)] [CrossRef (https://doi.org/10.1016/j.eswa.2021.114702)]
lens
Referencias
16. Kulkarni, A.A.; Dhanush, P.; Chetan, B.S.; Thamme Gowda, C.S.; Shrivastava, P.K.
Applications of Automation and Robotics in Agriculture Industries; A Review. IOP Conf.
Ser. Mater. Sci. Eng. 2020, 748. [Google Scholar
title=Applications+of+Automation+and+Robotics+in+Agriculture+Industries;+A+
Review&author=Kulkarni,+A.A.&author=Dhanush,+P.&author=Chetan,+B.S.&aut
hor=Thamme+Gowda,+C.S.&author=Shrivastava,+P.K.&publication_year=2020&j
ournal=IOP+Conf.+Ser.+Mater.+Sci.+Eng.&volume=748&doi=10.1088/1757-
899X/748/1/012002)] [CrossRef (https://doi.org/10.1088/1757-899X/748/1/012002)]
17. Saetta, S.; Caldarelli, V. How to increase the sustainability of the agri-food supply
chain through innovations in 4.0 perspective: A first case study analysis. Procedia
Manuf. 2020, 42, 333–336. [Google Scholar
title=How+to+increase+the+sustainability+of+the+agri-
food+supply+chain+through+innovations+in+4.0+perspective:+A+first+case+stu
dy+analysis&author=Saetta,+S.&author=Caldarelli,+V.&publication_year=2020&j
ournal=Procedia+Manuf.&volume=42&pages=333%E2%80%93336&doi=10.1016/j
.promfg.2020.02.083)] [CrossRef (https://doi.org/10.1016/j.promfg.2020.02.083)]
Volver arribaArriba
compartir
18. Sharma, R.; Kamble, S.S.; Gunasekaran, A.; Kumar, V.; Kumar, A. A systematic
lens
abstractas
(/)
lens
Introducción á
literature review on machine learning applications for sustainable agriculture supply
lens chain performance.
Compartir
Metodología de revisión Comput. Oper. Res. 2020, 119, 104926. [Google Scholar
searchmenu
anuncio
lens
Alcance
lens title=A+systematic+literature+review+on+machine+learning+applications+for+su
Recomendaciones
Ayuda
lens stainable+agriculture+supply+chain+performance&author=Sharma,+R.&author=
formato_cita
Kamble,+S.S.&author=Gunasekaran,+A.&author=Kumar,+V.&author=Kumar,+A.&
Sector Alimentario
lens publication_year=2020&journal=Comput.+Oper.+Res.&volume=119&pages=1049
Implicaciones
pregunta respuesta
lens 26&doi=10.1016/j.cor.2020.104926)]
lens (https://doi.org/10.1016/j.cor.2020.104926)]
lens Discutir en
Fondos
19. Misra, N.N.; Dixit, Y.; Al-Mallahi, A.; Bhullar, M.S.; Upadhyay, R.; Martynenko, A. IoT,
SciProfiles
lens  
big datadeand
Declaración artificial
la Junta de intelligence in agriculture and food industry. IEEE Internet Things
Revisión
J. Institucional
pulgar arriba
lens
title=IoT,+big+data+and+artificial+intelligence+in+agriculture+and+food+industr
informado
y&author=Misra,+N.N.&author=Dixit,+Y.&author=Al-
lens
Declaración
Mallahi,+A.&author=Bhullar,+M.S.&author=Upadhyay,+R.&author=Martynenko,+
mensajes de texto
datosA.&publication_year=2020&journal=IEEE+Internet+Things+J.&doi=10.1109/JIOT.
lens
Expresiones de gratitud[CrossRef (https://doi.org/10.1109/JIOT.2020.2998584)]
2020.2998584)]
lens Comentario
lens 20. Konur, S.; Lan, Y.; Thakker, D.; Morkyani, G.; Polovina, N.; Sharp, J. Towards design
Referencias
and implementation of Industry 4.0 for food manufacturing. Neural Comput. Appl.
2021, 25, 1–13. [Google Scholar (https://scholar.google.com/scholar_lookup?
title=Towards+design+and+implementation+of+Industry+4.0+for+food+manufact
uring&author=Konur,+S.&author=Lan,+Y.&author=Thakker,+D.&author=Morkyani
,+G.&author=Polovina,+N.&author=Sharp,+J.&publication_year=2021&journal=N
eural+Comput.+Appl.&volume=25&pages=1%E2%80%9313&doi=10.1007/s00521-
021-05726-z)] [CrossRef (https://doi.org/10.1007/s00521-021-05726-z)]
21. Roozbeh Nia, A.; Awasthi, A.; Bhuiyan, N. Industry 4.0 and demand forecasting of the
energy supply chain: A literature review. Comput. Ind. Eng. 2021, 154, 107128. [Goo-
gle Scholar (https://scholar.google.com/scholar_lookup?
title=Industry+4.0+and+demand+forecasting+of+the+energy+supply+chain:+A+li
terature+review&author=Roozbeh+Nia,+A.&author=Awasthi,+A.&author=Bhuiya
n,+N.&publication_year=2021&journal=Comput.+Ind.+Eng.&volume=154&pages
=107128&doi=10.1016/j.cie.2021.107128)] [CrossRef
(https://doi.org/10.1016/j.cie.2021.107128)]
Volver arribaArriba
compartir
22. Klumpp, M. Innovation Potentials and Pathways Merging AI, CPS, and IoT. Appl. Syst.
lens
abstractas
(/)
lens
Introducción á
Innov. 2018, 1, 5. [Google Scholar (https://scholar.google.com/scholar_lookup?
lens title=Innovation+Potentials+and+Pathways+Merging+AI,+CPS,+and+IoT&author
Compartir
searchmenu
anuncio
lens =Klumpp,+M.&publication_year=2018&journal=Appl.+Syst.+Innov.&volume=1&p
Alcance
lens ages=5&doi=10.3390/asi1010005)] [CrossRef (https://doi.org/10.3390/asi1010005)]
Recomendaciones
Ayuda
lens [Green de
Version (https://www.mdpi.com/2571-5577/1/1/5/pdf)]
formato_cita
Aplicaciones IA y BDA en el
Sector
23. Alimentario
Baliga, R.; Raut, R.; Kamble, S. The effect of motivators, supply, and lean
lens
Implicaciones y limitaciones
Citar management on sustainable supply chain management practices and performance.
pregunta respuesta
lens
Conclusiones
Benchmarking Int. J. 2019, 27, 347–381. [Google Scholar
lens
lens Discutir en
Fondos
title=The+effect+of+motivators,+supply,+and+lean+management+on+sustainabl
SciProfiles
lens  
e+supply+chain+management+practices+and+performance&author=Baliga,+R.&
author=Raut,+R.&author=Kamble,+S.&publication_year=2019&journal=Benchma
pulgar arriba
lens
rking+Int.+J.&volume=27&pages=347%E2%80%93381&doi=10.1108/BIJ-01-2019-
informado
0004)] [CrossRef (https://doi.org/10.1108/BIJ-01-2019-0004)]
lens
Declaración
24. Kamble, S.; Gunasekaran, A. Big data-driven supply chain performance measurement
mensajes de texto
datos
lens system: A review and framework for implementation. Int. J. Prod. Res. 2019, 58, 65–
86.
lens Comentario [Google Scholar (https://scholar.google.com/scholar_lookup?title=Big+data-
lens driven+supply+chain+performance+measurement+system:+A+review+and+fram
Referencias
ework+for+implementation&author=Kamble,+S.&author=Gunasekaran,+A.&publi
cation_year=2019&journal=Int.+J.+Prod.+Res.&volume=58&pages=65%E2%80%
9386&doi=10.1080/00207543.2019.1630770)] [CrossRef
(https://doi.org/10.1080/00207543.2019.1630770)]
25. Kamble, S.S.; Gunasekaran, A.; Gawankar, S.A. Achieving sustainable performance in
a data-driven agriculture supply chain: A review for research and applications. Int. J.
Prod. Econ. 2020, 219, 179–194. [Google Scholar
title=Achieving+sustainable+performance+in+a+data-
driven+agriculture+supply+chain:+A+review+for+research+and+applications&a
uthor=Kamble,+S.S.&author=Gunasekaran,+A.&author=Gawankar,+S.A.&publica
tion_year=2020&journal=Int.+J.+Prod.+Econ.&volume=219&pages=179%E2%80
%93194&doi=10.1016/j.ijpe.2019.05.022)] [CrossRef
(https://doi.org/10.1016/j.ijpe.2019.05.022)]
26. Yong-Hak, J. Web of Science. Thomson Reuters. Available online: http://wokinfo.co
m/media/pdf/WoSFS_08_7050.pdf (http://wokinfo.com/media/pdf/WoSFS_08_705
0.pdf) (accessed on 11 May 2021).
Volver arribaArriba
compartir
27. Gevarter, W.B. An overview of artificial intelligence and robotics. Natl. Aeronaut. Sp.
lens
abstractas
(/)
lens
Introducción á
Adm. 1983, 1, 80. [Google Scholar (https://scholar.google.com/scholar_lookup?
lens Compartir
searchmenu
title=An+overview+of+artificial+intelligence+and+robotics&author=Gevarter,+W.
anuncio
lens B.&publication_year=1983&journal=Natl.+Aeronaut.+Sp.+Adm.&volume=1&page
Alcance
lens s=80)]
Recomendaciones
Ayuda
lens
formato_cita
Aplicaciones
28. de IALiu,
Zhao, G.; y BDA
S.;enLopez,
el C.; Lu, H.; Elgueta, S.; Chen, H.; Boshkoska, B.M.
Sector Alimentario technology in agri-food value chain management: A synthesis of
Blockchain
lens
Citar applications, challenges, and future research directions. Comput. Ind. 2019, 109, 83–
pregunta respuesta
lens
Conclusiones
lens
title=Blockchain+technology+in+agri-
lens Discutir en
Fondos
food+value+chain+management:+A+synthesis+of+applications,+challenges,+an
SciProfiles
lens  
d+future+research+directions&author=Zhao,+G.&author=Liu,+S.&author=Lopez,
+C.&author=Lu,+H.&author=Elgueta,+S.&author=Chen,+H.&author=Boshkoska,+
pulgar arriba
lens
B.M.&publication_year=2019&journal=Comput.+Ind.&volume=109&pages=83%E
informado
2%80%9399&doi=10.1016/j.compind.2019.04.002)] [CrossRef
lens
Declaración
(https://doi.org/10.1016/j.compind.2019.04.002)]
mensajes de texto
datos
lens 29. Ebrahimnejad, H.; Ebrahimnejad, H.; Salajegheh, A.; Barghi, H. Use of magnetic
resonance
lens Comentario imaging in food quality control: A review. J. Biomed. Phys. Eng. 2018, 8,
lens 127. [Google Scholar (https://scholar.google.com/scholar_lookup?
Referencias
title=Use+of+magnetic+resonance+imaging+in+food+quality+control:+A+review
&author=Ebrahimnejad,+H.&author=Ebrahimnejad,+H.&author=Salajegheh,+A.&
author=Barghi,+H.&publication_year=2018&journal=J.+Biomed.+Phys.+Eng.&vol
ume=8&pages=127&doi=10.22086/jbpe.v0i0.628&pmid=29732347)] [CrossRef
(https://doi.org/10.22086/jbpe.v0i0.628)] [PubMed
(http://www.ncbi.nlm.nih.gov/pubmed/29732347)]
30. Kiger, P.J. How Artificial Intelligence Is Totally Changing Everything|HowStuffWorks.

Available online: https://science.howstuffworks.com/artificial-intelligence.htm (htt
ps://science.howstuffworks.com/artificial-intelligence.htm) (accessed on 9 May
2021).
31. Wauters, T.; Verbeeck, K.; Verstraete, P.; Vanden Berghe, G.; De Causmaecker, P.
Real-world production scheduling for the food industry: An integrated approach. Eng.
Appl. Artif. Intell. 2012, 25, 222–228. [Google Scholar
(https://scholar.google.com/scholar_lookup?title=Real-
world+production+scheduling+for+the+food+industry:+An+integrated+approach
&author=Wauters,+T.&author=Verbeeck,+K.&author=Verstraete,+P.&author=Vand
en+Berghe,+G.&author=De+Causmaecker,+P.&publication_year=2012&journal=E
ng.+Appl.+Artif.+Intell.&volume=25&pages=222%E2%80%93228&doi=10.1016/j.e
ngappai.2011.05.002)] [CrossRef (https://doi.org/10.1016/j.engappai.2011.05.002)]
Volver arribaArriba
compartir
32. Grác,(/) Š.; Beňo, P.; Duchoň, F.; Dekan, M.; Tölgyessy, M. Automated Detection of Multi-
lens
abstractas
lens
Introducción á
Rotor UAVs Using a Machine-Learning Approach. Appl. Syst. Innov. 2020, 3, 29. [Goo-
lens gle
Compartir
Metodología de revisiónScholar
searchmenu
anuncio
title=Automated+Detection+of+Multi-Rotor+UAVs+Using+a+Machine-
lens
Alcance
lens Learning+Approach&author=Gr%C3%A1c,+%C5%A0.&author=Be%C5%88o,+P.&
Recomendaciones
Ayuda
lens author=Ducho%C5%88,+F.&author=Dekan,+M.&author=T%C3%B6lgyessy,+M.&p
formato_cita
ublication_year=2020&journal=Appl.+Syst.+Innov.&volume=3&pages=29&doi=10
Sector Alimentario
lens .3390/asi3030029)]
Implicaciones
Citar y limitaciones[CrossRef (https://doi.org/10.3390/asi3030029)]
pregunta respuesta
lens
Conclusiones
33. Bronson, K.; Knezevic, I. Big Data in food and agriculture. Big Data Soc. 2016, 1–5.
lens
Contribuciones
[Google de autor Scholar (https://scholar.google.com/scholar_lookup?
lens Discutir en
Fondos title=Big+Data+in+food+and+agriculture&author=Bronson,+K.&author=Knezevic
SciProfiles
lens  
,+I.&publication_year=2016&journal=Big+Data+Soc.&pages=1%E2%80%935&doi
=10.1177/2053951716648174)] [CrossRef
pulgar arriba
lens
(https://doi.org/10.1177/2053951716648174)][Green Version (https://journals.sage
informado
pub.com/doi/pdf/10.1177/2053951716648174)]
lens
Declaración
34. Roy, A. Discussion Paper National Strategy for Artificial Intelligence#AIFORALL. 2018;
mensajes de texto
datos
lens Volume 115. Available online: http://www.niti.gov.in/sites/default/files/2019-01/Natio
nalStrategy-for-AI-Discussion-Paper.pdf
lens Comentario (http://www.niti.gov.in/sites/default/files/
lens 2019-01/NationalStrategy-for-AI-Discussion-Paper.pdf) (accessed on 9 May 2021).
Referencias
35. Dai, H.N.; Wang, H.; Xu, G.; Wan, J.; Imran, M. Big data analyticsfor manufacturing
internet of things: Opportunities, challenges and enabling technologies. Enterp. Inf.
Syst. 2019. [Google Scholar (https://scholar.google.com/scholar_lookup?
title=Big+data+analyticsfor+manufacturing+internet+of+things:+Opportunities,+
challenges+and+enabling+technologies&author=Dai,+H.N.&author=Wang,+H.&a
uthor=Xu,+G.&author=Wan,+J.&author=Imran,+M.&publication_year=2019&journ
al=Enterp.+Inf.+Syst.&doi=10.1080/17517575.2019.1633689)] [CrossRef
(https://doi.org/10.1080/17517575.2019.1633689)][Green Version (http://arxiv.org/
pdf/1909.00413)]
36. De Clercq, M.; Vats, A.; Biel, A. Agriculture 4.0: The Future of Farming Technology.
World Gov. Summit Rep. 2018, 30. Available online: https://www.worldgovernments
ummit.org/api/publications/document?id=95df8ac4-e97c-6578-b2f8-ff0000a7ddb
6 (https://www.worldgovernmentsummit.org/api/publications/document?id=95df
8ac4-e97c-6578-b2f8-ff0000a7ddb6) (accessed on 9 May 2021).
Volver arribaArriba
compartir
37. Wolfert, S.; Ge, L.; Verdouw, C.; Bogaardt, M.J. Big Data in Smart Farming—A review.
lens
abstractas
(/)
lens Agric.
Introducción Syst. 2017, 153, 69–80. [Google Scholar
lens (https://scholar.google.com/scholar_lookup?
Compartir
searchmenu
anuncio
title=Big+Data+in+Smart+Farming%E2%80%94A+review&author=Wolfert,+S.&au
lens
Alcance
lens thor=Ge,+L.&author=Verdouw,+C.&author=Bogaardt,+M.J.&publication_year=20
Recomendaciones
Ayuda
lens 17&journal=Agric.+Syst.&volume=153&pages=69%E2%80%9380&doi=10.1016/j.a
formato_cita
gsy.2017.01.023)]
Sector Alimentario [CrossRef (https://doi.org/10.1016/j.agsy.2017.01.023)]
lens
Implicaciones
38. y limitaciones
Citar Sravanthi, K. Applications of Big data in Various Fields. Int. J. Comput. Sci. Inf.
pregunta respuesta
lens
Conclusiones
Technol. 2015, 6, 4629–4632. [Google Scholar
lens
lens Discutir en
Fondos
title=Applications+of+Big+data+in+Various+Fields&author=Sravanthi,+K.&public
SciProfiles
lens  
ation_year=2015&journal=Int.+J.+Comput.+Sci.+Inf.+Technol.&volume=6&pages
=4629%E2%80%934632)]
pulgar arriba
lens
39. Shubhendu, S.; Vijay, J. Applicability of Artificial Intelligence in Different Fields of Life.
informado
lens Int. J. Sci. Eng. Res. 2013, 1, 28–35. [Google Scholar
Declaración
mensajes de texto
datos
lens title=Applicability+of+Artificial+Intelligence+in+Different+Fields+of+Life&author
=Shubhendu,+S.&author=Vijay,+J.&publication_year=2013&journal=Int.+J.+Sci.+
lens Comentario
lens Eng.+Res.&volume=1&pages=28%E2%80%9335)]
Referencias
40. Granato, D.; Putnik, P.; Kovačević, D.B.; Santos, J.S.; Calado, V.; Rocha, R.S.; Cruz,
A.G.; Jarvis, B.; Rodionova, O.Y.; Pomerantsev, A. Trends in Chemometrics: Food
Authentication, Microbiology, and Effects of Processing. Compr. Rev. Food Sci. Food
Saf. 2018, 17, 663–677. [Google Scholar
title=Trends+in+Chemometrics:+Food+Authentication,+Microbiology,+and+Effec
ts+of+Processing&author=Granato,+D.&author=Putnik,+P.&author=Kova%C4%8
Devi%C4%87,+D.B.&author=Santos,+J.S.&author=Calado,+V.&author=Rocha,+R.
S.&author=Cruz,+A.G.&author=Jarvis,+B.&author=Rodionova,+O.Y.&author=Po
merantsev,+A.&publication_year=2018&journal=Compr.+Rev.+Food+Sci.+Food+
Saf.&volume=17&pages=663%E2%80%93677&doi=10.1111/1541-
4337.12341&pmid=33350122)] [CrossRef (https://doi.org/10.1111/1541-
4337.12341)] [PubMed (http://www.ncbi.nlm.nih.gov/pubmed/33350122)][Green Ve
rsion (https://onlinelibrary.wiley.com/doi/pdfdirect/10.1111/1541-4337.12341)]
Volver arribaArriba
compartir
41. Lezoche, M.; Panetto, H.; Kacprzyk, J.; Hernandez, J.E.; Alemany Díaz, M.M.E. Agri-
lens
abstractas
(/)
lens food 4.0: A survey ofáthe Supply Chains and Technologies for the Future Agriculture.
Introducción
lens Comput.de revisión
Compartir
Metodología Ind. 2020, 117, 103187. [Google
searchmenu
Scholar
anuncio
lens (https://scholar.google.com/scholar_lookup?title=Agri-
Alcance
lens food+4.0:+A+survey+of+the+Supply+Chains+and+Technologies+for+the+Future
Recomendaciones
Ayuda
lens +Agriculture&author=Lezoche,+M.&author=Panetto,+H.&author=Kacprzyk,+J.&a
formato_cita
uthor=Hernandez,+J.E.&author=Alemany+D%C3%ADaz,+M.M.E.&publication_ye
Sector Alimentario
lens ar=2020&journal=Comput.+Ind.&volume=117&pages=103187&doi=10.1016/j.com
Implicaciones
pregunta respuesta
lens pind.2020.103187)] [CrossRef (https://doi.org/10.1016/j.compind.2020.103187)]
Conclusiones
lens
Contribuciones
42. Mani, V.; deDelgado,
autor C.; Hazen, B.T.; Patel, P. Mitigating supply chain risk via
lens Discutir en
Fondos sustainability using big data analytics: Evidence from the man-ufacturing supply chain.
SciProfiles
lens  
Sustainability
Declaración de la Junta de 2017,
(https://sciprofiles.com/discussion- 9, 608. [Google Scholar
pulgar arriba
lens
title=Mitigating+supply+chain+risk+via+sustainability+using+big+data+analytics
informado
:+Evidence+from+the+man-
lens
Declaración
ufacturing+supply+chain&author=Mani,+V.&author=Delgado,+C.&author=Hazen,
mensajes de texto
datos+B.T.&author=Patel,+P.&publication_year=2017&journal=Sustainability&volume=
lens
9&pages=608&doi=10.3390/su9040608)] [CrossRef
lens Comentario
(https://doi.org/10.3390/su9040608)][Green Version (https://www.mdpi.com/2071-
lens
Referencias
1050/9/4/608/pdf)]
43. Chong, A.Y.L.; Ch’ng, E.; Liu, M.J.; Li, B. Predicting consumer product demands via
Big Data: The roles of online promotional marketing and online reviews. Int. J. Prod.
Res. 2017, 55, 5142–5156. [Google Scholar
title=Predicting+consumer+product+demands+via+Big+Data:+The+roles+of+onli
ne+promotional+marketing+and+online+reviews&author=Chong,+A.Y.L.&author
=Ch%E2%80%99ng,+E.&author=Liu,+M.J.&author=Li,+B.&publication_year=201
7&journal=Int.+J.+Prod.+Res.&volume=55&pages=5142%E2%80%935156&doi=1
0.1080/00207543.2015.1066519)] [CrossRef
(https://doi.org/10.1080/00207543.2015.1066519)]
Volver arribaArriba
compartir
44. Xiang, Z.; Schwartz, Z.; Gerdes, J.H.; Uysal, M. What can big data and text analytics
lens
abstractas
(/)
lens
Introducción á experience and satisfaction? Int. J. Hosp. Manag. 2015, 44,
tell us about hotel guest
lens 120–130.
Compartir
Metodología [Google
de revisión Scholar
searchmenu
anuncio
lens title=What+can+big+data+and+text+analytics+tell+us+about+hotel+guest+experi
Alcance
lens ence+and+satisfaction?
Recomendaciones
Ayuda
lens &author=Xiang,+Z.&author=Schwartz,+Z.&author=Gerdes,+J.H.&author=Uysal,+
formato_cita
M.&publication_year=2015&journal=Int.+J.+Hosp.+Manag.&volume=44&pages=1
Sector Alimentario
lens 20%E2%80%93130&doi=10.1016/j.ijhm.2014.10.013)]
Implicaciones
Citar y limitaciones [CrossRef
pregunta respuesta
lens (https://doi.org/10.1016/j.ijhm.2014.10.013)]
Conclusiones
lens
Contribuciones
45. Kuzminov,deI.;autor
Bakhtin, P.; Khabirova, E.; Kotsemir, M.; Lavrynenko, A. Mapping the
lens Discutir en
Fondos Radical Innovations in Food Industry: A Text Mining Study. SSRN Electron. J. 2018.
SciProfiles
lens  
[Google
Declaración de la Junta deScholar
(https://sciprofiles.com/discussion- (https://scholar.google.com/scholar_lookup?
title=Mapping+the+Radical+Innovations+in+Food+Industry:+A+Text+Mining+Stu
pulgar arriba
lens
dy&author=Kuzminov,+I.&author=Bakhtin,+P.&author=Khabirova,+E.&author=Ko
informado
tsemir,+M.&author=Lavrynenko,+A.&publication_year=2018&journal=SSRN+Elec
lens
Declaración
tron.+J.&doi=10.2139/ssrn.3143721)] [CrossRef
mensajes de texto
datos(https://doi.org/10.2139/ssrn.3143721)][Green Version (http://pdfs.semanticschol
lens
ar.org/9278/2443963493e5d06046a8dc58310600c2a193.pdf)]
lens Comentario
lens 46. Cheng, R.; Mirza, K.B.; Nikolic, K. Neuromorphic Robotic Platform with Visual Input,
Referencias
Processor and Actuator, Based on Spiking Neural Networks. Appl. Syst. Innov. 2020,
3, 28. [Google Scholar (https://scholar.google.com/scholar_lookup?
title=Neuromorphic+Robotic+Platform+with+Visual+Input,+Processor+and+Actu
ator,+Based+on+Spiking+Neural+Networks&author=Cheng,+R.&author=Mirza,+
K.B.&author=Nikolic,+K.&publication_year=2020&journal=Appl.+Syst.+Innov.&v
olume=3&pages=28&doi=10.3390/asi3020028)] [CrossRef
(https://doi.org/10.3390/asi3020028)]
47. Liakos, K.G.; Busato, P.; Moshou, D.; Pearson, S.; Bochtis, D. Machine learning in
agriculture: A review. Sensors 2018, 18, 2674. [Google Scholar
title=Machine+learning+in+agriculture:+A+review&author=Liakos,+K.G.&author=
Busato,+P.&author=Moshou,+D.&author=Pearson,+S.&author=Bochtis,+D.&publi
cation_year=2018&journal=Sensors&volume=18&pages=2674&doi=10.3390/s180
82674)] [CrossRef (https://doi.org/10.3390/s18082674)][Green Version (https://ww
w.mdpi.com/1424-8220/18/8/2674/pdf)]
Volver arribaArriba
compartir
48. Corney, D. Food bytes: Intelligent systems in the food industry. Br. Food J. 2002, 104,
lens
abstractas
(/)
lens 787–805.
Introducción [Google Scholar (https://scholar.google.com/scholar_lookup?
lens title=Food+bytes:+Intelligent+systems+in+the+food+industry&author=Corney,+
Compartir
searchmenu
anuncio
D.&publication_year=2002&journal=Br.+Food+J.&volume=104&pages=787%E2%
lens
Alcance
lens 80%93805&doi=10.1108/00070700210448890)]
Recomendaciones [CrossRef
Ayuda
lens (https://doi.org/10.1108/00070700210448890)][Green Version (http://discovery.ucl.
formato_cita
ac.uk/14373/1/14373.pdf)]
Sector Alimentario
lens
Implicaciones
49. y limitaciones
Citar Goonatilake, S. Intelligent hybrid systems for financial decision making. Proc. ACM
pregunta respuesta
lens
Conclusiones
Symp. Appl. Comput. 1995, 471–476. [Google Scholar
lens
lens Discutir en
Fondos
title=Intelligent+hybrid+systems+for+financial+decision+making&author=Goona
SciProfiles
lens  
tilake,+S.&publication_year=1995&journal=Proc.+ACM+Symp.+Appl.+Comput.&
pages=471%E2%80%93476&doi=10.1145/315891.316070)] [CrossRef
pulgar arriba
lens
(https://doi.org/10.1145/315891.316070)]
informado
lens 50. Singh, S.; Hines, E.L.; Gardner, J.W. Fuzzy neural computing of coffee and tainted-
Declaración
water data from an electronic nose. Sensors Actuators, B Chem. 1996, 30, 185–190.
mensajes de texto
datos
lens [Google Scholar (https://scholar.google.com/scholar_lookup?
title=Fuzzy+neural+computing+of+coffee+and+tainted-
lens Comentario
lens water+data+from+an+electronic+nose&author=Singh,+S.&author=Hines,+E.L.&a
Referencias
uthor=Gardner,+J.W.&publication_year=1996&journal=Sensors+Actuators,+B+C
hem.&volume=30&pages=185%E2%80%93190&doi=10.1016/0925-4005(96)80047-
5)] [CrossRef (https://doi.org/10.1016/0925-4005(96)80047-5)]
51. Sun, Q.; Zhang, M.; Mujumdar, A.S. Recent developments of artificial intelligence in
drying of fresh food: A review. Crit. Rev. Food Sci. Nutr. 2019, 59, 2258–2275. [Google
title=Recent+developments+of+artificial+intelligence+in+drying+of+fresh+food:+
A+review&author=Sun,+Q.&author=Zhang,+M.&author=Mujumdar,+A.S.&publica
tion_year=2019&journal=Crit.+Rev.+Food+Sci.+Nutr.&volume=59&pages=2258%
E2%80%932275&doi=10.1080/10408398.2018.1446900&pmid=29493285)] [Cross-
Ref (https://doi.org/10.1080/10408398.2018.1446900)] [PubMed
Volver arribaArriba
compartir
52. Dai, (/)A.; Zhou, X.; Liu, X. Design and simulation of a genetically optimized fuzzy
lens
abstractas
lens
Introducción á for a novel grain dryer. IEEE Access 2017, 5, 14981–14990.
immune PID controller
lens [Googlede revisión Scholar
Compartir
Metodología
searchmenu
anuncio
title=Design+and+simulation+of+a+genetically+optimized+fuzzy+immune+PID+c
lens
Alcance
lens ontroller+for+a+novel+grain+dryer&author=Dai,+A.&author=Zhou,+X.&author=Li
Recomendaciones
Ayuda
lens u,+X.&publication_year=2017&journal=IEEE+Access&volume=5&pages=14981%
formato_cita
E2%80%9314990&doi=10.1109/ACCESS.2017.2733760)]
Sector Alimentario [CrossRef
lens (https://doi.org/10.1109/ACCESS.2017.2733760)]
Implicaciones
pregunta respuesta
lens
Conclusiones
53. Azadbakht, M.; Aghili, H.; Ziaratban, A.; Torshizi, M.V. Application of artificial neural
lens
Contribuciones de autorto exergy and energy analyses of fluidized bed dryer for potato cubes.
network method
lens Discutir en
Fondos
Energy
SciProfiles
2017, 120, 947–958. [Google Scholar
lens  
title=Application+of+artificial+neural+network+method+to+exergy+and+energy+
pulgar arriba
lens
analyses+of+fluidized+bed+dryer+for+potato+cubes&author=Azadbakht,+M.&au
informado
thor=Aghili,+H.&author=Ziaratban,+A.&author=Torshizi,+M.V.&publication_year=
lens
Declaración
2017&journal=Energy&volume=120&pages=947%E2%80%93958&doi=10.1016/j.e
mensajes de texto
datosnergy.2016.12.006)] [CrossRef (https://doi.org/10.1016/j.energy.2016.12.006)]
lens
lens 54. Castillo, O.; Melin, P. Automated quality control in the food industry combining artificial
Comentario
lens intelligence techniques with fractal theory. Communications 1994, 9. [Google Scholar
Referencias
title=Automated+quality+control+in+the+food+industry+combining+artificial+int
elligence+techniques+with+fractal+theory&author=Castillo,+O.&author=Melin,+P
.&publication_year=1994&journal=Communications&volume=9&doi=10.2495/AI9
50121)] [CrossRef (https://doi.org/10.2495/AI950121)]
55. Jacxsens, L.; Luning, P.A.; van der Vorst, J.G.A.J.; Devlieghere, F.; Leemans, R.;
Uyttendaele, M. Simulation modelling and risk assessment as tools to identify the
impact of climate change on microbiological food safety—The case study of fresh
produce supply chain. Food Res. Int. 2010, 43, 1925–1935. [Google Scholar
title=Simulation+modelling+and+risk+assessment+as+tools+to+identify+the+im
pact+of+climate+change+on+microbiological+food+safety%E2%80%94The+case
+study+of+fresh+produce+supply+chain&author=Jacxsens,+L.&author=Luning,
+P.A.&author=van+der+Vorst,+J.G.A.J.&author=Devlieghere,+F.&author=Leeman
s,+R.&author=Uyttendaele,+M.&publication_year=2010&journal=Food+Res.+Int.
&volume=43&pages=1925%E2%80%931935&doi=10.1016/j.foodres.2009.07.009)]
[CrossRef (https://doi.org/10.1016/j.foodres.2009.07.009)]
Volver arribaArriba
compartir
56. Kamath, R. Food Traceability on Blockchain: Walmart’s Pork and Mango Pilots with
lens
abstractas
(/)
lens IBM. J.
Introducción Br. Blockchain Assoc. 2018, 1, 1–12. [Google Scholar
Compartir
searchmenu
anuncio
lens title=Food+Traceability+on+Blockchain:+Walmart%E2%80%99s+Pork+and+Man
Alcance
lens go+Pilots+with+IBM&author=Kamath,+R.&publication_year=2018&journal=J.+Br.
Recomendaciones
Ayuda
lens +Blockchain+Assoc.&volume=1&pages=1%E2%80%9312&doi=10.31585/jbba-1-
formato_cita
1-(10)2018)]
Sector Alimentario [CrossRef (https://doi.org/10.31585/jbba-1-1-(10)2018)]
lens
Implicaciones
57. y limitaciones
Citar Zhang, J.; Zhang, X.; Dediu, L.; Victor, C. Review of the current application of
pregunta respuesta
lens
Conclusiones
fingerprinting allowing detection of food adulteration and fraud in China. Food Control
lens
Contribuciones
2011, de autor 22, 1126–1135. [Google Scholar
lens Discutir en
Fondos (https://scholar.google.com/scholar_lookup?
SciProfiles
lens  
title=Review+of+the+current+application+of+fingerprinting+allowing+detection+
of+food+adulteration+and+fraud+in+China&author=Zhang,+J.&author=Zhang,+X
pulgar arriba
lens
.&author=Dediu,+L.&author=Victor,+C.&publication_year=2011&journal=Food+C
informado
ontrol&volume=22&pages=1126%E2%80%931135&doi=10.1016/j.foodcont.2011.0
lens
Declaración
1.019)]de
Endosar disponibilidad
[CrossRef de
(https://doi.org/10.1016/j.foodcont.2011.01.019)]
mensajes de texto
datos
lens 58. Doinea, M.; Boja, C.; Batagan, L.; Toma, C.; Popa, M. Internet of Things Based
Systems
lens Comentario for Food Safety Management. Inform. Econ. 2015, 19, 87–97. [Google Scho-
lens lar (https://scholar.google.com/scholar_lookup?
Referencias
title=Internet+of+Things+Based+Systems+for+Food+Safety+Management&autho
r=Doinea,+M.&author=Boja,+C.&author=Batagan,+L.&author=Toma,+C.&author=
Popa,+M.&publication_year=2015&journal=Inform.+Econ.&volume=19&pages=8
7%E2%80%9397&doi=10.12948/issn14531305/19.1.2015.08)] [CrossRef
(https://doi.org/10.12948/issn14531305/19.1.2015.08)]
59. Dormehl, L. Flippy, the Burger-Flipping Robot, is Changing the Face of Fast
Food|Digital Trends. 2020. Available online: https://www.digitaltrends.com/cool-tec
h/flippy-burger-robot-changing-fast-food/ (https://www.digitaltrends.com/cool-te
ch/flippy-burger-robot-changing-fast-food/) (accessed on 10 May 2021).
60. Briggo. Briggo’s Connected Coffee Solution. 2020. Available online: https://briggo.co
m/solutions/ (https://briggo.com/solutions/) (accessed on 10 May 2021).
61. Chowdhury Paul, A. Food Goes the AI Way—See Top Applications of AI in Food
Industry. 2017. Available online: https://analyticsindiamag.com/food-goes-ai-way-s
ee-top-applications-ai-food-industry/ (https://www.chowbotics.com/) (accessed
on 10 May 2021).
62. Chowbotics. Chowbotics|The First Fresh Food Robot Serving Made-To-Order Meals.
2019. Available online: https://www.chowbotics.com/ (https://www.chowbotics.co
m/) (accessed on 10 May 2021).
Volver arribaArriba
compartir
63. Toorajipour, R.; Sohrabpour, V.; Nazarpour, A.; Oghazi, P.; Fischl, M. Artificial
lens
abstractas
(/)
lens intelligence in supplyáchain management: A systematic literature review. J. Bus. Res.
Introducción
lens 2021, de revisión 122,
Compartir
Metodología 502–517. [Google
searchmenu
Scholar
anuncio
Alcance
lens title=Artificial+intelligence+in+supply+chain+management:+A+systematic+literat
Recomendaciones
Ayuda
lens ure+review&author=Toorajipour,+R.&author=Sohrabpour,+V.&author=Nazarpour,
formato_cita
+A.&author=Oghazi,+P.&author=Fischl,+M.&publication_year=2021&journal=J.+
Sector Alimentario
lens Bus.+Res.&volume=122&pages=502%E2%80%93517&doi=10.1016/j.jbusres.2020
Implicaciones
pregunta respuesta
lens .09.009)] [CrossRef (https://doi.org/10.1016/j.jbusres.2020.09.009)]
Conclusiones
lens
Contribuciones
64. Bala, P.K. de autor
Improving inventory performance with clustering based demand forecasts. J.
lens Discutir en
Fondos Model.
SciProfiles
Manag. 2012, 7, 23–37. [Google Scholar
lens  
title=Improving+inventory+performance+with+clustering+based+demand+foreca
pulgar arriba
lens
sts&author=Bala,+P.K.&publication_year=2012&journal=J.+Model.+Manag.&volu
informado
me=7&pages=23%E2%80%9337&doi=10.1108/17465661211208794)] [CrossRef
lens
Declaración
(https://doi.org/10.1108/17465661211208794)]
mensajes de texto
datos
lens 65. Rajesh, R. A grey-layered ANP based decision support model for analyzing strategies
of
lens Comentarioresilience in electronic supply chains. Eng. Appl. Artif. Intell. 2020, 87, 103338.
lens [Google Scholar (https://scholar.google.com/scholar_lookup?title=A+grey-
Referencias
layered+ANP+based+decision+support+model+for+analyzing+strategies+of+resi
lience+in+electronic+supply+chains&author=Rajesh,+R.&publication_year=2020
&journal=Eng.+Appl.+Artif.+Intell.&volume=87&pages=103338&doi=10.1016/j.en
gappai.2019.103338)] [CrossRef (https://doi.org/10.1016/j.engappai.2019.103338)]
66. Mogre, R.; Talluri, S.S.; Amico, F.D. A Decision Framework to Mitigate Supply Chain
Risks: An Application in the Offshore-Wind Industry. IEEE Trans. Eng. Manag. 2016,
63, 316–325. [Google Scholar (https://scholar.google.com/scholar_lookup?
title=A+Decision+Framework+to+Mitigate+Supply+Chain+Risks:+An+Applicatio
n+in+the+Offshore-
Wind+Industry&author=Mogre,+R.&author=Talluri,+S.S.&author=Amico,+F.D.&pu
blication_year=2016&journal=IEEE+Trans.+Eng.+Manag.&volume=63&pages=31
6%E2%80%93325&doi=10.1109/TEM.2016.2567539)] [CrossRef
(https://doi.org/10.1109/TEM.2016.2567539)][Green Version ()]
Volver arribaArriba
compartir
67. Mokhtarinejad, M.; Ahmadi, A.; Karimi, B.; Rahmati, S.H.A. A novel learning based
lens
abstractas
(/)
lens
Introducción á
approach for a new integrated loca-tion-routing and scheduling problem within cross-
lens dockingde
Compartir
Metodología considering
revisión
searchmenu
direct shipment. Appl. Soft Comput. J. 2015, 34, 274–285. [Goo-
anuncio
lens
Alcance
lens title=A+novel+learning+based+approach+for+a+new+integrated+loca-tion-
Recomendaciones
Ayuda
lens routing+and+scheduling+problem+within+cross-
formato_cita
docking+considering+direct+shipment&author=Mokhtarinejad,+M.&author=Ahm
Sector Alimentario
lens adi,+A.&author=Karimi,+B.&author=Rahmati,+S.H.A.&publication_year=2015&jo
Implicaciones
pregunta respuesta
lens urnal=Appl.+Soft+Comput.+J.&volume=34&pages=274%E2%80%93285&doi=10.
Conclusiones
lens 1016/j.asoc.2015.04.062)]
Contribuciones de autor [CrossRef (https://doi.org/10.1016/j.asoc.2015.04.062)]
lens Discutir en
Fondos
68. Fallahpour, A.; Wong, K.Y.; Olugu, E.U.; Musa, S.N. A Predictive Integrated Genetic-
SciProfiles
lens  
Based de
Declaración Model for de
la Junta Supplier Evaluation and Selection. Int. J. Fuzzy Syst. 2017, 19,
Revisión Institucional [Google
1041–1057. Scholar
pulgar arriba
lens
title=A+Predictive+Integrated+Genetic-
informado
Based+Model+for+Supplier+Evaluation+and+Selection&author=Fallahpour,+A.&
lens
Declaración
author=Wong,+K.Y.&author=Olugu,+E.U.&author=Musa,+S.N.&publication_year=
mensajes de texto
datos2017&journal=Int.+J.+Fuzzy+Syst.&volume=19&pages=1041%E2%80%931057&d
lens
oi=10.1007/s40815-017-0324-z)] [CrossRef (https://doi.org/10.1007/s40815-017-
lens Comentario
0324-z)]
lens
Referencias
69. Haff, R.P.; Toyofuku, N. X-ray detection of defects and contaminants in the food
industry. Sens. Strum. Food Qual. Saf. 2008, 2, 262–273. [Google Scholar
(https://scholar.google.com/scholar_lookup?title=X-
ray+detection+of+defects+and+contaminants+in+the+food+industry&author=Ha
ff,+R.P.&author=Toyofuku,+N.&publication_year=2008&journal=Sens.+Strum.+Fo
od+Qual.+Saf.&volume=2&pages=262%E2%80%93273&doi=10.1007/s11694-008-
9059-8)] [CrossRef (https://doi.org/10.1007/s11694-008-9059-8)]
70. Medus, L.D.; Saban, M.; Francés-Víllora, J.V.; Bataller-Mompeán, M.; Rosado-Muñoz,
A. Hyperspectral image classification using CNN: Application to industrial food
packaging. Food Control 2021, 125, 107962. [Google Scholar
title=Hyperspectral+image+classification+using+CNN:+Application+to+industrial
+food+packaging&author=Medus,+L.D.&author=Saban,+M.&author=Franc%C3%
A9s-V%C3%ADllora,+J.V.&author=Bataller-
Mompe%C3%A1n,+M.&author=Rosado-
Mu%C3%B1oz,+A.&publication_year=2021&journal=Food+Control&volume=125
&pages=107962&doi=10.1016/j.foodcont.2021.107962)] [CrossRef
(https://doi.org/10.1016/j.foodcont.2021.107962)]
Volver arribaArriba
compartir
71. Benouis, M.; Medus, L.D.; Saban, M.; Łabiak, G.; Rosado-Muñoz, A. Food tray sealing
lens
abstractas
(/)
lens fault detection using áhyperspectral imaging and PCANet. IFAC-Papers Online 2020,
Introducción
lens 53, 7845–7850.
Compartir
Metodología
searchmenu
de revisión [Google Scholar (https://scholar.google.com/scholar_lookup?
anuncio
title=Food+tray+sealing+fault+detection+using+hyperspectral+imaging+and+PC
lens
Alcance
lens ANet&author=Benouis,+M.&author=Medus,+L.D.&author=Saban,+M.&author=%C
Recomendaciones
Ayuda
lens 5%81abiak,+G.&author=Rosado-
formato_cita
Mu%C3%B1oz,+A.&publication_year=2020&journal=IFAC-
Sector Alimentario
lens Papers+Online&volume=53&pages=7845%E2%80%937850&doi=10.1016/j.ifacol.2
Implicaciones
pregunta respuesta
lens 020.12.1955)] [CrossRef (https://doi.org/10.1016/j.ifacol.2020.12.1955)]
Conclusiones
lens
Contribuciones
72. de autor Industry in India Heading towards Advanced Automation. 2019.
Food & Beverage
lens Discutir en
Fondos Available online: https://www.industr.com/en/food-beverage-industry-in-india-hea
SciProfiles
lens  
ding-towards-advanced-automation-2392853
(https://sciprofiles.com/discussion- (https://www.industr.com/en/food-b
everage-industry-in-india-heading-towards-advanced-automation-2392853)
pulgar arriba
lens
(accessed on 10 May 2021).
informado
lens 73. Yan, W.J.; Chen, X.; Akcan, O.; Lim, J.; Yang, D. Big Data Analyticsfor Empowering
Declaración
Milk Yield Prediction in Dairy Supply Chains. In Proceedings of the 2015 IEEE
mensajes de texto
datos
lens International Conference on Big Data (Big Data), Santa Clara, CA, USA, 29 October–1
November
lens Comentario 2015; pp. 2132–2137. [Google Scholar
Referencias
title=Big+Data+Analyticsfor+Empowering+Milk+Yield+Prediction+in+Dairy+Supp
ly+Chains&conference=Proceedings+of+the+2015+IEEE+International+Conferen
ce+on+Big+Data+
(Big+Data)&author=Yan,+W.J.&author=Chen,+X.&author=Akcan,+O.&author=Lim
,+J.&author=Yang,+D.&publication_year=2015&pages=2132%E2%80%932137)]
74. Farshidpour, S.; Keynia, F. Using artificial bee colony Algorithm for MLP Training on
software defect prediction. Oriental J. Comput. Sci. Technol. 2012, 5, 231–239. [Goo-
title=Using+artificial+bee+colony+Algorithm+for+MLP+Training+on+software+de
fect+prediction&author=Farshidpour,+S.&author=Keynia,+F.&publication_year=2
012&journal=Oriental+J.+Comput.+Sci.+Technol.&volume=5&pages=231%E2%8
0%93239)]
Volver arribaArriba
compartir
75. Sugiono, S.; Soenoko, R.; Riawati, L. Investigating the Impact of Physiological Aspect
lens
abstractas
(/)
lens
Introducción á Investigating the Impact of Physiological Aspect on Cow Milk
on Cow Milk Production
lens Production
Compartir
searchmenu
Using Artificial Intelligence. Int. Rev. Mech. Eng. 2017, 11, 30–36. [Google
anuncio
lens Scholar
Alcance (https://scholar.google.com/scholar_lookup?
lens title=Investigating+the+Impact+of+Physiological+Aspect+on+Cow+Milk+Product
Recomendaciones
Ayuda
lens ion+Investigating+the+Impact+of+Physiological+Aspect+on+Cow+Milk+Producti
formato_cita
on+Using+Artificial+Intelligence&author=Sugiono,+S.&author=Soenoko,+R.&aut
Sector Alimentario
lens hor=Riawati,+L.&publication_year=2017&journal=Int.+Rev.+Mech.+Eng.&volume
Implicaciones
pregunta respuesta
lens =11&pages=30%E2%80%9336&doi=10.15866/ireme.v11i1.9873)]
lens (https://doi.org/10.15866/ireme.v11i1.9873)]
lens Discutir en
Fondos
76. Goyal, S.; Goyal, G.K. Smart Artificial Intelligence Computerized Models for Shelf Life
SciProfiles
lens  
Prediction
Declaración de laofJunta
Processed
de Cheese. Int. J. Eng. Technol. 2012, 1, 281. [Google Scholar
pulgar arriba
lens
title=Smart+Artificial+Intelligence+Computerized+Models+for+Shelf+Life+Predic
informado
tion+of+Processed+Cheese&author=Goyal,+S.&author=Goyal,+G.K.&publication
lens
Declaración
_year=2012&journal=Int.+J.+Eng.+Technol.&volume=1&pages=281&doi=10.1441
mensajes de texto
datos9/ijet.v1i3.201)] [CrossRef (https://doi.org/10.14419/ijet.v1i3.201)][Green Version
lens
(https://www.sciencepubco.com/index.php/ijet/article/download/201/174)]
lens Comentario
lens 77. Cabrera, V.E.; Barrientos-Blanco, J.A.; Delgado, H.; Fadul-Pacheco, L. Symposium
Referencias
review: Real-time continuous decision making using big data on dairy farms. J. Dairy
Sci. 2019, 103, 3856–3866. [Google Scholar
(https://scholar.google.com/scholar_lookup?title=Symposium+review:+Real-
time+continuous+decision+making+using+big+data+on+dairy+farms&author=C
abrera,+V.E.&author=Barrientos-
Blanco,+J.A.&author=Delgado,+H.&author=Fadul-
Pacheco,+L.&publication_year=2019&journal=J.+Dairy+Sci.&volume=103&pages
=3856%E2%80%933866&doi=10.3168/jds.2019-17145&pmid=31864744)] [Cross-
Ref (https://doi.org/10.3168/jds.2019-17145)] [PubMed
78. Mor, R.S.; Bhardwaj, A.; Singh, S. Integration of SWOT-AHP approach for measuring
the critical factors of dairy supply chain. Logistics 2019, 3, 9. [Google Scholar
(https://scholar.google.com/scholar_lookup?title=Integration+of+SWOT-
AHP+approach+for+measuring+the+critical+factors+of+dairy+supply+chain&aut
hor=Mor,+R.S.&author=Bhardwaj,+A.&author=Singh,+S.&publication_year=2019
&journal=Logistics&volume=3&pages=9&doi=10.3390/logistics3010009)] [Cross-
Ref (https://doi.org/10.3390/logistics3010009)][Green Version (https://www.mdpi.
com/2305-6290/3/1/9/pdf)]
Volver arribaArriba
compartir
79. Mor, (/)R.S.; Bhardwaj, A.; Singh, S. Benchmarking the interactions among barriers in
lens
abstractas
lens
Introducción á ISM approach. Int. J. Qual. Res. 2018, 12, 385–404. [Google
Dairy supply chain: An
lens Scholarde revisión
Compartir
Metodología
searchmenu
anuncio
lens title=Benchmarking+the+interactions+among+barriers+in+Dairy+supply+chain:+
Alcance
lens An+ISM+approach&author=Mor,+R.S.&author=Bhardwaj,+A.&author=Singh,+S.&
Recomendaciones
Ayuda
lens publication_year=2018&journal=Int.+J.+Qual.+Res.&volume=12&pages=385%E2
formato_cita
%80%93404&doi=10.18421/IJQR12.02-06)]
Sector Alimentario [CrossRef
lens (https://doi.org/10.18421/IJQR12.02-06)]
Implicaciones
pregunta respuesta
lens
Conclusiones
80. Purnell, G. Robotic equipment in the meat industry. Meat Sci. 1998, 49, 297–307.
lens
Contribuciones
[Google de autor Scholar (https://scholar.google.com/scholar_lookup?
lens Discutir en
Fondos title=Robotic+equipment+in+the+meat+industry&author=Purnell,+G.&publicatio
SciProfiles
lens  
n_year=1998&journal=Meat+Sci.&volume=49&pages=297%E2%80%93307&doi=1
0.1016/S0309-1740(98)90056-0)] [CrossRef (https://doi.org/10.1016/S0309-
pulgar arriba
lens
1740(98)90056-0)]
informado
lens
81. Buckingham, R.; Davey, P. This robot’s gone fishing. Ind. Robot. Int. J. 1995, 22, 12–
Declaración
14. [Google Scholar
mensajes de texto
datos
lens title=This+robot%E2%80%99s+gone+fishing&author=Buckingham,+R.&author=
Davey,+P.&publication_year=1995&journal=Ind.+Robot.+Int.+J.&volume=22&pag
lens Comentario
lens es=12%E2%80%9314&doi=10.1108/01439919510147790)] [CrossRef
Referencias
(https://doi.org/10.1108/01439919510147790)]
82. Kuuliala, L.; Abatih, E.; Ioannidis, A.G.; Vanderroost, M.; De Meulenaer, B.; Ragaert,
P.; Devlieghere, F. Multivariate statistical analysis for the identification of potential
seafood spoilage indicators. Food Control 2017, 84, 49–60. [Google Scholar
title=Multivariate+statistical+analysis+for+the+identification+of+potential+seafo
od+spoilage+indicators&author=Kuuliala,+L.&author=Abatih,+E.&author=Ioanni
dis,+A.G.&author=Vanderroost,+M.&author=De+Meulenaer,+B.&author=Ragaert,
+P.&author=Devlieghere,+F.&publication_year=2017&journal=Food+Control&vol
ume=84&pages=49%E2%80%9360&doi=10.1016/j.foodcont.2017.07.018)] [Cross-
Ref (https://doi.org/10.1016/j.foodcont.2017.07.018)][Green Version (https://biblio.
ugent.be/publication/8543149/file/8549980.pdf)]
Volver arribaArriba
compartir
83. Kodogiannis, V.S.; Pachidis, T.; Kontogianni, E. Engineering Applications of Arti fi cial
lens
abstractas
(/)
lens
Introducción á based decision support system for the detection of meat
Intelligence An intelligent
lens spoilage.
Compartir
Metodología Eng. Appl.
de revisión Artif. Intell. 2014, 34, 23–36. [Google
searchmenu
Scholar
anuncio
lens
Alcance
lens title=Engineering+Applications+of+Arti+fi+cial+Intelligence+An+intelligent+base
Recomendaciones
Ayuda
lens d+decision+support+system+for+the+detection+of+meat+spoilage&author=Kod
formato_cita
ogiannis,+V.S.&author=Pachidis,+T.&author=Kontogianni,+E.&publication_year=
Sector Alimentario
lens 2014&journal=Eng.+Appl.+Artif.+Intell.&volume=34&pages=23%E2%80%9336&d
Implicaciones
pregunta respuesta
lens oi=10.1016/j.engappai.2014.05.001)]
lens (https://doi.org/10.1016/j.engappai.2014.05.001)]
lens Discutir en
Fondos
84. Ballerini, L.; Hogberg, A.; Lundstrom, K.; Borgefors, G. Colour Image Analysis
SciProfiles
lens  
Technique
Declaración de lafor Measuring
Junta de of Fat in Meat: An Application for the Meat Industry. In
Machine Vision Applications in Industrial Inspection IX; International Society for Optics
pulgar arriba
lens
and Photonics: Bellingham, WA, USA, 2001; Volume 4301, pp. 113–124. [Google
informado
lens
Declaración
title=Colour+Image+Analysis+Technique+for+Measuring+of+Fat+in+Meat:+An+A
mensajes de texto
datospplication+for+the+Meat+Industry&author=Ballerini,+L.&author=Hogberg,+A.&a
lens
uthor=Lundstrom,+K.&author=Borgefors,+G.&publication_year=2001&pages=11
lens Comentario
3%E2%80%93124)] [CrossRef (https://doi.org/10.1117/12.420903)]
lens
Referencias
85. Musatov, V.Y.; Sysoev, V.V.; Sommer, M.; Kiselev, I. Sensors and Actuators B:
Chemical Assessment of meat freshness with metal oxide sensor microarray electronic
nose: A practical approach. Sens. Actuators B Chem. 2010, 144, 99–103. [Google
title=Sensors+and+Actuators+B:+Chemical+Assessment+of+meat+freshness+w
ith+metal+oxide+sensor+microarray+electronic+nose:+A+practical+approach&a
uthor=Musatov,+V.Y.&author=Sysoev,+V.V.&author=Sommer,+M.&author=Kiselev
,+I.&publication_year=2010&journal=Sens.+Actuators+B+Chem.&volume=144&p
ages=99%E2%80%93103&doi=10.1016/j.snb.2009.10.040)] [CrossRef
(https://doi.org/10.1016/j.snb.2009.10.040)]
Volver arribaArriba
compartir
86. Goyache, F.; Bahamonde, A.; Alonso, J.; Lopez, S.; Del Coz, J.J.; Quevedo, J.R.;
lens
abstractas
(/)
lens Ranilla, J.; Luaces, áO.; Alvarez, I.; Royo, L.J.; et al. The usefulness of artificial
Introducción
lens intelligence
Compartir
searchmenu
techniques to assess subjective quality of products in the food industry.
anuncio
Trends Food Sci. Technol. 2001, 12, 370–381. [Google Scholar
lens
Alcance
Recomendaciones
Ayuda
lens title=The+usefulness+of+artificial+intelligence+techniques+to+assess+subjectiv
formato_cita
e+quality+of+products+in+the+food+industry&author=Goyache,+F.&author=Bah
Sector Alimentario
lens amonde,+A.&author=Alonso,+J.&author=Lopez,+S.&author=Del+Coz,+J.J.&auth
Implicaciones
pregunta respuesta
lens or=Quevedo,+J.R.&author=Ranilla,+J.&author=Luaces,+O.&author=Alvarez,+I.&a
Conclusiones
lens uthor=Royo,+L.J.&publication_year=2001&journal=Trends+Food+Sci.+Technol.&
volume=12&pages=370%E2%80%93381&doi=10.1016/S0924-2244(02)00010-9)]
lens Discutir en
Fondos
SciProfiles
lens  [CrossRef 
Declaración de la(https://doi.org/10.1016/S0924-2244(02)00010-9)][Green
Junta de
Version (http://
ria.asturias.es/RIA/bitstream/123456789/2081/1/Archivo.pdf)]
pulgar arriba
lens
Declaración
87. Shweta,deA.S.
consentimiento
Intelligent Refrigerator Using Artificial Intelligence. In Proceedings of the
informado
2017 11th International Conference on Intelligent Systems and Control (ISCO),
lens
Declaración
Endosar de disponibilidad
Coimbatore, India, de 5–6 January 2017; pp. 464–468. [Google Scholar
mensajes de texto
datos(https://scholar.google.com/scholar_lookup?
lens
title=Intelligent+Refrigerator+Using+Artificial+Intelligence&conference=Proceedi
lens Comentario
ngs+of+the+2017+11th+International+Conference+on+Intelligent+Systems+and+
lens
Referencias
Control+
(ISCO)&author=Shweta,+A.S.&publication_year=2017&pages=464%E2%80%9346
8&doi=10.1109/ISCO.2017.7856036)] [CrossRef
(https://doi.org/10.1109/ISCO.2017.7856036)]
88. Pla, F.; Sanchiz, J.M.; Sánchez, J.S. An integral automation of industrial fruit and
vegetable sorting by machine vision. IEEE Int. Conf. Emerg. Technol. Fact. Autom.
ETFA 2001, 2, 541–546. [Google Scholar
title=An+integral+automation+of+industrial+fruit+and+vegetable+sorting+by+ma
chine+vision&author=Pla,+F.&author=Sanchiz,+J.M.&author=S%C3%A1nchez,+J
.S.&publication_year=2001&journal=IEEE+Int.+Conf.+Emerg.+Technol.+Fact.+Au
tom.+ETFA&volume=2&pages=541%E2%80%93546&doi=10.1109/etfa.2001.99773
1.71)] [CrossRef (https://doi.org/10.1109/etfa.2001.997731.71)]
Volver arribaArriba
compartir
89. El-Hajj, M.; Fadlallah, A.; Chamoun, M.; Serhrouchni, A. A survey of internet of things
lens
abstractas
(/)
lens (IoT) authenticationá schemes.
Introducción Sensors 2019, 19, 1141. [Google Scholar
Compartir
searchmenu
anuncio
title=A+survey+of+internet+of+things+
lens
Alcance
lens (IoT)+authentication+schemes&author=El-
Recomendaciones
Ayuda
lens Hajj,+M.&author=Fadlallah,+A.&author=Chamoun,+M.&author=Serhrouchni,+A.&
formato_cita
publication_year=2019&journal=Sensors&volume=19&pages=1141&doi=10.3390/
Sector Alimentario
lens s19051141&pmid=30845760)]
Implicaciones
Citar y limitaciones [CrossRef (https://doi.org/10.3390/s19051141)]
pregunta respuesta
lens [PubMed (http://www.ncbi.nlm.nih.gov/pubmed/30845760)][Green Version (http
Conclusiones
lens s://www.mdpi.com/1424-8220/19/5/1141/pdf)]
lens Discutir en
Fondos
90. Lu, S.; Wang, X. Toward an intelligent solution for perishable food cold chain
SciProfiles
lens  
management.
Declaración In de
de la Junta Proceedings of the 2016 7th IEEE International Conference on
Software Engineering and Service Science (ICSESS), Beijing, China, 26–28 August
pulgar arriba
lens
2016; pp. 852–856. [Google Scholar (https://scholar.google.com/scholar_lookup?
informado
title=Toward+an+intelligent+solution+for+perishable+food+cold+chain+manage
lens
Declaración
ment&conference=Proceedings+of+the+2016+7th+IEEE+International+Conferen
mensajes de texto
datosce+on+Software+Engineering+and+Service+Science+
lens
(ICSESS)&author=Lu,+S.&author=Wang,+X.&publication_year=2016&pages=852
lens Comentario
%E2%80%93856&doi=10.1109/ICSESS.2016.7883200)] [CrossRef
lens
Referencias
(https://doi.org/10.1109/ICSESS.2016.7883200)]
91. Pal, A.; Kant, K. Smart sensing, communication, and control in perishable food supply
chain. ACM Trans. Sens. Netw. 2020, 16, 1–41. [Google Scholar
title=Smart+sensing,+communication,+and+control+in+perishable+food+supply
+chain&author=Pal,+A.&author=Kant,+K.&publication_year=2020&journal=ACM
+Trans.+Sens.+Netw.&volume=16&pages=1%E2%80%9341&doi=10.1145/336072
6)] [CrossRef (https://doi.org/10.1145/3360726)]
92. Akpan, N.P.; Iwok, I.A. Application of Linear Programming for Optimal Use of Raw
Materials in Bakery. Int. J. Math. Stat. Invent 2016, 4, 51–57. [Google Scholar
title=Application+of+Linear+Programming+for+Optimal+Use+of+Raw+Materials+
in+Bakery&author=Akpan,+N.P.&author=Iwok,+I.A.&publication_year=2016&jour
nal=Int.+J.+Math.+Stat.+Invent&volume=4&pages=51%E2%80%9357)]
93. Utepbergenov, I.T.; Khissamiyev, Z.G.; Toybayeva, S.D.; Musslimova, A.K. Intelligent
Oven Control System in Bakery Production. ESA Conference, pp. 1–3. Available
online: https://esa-conference.ru/wp-content/uploads/files/pdf/Tojbaeva-SHara-Dz
holdaspekovna.pdf (https://esa-conference.ru/wp-content/uploads/files/pdf/Tojba
eva-SHara-Dzholdaspekovna.pdf) (accessed on 11 May 2021).
Volver arribaArriba
compartir
94. Gonzalez Viejo, C.; Torrico, D.D.; Dunshea, F.R.; Fuentes, S. Emerging Technologies
lens
abstractas
(/)
lens
Introducción á
Based on Artificial Intelligence to Assess the Quality and Consumer Preference of
lens Beverages.
Compartir
Metodología de revisión Beverages 2019, 5, 62. [Google
searchmenu
Scholar
anuncio
Alcance
lens title=Emerging+Technologies+Based+on+Artificial+Intelligence+to+Assess+the+
Recomendaciones
Ayuda
lens Quality+and+Consumer+Preference+of+Beverages&author=Gonzalez+Viejo,+C.
formato_cita
&author=Torrico,+D.D.&author=Dunshea,+F.R.&author=Fuentes,+S.&publication
Sector Alimentario
lens _year=2019&journal=Beverages&volume=5&pages=62&doi=10.3390/beverages5
Implicaciones
pregunta respuesta
lens 040062)] [CrossRef (https://doi.org/10.3390/beverages5040062)][Green Version (h
Conclusiones
lens ttps://www.mdpi.com/2306-5710/5/4/62/pdf)]
lens Discutir en
Fondos
95. Funes, E.; Allouche, Y.; Beltrán, G.; Jiménez, A. A Review: Artificial Neural Networks as
SciProfiles
lens  
Tool fordeControl
Declaración la JuntaFood
de Industry Process. J. Sens. Technol. 2015, 5, 28–43. [Google
pulgar arriba
lens
title=A+Review:+Artificial+Neural+Networks+as+Tool+for+Control+Food+Industr
informado
y+Process&author=Funes,+E.&author=Allouche,+Y.&author=Beltr%C3%A1n,+G.
lens
Declaración
&author=Jim%C3%A9nez,+A.&publication_year=2015&journal=J.+Sens.+Techno
mensajes de texto
datosl.&volume=5&pages=28%E2%80%9343&doi=10.4236/jst.2015.51004)] [CrossRef
lens
(https://doi.org/10.4236/jst.2015.51004)][Green Version (http://www.scirp.org/jour
lens Comentario
nal/PaperDownload.aspx?paperID=54322)]
lens
Referencias
96. Schaller, E.; Bosset, J.O.; Escher, F. “Electronic nose” and their application to food
(review). LWT-Food Sci. Technol. 1998, 31, 305–316. [Google Scholar
title=%E2%80%9CElectronic+nose%E2%80%9D+and+their+application+to+food
+
(review)&author=Schaller,+E.&author=Bosset,+J.O.&author=Escher,+F.&publicat
ion_year=1998&journal=LWT-
Food+Sci.+Technol.&volume=31&pages=305%E2%80%93316&doi=10.1006/fstl.1
998.0376)] [CrossRef (https://doi.org/10.1006/fstl.1998.0376)][Green Version (htt
p://pdfs.semanticscholar.org/91b4/5ffa3cbe14f2efc958787aa0c098abb44d26.pdf)]
97. Hsieh, Y.C.; Yao, D.J. Intelligent gas-sensing systems and their applications. J.
Micromechanics Microengineering 2018, 28. [Google Scholar
(https://scholar.google.com/scholar_lookup?title=Intelligent+gas-
sensing+systems+and+their+applications&author=Hsieh,+Y.C.&author=Yao,+D.J
.&publication_year=2018&journal=J.+Micromechanics+Microengineering&volum
e=28&doi=10.1088/1361-6439/aac849)] [CrossRef (https://doi.org/10.1088/1361-
6439/aac849)]
Volver arribaArriba
compartir
98. Gardner, J.W.; Craven, M.; Dow, C.; Hines, E.L. The prediction of bacteria type and
lens
abstractas
(/)
lens culture growth phaseá by an electronic nose with a multi-layer perceptron network.
Introducción
lens Meas. de revisión
Compartir
Metodología Sci. Technol. 1998, 9, 120–127. [Google
searchmenu
Scholar
anuncio
lens
Alcance
lens title=The+prediction+of+bacteria+type+and+culture+growth+phase+by+an+elect
Recomendaciones
Ayuda
lens ronic+nose+with+a+multi-
formato_cita
layer+perceptron+network&author=Gardner,+J.W.&author=Craven,+M.&author=
Sector Alimentario
lens Dow,+C.&author=Hines,+E.L.&publication_year=1998&journal=Meas.+Sci.+Tech
Implicaciones
pregunta respuesta
lens nol.&volume=9&pages=120%E2%80%93127&doi=10.1088/0957-0233/9/1/016)]
Conclusiones
lens [CrossRefde(https://doi.org/10.1088/0957-0233/9/1/016)][Green
Contribuciones autor Version (http://pdfs.
semanticscholar.org/2a9d/6b65182e59ff586fd09504299f4fbaea295c.pdf)]
lens Discutir en
Fondos
SciProfiles
lens  
99. Goswami,
Declaración de laR.; Jain,
Junta de R. Non-Destructive Quality Evaluation in Spice Industry with
Specific Reference to Black Pepper (Piper Nigrum, L.). In Proceedings of the 2013
pulgar arriba
lens
Nirma University International Conference on Engineering (NUiCONE), Ahmedabad,
informado
India, 28–30 November 2013; Volume 5, pp. 6–10. [Google Scholar
lens
Declaración
(https://scholar.google.com/scholar_lookup?title=Non-
mensajes de texto
datosDestructive+Quality+Evaluation+in+Spice+Industry+with+Specific+Reference+to
lens
+Black+Pepper+
lens Comentario
(Piper+Nigrum,+L.)&conference=Proceedings+of+the+2013+Nirma+University+In
lens
Referencias
ternational+Conference+on+Engineering+
(NUiCONE)&author=Goswami,+R.&author=Jain,+R.&publication_year=2013&pag
es=6%E2%80%9310&doi=10.1109/NUiCONE.2013.6780106)] [CrossRef
(https://doi.org/10.1109/NUiCONE.2013.6780106)]
100. Kashwan, K.R.; Bhuyan, M. Robust electronic-nose system with temperature and
humidity drift compensation for tea and spice flavour discrimination. In Proceedings of
the 2005 Asian Conference on Sensors and the International Conference on New
Techniques in Pharmaceutical and Biomedical Research, Kuala Lumpur, Malaysia, 5–7
September 2005; pp. 154–158. [Google Scholar
(https://scholar.google.com/scholar_lookup?title=Robust+electronic-
nose+system+with+temperature+and+humidity+drift+compensation+for+tea+an
d+spice+flavour+discrimination&conference=Proceedings+of+the+2005+Asian+
Conference+on+Sensors+and+the+International+Conference+on+New+Techniqu
es+in+Pharmaceutical+and+Biomedical+Research&author=Kashwan,+K.R.&aut
hor=Bhuyan,+M.&publication_year=2005&pages=154%E2%80%93158&doi=10.11
09/ASENSE.2005.1564528)] [CrossRef
(https://doi.org/10.1109/ASENSE.2005.1564528)]
Nota del editor: MDPI se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones
institucionales. Volver arribaArriba
compartir
lens
abstractas(/)
lens© 2021 por los autores. Licenciatario
á MDPI, Basilea, Suiza. Este artículo es un artículo de
Introducción
lensacceso
Compartirabierto
searchmenu
distribuido bajo los términos y condiciones de la licencia Creative Commons
anuncio
lensAttribution (CC BY) ( https://creativecommons.org/licenses/by/4.0/
Alcance
lens(https://creativecommons.org/licenses/by/4.0/) ).
Recomendaciones
Ayuda
lens
formato_cita
Sector Alimentario
Compartir y citar
lens
Implicaciones

pregunta respuesta
lens
Conclusiones
(mailto:?
lens
&subject=From%20MDPI%3A%20%22Sustainable%20Innovations%20in%20the%20Fo
lens Discutir en
od%20Industry%20through%20Artificial%20Intelligence%20and%20Big%20Data%20An
Fondos
SciProfiles
lens  
alytics"&body=https://www.mdpi.com/1287864%3A%0A%0ASustainable%20Innovation
s%20in%20the%20Food%20Industry%20through%20Artificial%20Intelligence%20and%
pulgar arriba
lens
20Big%20Data%20Analytics%0A%0AAbstract%3A%20The%20agri-
informado
food%20sector%20is%20an%20endless%20source%20of%20expansion%20for%20nou
lens
Declaración
rishing%20a%20vast%20population%2C%20but%20there%20is%20a%20considerable
mensajes de texto
datos
%20need%20to%20develop%20high-
lens
standard%20procedures%20through%20intelligent%20and%20innovative%20technolo
lens Comentario
gies%2C%20such%20as%20artificial%20intelligence%20%28AI%29%20and%20big%20
lens
Referencias
data.%20This%20paper%20addresses%20the%20research%20concerning%20AI%20an
d%20big%20data%20analytics%20in%20the%20food%20industry%2C%20including%2
0machine%20learning%2C%20artificial%20neural%20networks%20%28ANNs%29%2C
%20and%20various%20algorithms.%20Logistics%2C%20supply%20chain%2C%20mar
keting%2C%20and%20production%20patterns%20are%20covered%20along%20with%
20food%20sub-
sector%20applications%20for%20artificial%20intelligence%20techniques.%20It%20is%
20found%20that%20utilization%20of%20AI%20techniques%20and%20the%20intelligen
t%20optimization%20algorithm%20also%20leads%20to%20significant%20process%20
and%20production%20management.%20Thus%2C%20digital%20technologies%20are
%20a%20boon%20for%20the%20food%20industry%2C%20where%20AI%20and%20big
%20data%20have%20enabled%20us%20to%20achieve%20optimum%20results%20in%
20realtime.) 
(https://twitter.com/intent/tweet?
text=Sustainable+Innovations+in+the+Food+Industry+through+Artificial+Intelligence+
and+Big+Data+Analytics&hashtags=mdpilogistics&url=https%3A%2F%2Fwww.mdpi.c
om%2F1287864&via=Logistics_Mdpi)  ( http://www.linkedin.com/shareArticle?
mini=true&url=https%3A%2F%2Fwww.mdpi.com%2F1287864&title=Sustainable%20Inn
ovations%20in%20the%20Food%20Industry%20through%20Artificial%20Intelligence%
20and%20Big%20Data%20Analytics%26source%3Dhttps%3A%2F%2Fwww.mdpi.com
%26summary%3DThe%20agri- Volver arribaArriba
lensfood%20sector%20is%20an%20endless%20source%20of%20expansion%20for%20nou
compartir
abstractas(/)
lensrishing%20a%20vast%20population%2C%20but%20there%20is%20a%20considerable
Introducción
lens%20need%20to%20develop%20high-
Compartir
searchmenu
anuncio
lensstandard%20procedures%20through%20intelligent%20and%20innovative%20technolo
Alcance
lensgies%2C%20such%20as%20artificial%20intelligence%20%28AI%29%20and%20%5B...
Recomendaciones
lens%5D) 
Ayuda
(https://www.facebook.com/sharer.php?u=https://www.mdpi.com/1287864)
formato_cita

Sector (http://www.reddit.com/submit?url=https://www.mdpi.com/1287864)
Alimentario
lens
(http://www.mendeley.com/import/?url=https://www.mdpi.com/1287864)
Citar
pregunta respuesta
lens
Conclusiones
lensEstilo MDPI y ACS
lensSharma, S.; Gahlawat, V.K.; Rahul, K.; Mor, R.S.; Malik, M. Sustainable Innovations in the
Discutir en
Fondos
SciProfiles

lensFood Industry through Artificial Intelligence and Big Data Analytics. Logistics 2021, 5, 66. 
https://doi.org/10.3390/logistics5040066
pulgar arriba
lens
AMA Declaración
Style de consentimiento
informado
Sharma S, Gahlawat VK, Rahul K, Mor RS, Malik M. Sustainable Innovations in the Food
lens Endosar
Declaración
Industry de disponibilidad
through de
Artificial Intelligence and Big Data Analytics. Logistics. 2021; 5(4):66.
mensajes de texto
datos
https://doi.org/10.3390/logistics5040066
lens
lensChicago/Turabian
Comentario Style
lensSharma, Saurabh, Vijay Kumar Gahlawat, Kumar Rahul, Rahul S Mor, and Mohit Malik. 2021.
Referencias
"Sustainable Innovations in the Food Industry through Artificial Intelligence and Big Data
Analytics" Logistics 5, no. 4: 66. https://doi.org/10.3390/logistics5040066
Find Other Styles

Type a publisher, journal or format name
Article Metrics
Citations
Crossref Web of Scopus Google
Science Scholar

9 10 (https:/
partnerID=HzO
GWVersion=2& title=Sustainabl
Volver arribaArriba
compartir
lens
Article Access
abstractas
(/) Statistics
lens
Introducción
searchmenu
lens Compartir Article access statistics
anuncio
6k
lens
Alcance
lens
5kRecomendaciones
Ayuda
lens
formato_cita
4kSector Alimentario
lens
Implicaciones
3k
pregunta respuesta
lens
Conclusiones
lens
2kContribuciones de autor
lens Discutir en
Fondos
SciProfiles
lens 1k 
lens 0k
pulgar arriba
Declaración
1.
Ja
de
11 consentimiento
.J
21
.J
31
.J
10
.
20
.
2.
M
12
.
22
.M
n an an an Fe Fe ar Ma ar
b b r
informado
lens
Declaración
Article Views
error_outlinemensajes de texto
datos
lensFor more information on the journal statistics, click here (/journal/logistics/stats).
lens Comentario
Multiple requests
Conflictos de interés from the same IP address are counted as one view.
lens
Referencias
Logistics (/journal/logistics), EISSN 2305-6290, Published by MDPI

RSS (/rss/journal/logistics) Content Alert (/journal/logistics/toc-alert)
Further Information
Article Processing Charges (/apc)

Pay an Invoice (/about/payment)
Open Access Policy (/openaccess)
Contact MDPI (/about/contact)
Jobs at MDPI (https://careers.mdpi.com)
Guidelines
For Authors (/authors)

For Reviewers (/reviewers)
For Editors (/editors)
For Librarians (/librarians)
For Publishers (/publishing_services)
Volver arribaArriba
For Societies (/societies)
compartir
lens
abstractas(/)
lens For Conference
MDPI Initiatives Organizers á
(/conference_organizers)
Introducción
lens Compartir
Sciforum (https://sciforum.net)
searchmenu
anuncio
lens
Alcance
MDPI Books (https://www.mdpi.com/books)
lens
Recomendaciones
Preprints.org (https://www.preprints.org)
Ayuda
lens
formato_cita
Aplicaciones
Scilit de IA y BDA en el
(https://www.scilit.net)
Sector Alimentario
SciProfiles (https://sciprofiles.com)
lens
Implicaciones
Encyclopedia (https://encyclopedia.pub)
pregunta respuesta
lens
Conclusiones
lens
JAMS (https://jams.pub)
lens Proceedings
Discutir en Series (/about/proceedings)
Fondos
SciProfiles
lens  
Follow MDPI
pulgar arriba
lens
Declaración
LinkedIn de consentimiento
(https://www.linkedin.com/company/mdpi)
informado(https://www.facebook.com/MDPIOpenAccessPublishing)
Facebook
lens
Declaración
Endosar
Twitter de disponibilidad de
(https://twitter.com/MDPIOpenAccess)
mensajes de texto
datos
lens
lens Comentario
lens
Referencias
Suscríbase para recibir
notificaciones de publicación de
ediciones y boletines de revistas
MDPI
Seleccione opciones
Introduzca su dirección de correo electró
Suscribir
© 1996-2023 MDPI (Basilea, Suiza) a menos que se indique lo contrario
Descargo de responsabilidad Términos y condiciones (/about/terms-and-conditions)

política de privacidad (/about/privacy)
Volver arribaArriba

Innovaciones Sostenibles en La Industria Alimentaria A Través de Inteligencia Artificial ESPAÑOL

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Innovaciones Sostenibles en La Industria Alimentaria A Través de Inteligencia Artificial ESPAÑOL

Cargado por

Copyright:

Formatos disponibles

compartir

primera página ajust

Enviar a este Diario

Reseña de esta revista

Editar un número especial

Acceso abierto Revisar

Innovaciones Sostenibles en la Industria Alimentaria a

1 Departamento de Ciencias Básicas y Aplicadas, Instituto Nacional de Emprendimiento y

La buena calidad de los alimentos es un requisito fundamental, y el aspecto principal de

La investigación en IA se centra en el desarrollo de enfoques computacionales del

El desarrollo de programas de IA como sistemas expertos que ocasionalmente requieren

5.1. Leche y Productos Lácteos

5.2. Carne y productos cárnicos

5.3. Frutas y vegetales Volver arribaArriba

Figura 1. Refrigerador inteligente usando inteligencia artificial [ 87 ].

La refrigeración inteligente está configurada en el algoritmo de envejecimiento, el

Conceptualización, análisis formal y redacción—preparación y edición del borrador

Los autores declaran no tener conflicto de intereses.

30. Kiger, P.J. How Artificial Intelligence Is Totally Changing Everything|HowStuffWorks.

Find Other Styles

Logistics (/journal/logistics), EISSN 2305-6290, Published by MDPI

Article Processing Charges (/apc)

For Authors (/authors)

Introduzca su dirección de correo electró

© 1996-2023 MDPI (Basilea, Suiza) a menos que se indique lo contrario

Descargo de responsabilidad Términos y condiciones (/about/terms-and-conditions)

También podría gustarte