机器学习在食品黄曲霉毒素检测中的应用：综述

黄曲霉毒素是由某些真菌产生的有毒次生代谢物，构成了全球食品安全和公共健康的重大威胁。这些化合物可污染多种作物，导致经济损失和对人类和动物的健康风险。传统的实验室分析方法检测黄曲霉毒素耗时且不总是适用于大规模筛查。然而，近年来，随着机器学习(ML)方法在黄曲霉毒素检测及食品安全领域因其准确和及时的预测而获得了越来越多的关注。我们提供了关于近期在多种食品原料上检测/预测黄曲霉毒素存在的机器学习应用进行的系统性综述，突出其优势、挑战以及未来发展潜力。我们通过开放获取数据和代码来解决机器学习研究中可重复性和透明度的需求。我们发现，许多研究在报告超参数细节方面存在频繁缺失，以及缺乏开源代码，这引发了对所用机器学习模型可重复性和优化的关切。研究结果显示，尽管多数研究主要利用神经网络进行黄曲霉毒素检测，但在所使用的神经网络架构类型方面存在显著多样性，其中卷积神经网络最为流行。