人工智能与农业食品工业的影响及发展趋势的文献计量分析

农业中的人工智能6（2022）111研究人工智能与农业食品工业之间的相互作用A b der ah manR e j e b a，Kar i m Reje b b，Su haizaZ ai l anic，JohnG. Keoghd，AndreaAp polloniaa罗马大学Tor Vergata经济学院管理和法律系，Via Columbia，2，Rome 00133，Italyb突尼斯突尼斯迦太基大学比塞大科学学院c马来亚大学商业和经济学院管理系，吉隆坡，50203，马来西亚d雷丁大学亨利商学院，格林兰，泰晤士河畔亨利RG9 3AU，英国a r t i c l e i nf o文章历史记录：收到2021年9月11日收到修订版，2022年8月18日接受，2022年2022年8月24日在线提供保留字：人工智能农业农业机器学习深度学习文献计量分析内容a b s t r a c t人工智能（AI）以惊人的速度发展，并改变了许多经济部门。然而，人们对人工智能如何改善农业食品行业缺乏全面的了解。此外，关于人工智能的研究还非常缺乏，这些研究调查了人工智能对农业食品资源的影响，并教育从业者了解知识型和智能农业的重要性。我们利用文献计量学分析来研究人工智能与农业食品行业之间关系的最新发展水平和新兴趋势该研究确定了三个不同的增长阶段和行业中最流行的人工智能战略此外，我们分析了主要趋势，并为研究人员和从业人员提供了对未来研究的有见地的建议。本研究以资源基础观点（RBV）为理论视角，建立了一个强调人工智能对各种农业食品资源的长期影响的框架，并提出了几个研究命题。此外，与AI相关的障碍已被确定并分为四大类。最后，本文的独创性在于其众多的研究建议和建议，以推进农业食品行业的人工智能领域。版权所有© 2022作者。出版社：Elsevier B.V.我代表科爱通信公司，公司这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1.导入部分1122.文献计量法1133.文献计量分析的结果3.1.出版物的年度发行情况3.2.最相关的20大期刊1143.3.20个被引用最多的国家1143.4.前20位被引用最多的出版物1143.5.关键词分析：作者与关键词加1153.5.1.基于摘要的树图3.6.趋势主题1163.7.聚类分析1164.讨论1184.1.理论贡献1184.1.1.人工智能与农业食品部门之间相互作用的研究动态是什么？......................................................................................................................................... 1184.1.2.人工智能如何应用于农业食品行业？................................................................................................................................................................................ 1194.1.3.关于人工智能和农业食品行业的趋势主题是什么？.........................................................................................................................................................1194.1.4.人工智能在农业食品领域面临的主要挑战是什么？.........................................................................................................................................................1194.2.理论意义120*通讯作者。电子邮件地址：rjbbrh01@uniroma2.it（A. Rejeb），karim. fsb.ucar.tn（K. Rejeb），shmz@um.edu.my（S. Zailani），john@shantalla.org（J.G. Keogh），andrea. uniroma2.it（A.Appolloni）。https://doi.org/10.1016/j.aiia.2022.08.0022589-7217/© 2022作者。出版社：Elsevier B.V.我代表科爱通信公司，公司这是一篇CC BY-NC-ND许可证下的开放获取文章（http：creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表农业中的人工智能杂志主页：http://www.keaipublishing.com/en/journals/农业人工智能/A. Rejeb，K.Rejeb，S.Zailani等人农业人工1124.2.1.从框架到研究命题1204.2.2.未来研究议程4.3.实际影响1244.4.研究限制1245.结论124参考文献1241. 我不想让你失望农业食品工业是任何国家经济的关键贡献者之一，对国家公民的福祉至关重要（Abdollahi等人，2021; Mithun Ali等人，2019; Rejeb等人，2022年a）。此外，由于农业食品部门在支持更可持续的生产和消费模式、环境保护、商业竞争力、社会福利和经济增长方面的作用，农业食品部门对发展中国家和发达国家的重要性日益增加（Del Borghi等人， 2014年）。尽管其重要性，但该部门面临着气候变化、前所未有的技术创新以及对可持续性、可追溯性和透明度的日益增加的要求所带来的挑战（Faitet al.， 2019; Goodarzian等人， 2021年）。 由于对食品质量和安全、自然资源的有效利用和消耗以及农业食品企业的平衡经济、生态和社会绩效的需求日益增加，可持续性的概念在农业食品行业中变得至关重要（Mangla等人， 2018年）。农业食品企业必须消除供应链的不合理性，并开发一个更可持续的生态系统（Rejeb等人，2021年a）。彻底改变农业食品行业并提高可持续性的一种方法是利用人工智能（AI）应用。根据Holt（1978）的说法，人工智能是一门编程计算机以模仿人类行为任务的科学，这些任务再加上高性能计算和大数据技术，深度学习、机器学习和人工神经网络等人工智能技术为 农业中的数 据密 集 型科 学 提供了巨大的潜力（ Kamilaris 和Prenafeta-Boldú，2018年; Liakos等人，2018 a; Rohit Sharma等人，2020年）。例如，Patrício和Rieder（2018）研究了计算机视觉解决方案和人工智能算法在精密农业中的结合，并强调了这些技术的几个好处，包括任务自动化，盈利能力以及提高食品质量和安全性。Khoshnevisan等人（2015）指出，人工智能可以帮助关注生态性能的温室运营商预测其种植系统的环境影响，并证明其产品的合理性。类似地，Pantazi et al. （2016）认为人工智能可用于了解产量对土壤变量的响应，识别导致产量和质量变化的因素，并确定目标产量。人工智能将传统的农业实践和方法推向智能农业，这是一种有助于减少资源浪费的可持续方法（例如，肥料，杀虫剂）并实现可持续发展（Fan等人， 2018年）。 Pydipati等人（2006）强调，结合人工智能和机器视觉有助于实现智能农业。这些技术有助于及早发现植物病害，进行适当的植物控制，并将损失降至最低。 几种人工智能模型可以处理农业物联网（IoT）和传感器生成的数据，以提供针对土壤肥力、疾病、灌溉和害虫法规的准确和精确的农业（Lin et al.，2019年）。人工智能还使机器人能够优化生产力（Brogårdh，2007），提高工作效率，并提高新鲜农产品的质量（Bechar和Vigneault，2016）。数据的使用可以增强农业实践和操作，因为农业食品企业可以依靠人工智能管理数据共享和访问控制的能力来创造价值（Spanaki等人， 2021年）。因此，人工智能可以满足农业企业的知识需求，提高他们识别疾病、监测灌溉、减少人力投入和最大限度提高产量的能力。近年来，许多学者广泛研究了人工智能在农业活动中的应用研究内容涉及各个方面，例如人工智能的最新发展，其应用以及对农业食品企业的承诺。例如，Kollia et al.（2021）回顾了人工智能支持的食品供应链。他们发现，人工智能方法可以预测植物生长和产量，优化食品制冷系统广泛网络的能耗，并自动检查零售包装食品。 Liakos等人（2018a）彻底审查了机器学习的地位，并揭示了这种人工智能技术支持作物管理和对物联网传感器生成的数据进行可靠分析。根据作者的说法，机器学习主要用于一些作物和动物，包括玉米，小麦，牛和羊。此外，Saleem等人（2019）总结了通过机器和深度学习工具在农业中使用自动化的文献，并认为这些技术在不同的农业应用中带来了人类水平的精度，例如植物识别，水果计数，植物疾病检测和分类，土地覆盖分类和杂草/作物歧视。Shine和Murphy（2022）进行了一项映射研究，以汇总和评估期刊文章和会议论文，这些论文在农业相关问题中采用机器学习算法，以检测数据的地理来源，算法，特征，评估指标和应用的方法中的模式Hassoun等人（2022）回顾了最关键的食品工业4.0技术，包括人工智能，物联网，大数据分析和区块链。Chen和Yu（2021）总结了食品行业可靠、精确和具有成本效益的远程工具的最新发展，例如基于人工智能的技术、图像处理系统和质量评估传感器。根据作者的说法，图像处理系统和人工智能可用于不同的目标，例如基于形状和大小的产品分类，产品缺陷和微生物的检测以及食品质量分级。Qazi等人（2022）回顾了有关物联网技术和人工智能技术在智能农业中的应用、挑战和未来趋势最后，Tripodi et al. （2022）研究人工智能和机器学习对数据分析的贡献及其在下一代育种中的应用。虽然这些研究为人工智能在农业食品领域的应用提供了有价值的见解，但仍需要进行文献计量分析，以分析人工智能与农业食品领域之间的相互作用，并巩固文献。一般来说，当一个研究领域观察到出版作品的数量显著增加时，就像在人工智能研究中一样（Ruchika Sharma等人， 2022年; Singh等人， 2021年），有必要进行有组织和系统的审查，采用定量方法来研究农业食品行业人工智能领域的知识景观和结构（Rejeb等人， 2020; Rejeb等人，第2022条b款）。虽然传统的评论主要是根据作者的观点和判断来总结当前的文献，但这可能容易产生许多形式的偏见（A。A. Qazi和Appolloni，2022），文献计量学分析增加了严格性，这要归功于他们的定量和结构化文献调查。事实上，这种严格性可以被视为该技术的基本贡献（Piwowar-Sulej等人， 2021年）。此外，与传统的传统综述方法相比，文献计量学的主要优势在于它有助于构建客观、可靠、详细和全面的知识可视化（Rejeb等人，2022 d，e）。这种可视化构成了科学实体之间联系的分析表示（L。Zhang等人，2019年）。科幻地图的优点还包括研究大型数据集，A. Rejeb，K.Rejeb，S.Zailani等人农业人工113产生令人难忘的、丰富的和可解释的视觉效果。因此，应用文献计量学提供了及时、公正和直观的技术来追踪学术活动的发展，并评估特定研究领域的知识结构（Rejeb等人，2022 e）。 它使人们能够了解学科的历史发展，并从微观和宏观角度确定研究趋势和热点（Rejeb等人，2021年b）。因此，我们认为，与人工智能相关的知识越来越多，需要一种文献计量学的方法来理解这一领域的知识结构由于人工智能研究日趋成熟，并且变得越来越复杂，因此对积累的出版物进行回顾性评估至关重要，以揭示新的贡献，捕捉研究趋势，并确定未来研究的前瞻性领域总的来说，本研究的目的是由以下四个研究问题驱动的• 人工智能与农业食品行业关系的研究趋势是什么？• 人工智能在农业食品领域的应用情况如何• 人工智能和农业食品领域的重要研究热点是什么？• 人工智能在农业食品领域应用的主要挑战是什么文献计量分析的结果显示，研究人工智能对农业食品行业潜力的学术著作显著增加几个文献计量指标，包括最相关的期刊，被引用最多的国家和最多的出版物，也被确定。关键词分析表明了一些人工智能技术在农业食品领域的流行，包括深度学习、卷积神经网络和人工神经网络。此外，趋势主题分析显示，早期的重点是在农业中使用人工智能机器人，以及对不同技术和人工智能技术的新兴趋势，包括大数据，物联网，深度学习，机器学习和模糊逻辑。关键词共现网络分析有助于揭示人工智能的研究热点，表明人工智能技术有助于食品安全和智能农业实践的发展（例如，智能作物、土壤、水和牲畜管理）。然而，人工智能的好处无法实现，除非技术的社会，技术，道德和组织问题得到解决。该综述的总体结果已被整合到一个统一和合理的理论框架中，以强调人工智能对各种农业食品资源的长期影响，并推动未来对该技术的研究就贡献而言，之前对农业食品领域人工智能研究的文献计量分析没有我们这样广泛、系统和及时。通过对这一主题进行文献计量学研究，我们通过突出农业食品行业中采用的关键人工智能应用以及人工智能对农业食品企业的潜力和限制，深入了解并丰富知识领域。此外，为希望了解人工智能及其在实现农业食品工业可持续性方面的作用的研究人员、专业人士和政策制定者提供了有趣的研究可能性。此外，本研究的新颖性在于为希望掌握人工智能对农业食品资源的影响的从业者和研究人员提供了有用的概念框架。此外，从该框架发展的各种研究建议可能会在未来由学术界进行实验确认。在引言之后，我们描述了所采用的文献计量技术和研究程序其次，对主要结果进行了分析，包括年度出版物分布、最多产期刊和国家、最具代表性的出版物以及研究热点。在第四中，我们讨论了研究结果，并强调了研究贡献，研究议程和不足之处。在第5节中，研究以简短的反思和结论结束2. Bibliometricmehod在文献计量学研究中可以利用多个指标来分析特定的学术主题（Kapoor等人，2018; Mishra等人，二〇一七年;Rejeb等人，2020; Rejeb等人，2021年a）。我们利用最佳实践和建议进行可靠和有见地的文献计量分析（Beydoun等人， 2019; Fahimnia等人， 2015年; Mostafa，2020年）人工智能与农业食品部门之间的相互作用。 作为第一步，我们咨询了领先且值得信赖的科学数据库之一Webof Science（WoS）（Caul field et al.，2012; da Silva等人，2017;Treiblmaier等人， 2020年）。 虽然一些学者利用Scopus进行类似的分析（Faruk等人，2021; Herrera-Franco等人， 2020; Mishra等人，2021），最近的工作已经确定，大部分文献计量学研究使用WoS数据库（Alnajem等人，2021; Escamilla-Fajardo等人， 2020; González-Serrano 等 人 ， 2019 年 ; B.Wang 等 人 ， 2014 年 ） 。 Bartol 和Mackiewicz-Talarczyk（2015）认为，与其他科幻数据库不同，从WoS数据库中提取的记录更加标准化和一致。 WoS可以直接检索出版物、作者姓名、来源和引用的参考文献。此外，WoS代表了最著名的数据库，并已在国际上用于评估学术表现（L。Zhang等人， 2019年）。用于提取农业食品背景下人工智能研究数据的搜索策略如下。 在Fosso Wamba和Queiroz（2021）之后，在标题、摘要和关键词字段中使用了“人工智能”或“机器学习”或“深度学习“或“机器人“，并将其与“食品“或“农业 *”或“农业食品”或“农业食品”相结合，以提取出版物（见图1）。WoSCoreCollection 包 括 ScienceCitationIndexExpanded （ Sci-Expanded ） 、 Social Sciences Citation Index （ SSCI ） 、 ArtsHumanities Citation Index（A HCI）和Emerging Sources CitationIndex（ESCI）。尽管对时间跨度没有限制，但入选的前两篇论文发表于1992年。非英语出版物和书目数据不完整的出版物关键词）被排除在外。初始检索查询返回了4869份文件。根据入选标准对返回的出版物进行评价，确保出版物为英语，具有完整的书目数据，并且与研究主题相关此外，两名评审员参与仔细阅读返回文件的标题和摘要，以最大限度地减少偏倚，并保证结果的有效性和可靠性（Mrsé等人，2016年）。这些过滤器的应用和对文件的人工筛选导致708份文件被排除，这些文件要么是书目数据不完整的非英文文件，要么是不相关的文件。为了分析这些发现，我们使用了可视化工具VOSviewer（Rejeb等人，2022 c; vanEck and Waltman ， 2011 ， 2014 ） 和 统 计 软 件 包 Biblioshiny（Shonhe，2020）。这些软件工具专门从事数据挖掘和定量分析。最后，根据出版年份、最具生产力的期刊、被引用最多的国家和出版物分类对出版物进行编码。关键词分析，摘要分析，趋势主题分析和关键词共现分析也进行了描述的动态，趋势和未来的研究机会在AI领域的途径3. 从二进制数据中恢复我们的分析没有限制时间段，并注意到前两个提取的出版物出现在1992年（见表1）。共检索到4750篇文献，其中589篇文献数据不足以进行文献计量学分析。因此，我们评估了14，779名作者撰写的4161篇论文。单个作者仅占4.49%（4161篇论文中的187篇）。此外，作者使用了大量（12375）关键字。3.1. 出版物的年度分发图 2描述了基于论文样本的年度分布的农业食品行业背景下人工智能研究的演变。有三个明显的增长阶段。在第一阶段，从1992年到2000年，每年发表的论文最多为15篇（1997年）;在第二阶段，从2001年到2010年，A. Rejeb，K.Rejeb，S.Zailani等人农业人工114Fig. 1. 审查方案。最多三十个。我们可以观察到缓慢且不一致的增长，2010年发表的文件超过30份在过去三年中，第三阶段（2011年至2020年）出现了前所未有的增长。在此期间，人工智能在农业食品行业的应用受到了极大的关注，这从订单的大幅增长中可见一斑2020年，学术产出比2019年翻了一番多，超过1700篇文献，这表明农业食品行业各种人工智能方法和应用的扩散和普及可以解释这一急剧增长。3.2. 最相关的20大期刊关于基于发表文章数量的最相关期刊，表2列出了前20名，并显示农业计算机和电子是唯一超过300篇出版物的出版物此外，我们可以看到，信息技术和环境科学期刊在榜单中占据主导地位令人惊讶的是，没有一本商业、管理或运筹学期刊进入前20名。表1关于数据收集的主要信息描述结果关于数据的Timespan1992年：2021年来源（例如，期刊、书籍）1264文件4161出版后平均年数3.54每份文件的14.99每一年每份文件的3.31文档内容关键词plus（ID）7150作者关键词（DE）12,375作者Authors14,779作者出场18,988单一作者文档187多作者文档14,592作者的协作207每个作者0.282每个文件的3.55根据文件确定的4.56协作指数3.69这表明，主流期刊关注农业食品领域人工智能研究的技术方面，需要来自不同学科和来源的知识3.3. 前20名被引用次数最多的国家表3列出了被引用次数最多的前20个国家。只有美国和中国获得了超过9000次引用。其次是西班牙（3219）、英国（3010）和澳大利亚（2771）。因此，中国每篇文章的平均引用次数低于所有列出的国家这一结果可能表明，中国研究人员需要提高其发表作品的质量此外，大多数被引用的文章来自发达国家，反映了人工智能领域的技术进步和先进研究实验室的可用性虽然美国在榜单上占主导地位，但欧洲、亚洲（中国、印度、日本和韩国）和大洋洲（澳大利亚）也很有代表性。除巴西外，拉丁美洲和非洲国家没有出现在排名中瑞士排名第一（平均每篇文章引用44.92次），其次是爱尔兰（39.85次），希腊（34.52次），瑞典（31.14次），荷兰（24.79）3.4. 前20位最常引用的出版物表4包括作者、标题、来源、引用和每年引用最多的出版物。我们可以看到，前20篇论文中有2篇发表于2012年。被引用最多的文章将人工智能技术融入农业食品行业。算法（回归）和深度学习是五大AI相关出版物中最常用的AI技术总体而言，回归、深度学习、机器学习和优化在农业食品行业的应用受到了相当大的Kamilaris和Prenafeta-Boldú（2018），Bioucas-Dias等人的最新文章。（2012）和Wolfert et al.（2017年）是根据每年总引文（TCY）被引用最多的三个。被引用最多的论文的作者研究了深度学习在农业中的应用，每年获得大量引用（153.75）。在第二篇被引用最多的论文中，人工智能算法对于支持高光谱相机和促进几项农业食品活动（包括农场遥感和食品安全）非常有用第三篇被引用最多的论文研究了智能农业中的大数据应用，以及它们的部署如何为农业食品行业的数据密集型科学提供新的机会其它引用A. Rejeb，K.Rejeb，S.Zailani等人农业人工115图二、出版物的年度发行。2018年的出版物强调了人工智能技术对农业和农业的重要性最后，我们观察到王怀智是两篇论文的主要作者，计算机科学期刊是农业食品行业人工智能研究的领导者。3.5. 关键词分析：作者与关键词加我们从WoS中提取了作者和关键词，以确定关键词动态（见表5）。前一组关键词由作者自己提供，而第二组关键词是在没有标题或作者关键词的情况下生成的，反映了论文内容的深刻深度和多样性（GarField，1990; Rejeb等人，第2022段d）。作者关键词和关键词加的分析可以克服意义不完整和作者关键词数量少等局限性由于搜索查询中使用的关键词是然而，应该提到的是，关键词“机器学习”超过了“人工智能”的四倍。此外，我们可以看到其他AI技术的高频率，如深度学习，卷积神经网络和人工神经网络。 其他关键词也占据了很高的位置，如“遥感”，“计算机视觉”，“图像处理”，“大数据”和“物联网”。这些技术构成了精准农业战略的推动因素。它们可以优化作物生产，减少农业活动对环境的影响，并确保对不同变量（例如， 土壤性质、水管理、天气、地形）。 根据关键词加上，术语如“classification”，“system”，“model”，“prediction”和“identification”出现在前10名，从而通知作者提供的关键词。此外，一些其他重要的主题出现在关键词列表中，包括“回归”，“优化”和“分段”。 在这种情况下，这种关键词集合与人工智能方法具有重要的关联，因为它们反映了农业食品管理中的一些人工智能能力，其中包括作物产量的预测和优化、植物分割以及环境变量的预测。因此，Keywords Plus倡导人工智能在农业食品领域实现增值的潜力3.5.1. 基于摘要的为了补充对关键词动态的分析，我们从摘要中提取了最常见的术语图3、矩形的大小反映了项的出现。在左侧，我们可以看到流行的术语是“数据”，“学习”，“机器”，“模型”，“系统”，“食物”和“准确性”。此外，还有一个主要的人工智能任务，如“分类”，“分析”，“预测”和“检测”的清晰外观。因此，这支持了这样一种观点，即人工智能是一种改变游戏规则的技术，可以通过增强当前的农业系统和食品价值链来促进农业食品部门的可持续发展。表220篇最重要的期刊表3前20个被引用最多的国家。排名来源文章国家1农业中的计算机和电子学333国家总引用平均文章引用次数2遥感199美国12,86419.493个传感器137中国919312.394IEEE接入129西班牙321919.515生物系统工程66联合王国301016.726应用科学57澳大利亚277117.76第七章总体环境46德国207514.12植物科学的8个41加拿大194219.629环境遥感41伊朗189914.6110可持续性40荷兰181024.7911农学39法国169820.7112 Journal of Dairy Science乳品科学杂志37意大利167414.5613能源36希腊165734.52国际机器人研究与应用杂志International Journal of Robotics Researchand28印度16247.7715 IEEE机器人与自动化快报25巴西13459.8916国际农业与生物工程杂志23日本126810.0617 International Journal of Advanced Computer Science and22以色列120123.55应用韩国11909.6718 Journal of Field Robotics现场机器人22瑞士112344.9219精准农业22爱尔兰107639.85地木增廿21瑞典87231.14A. Rejeb，K.Rejeb，S.Zailani等人农业人工116表4全球引用最多的文章。秩AUTI所以TCTCY12（Bioucas-Dias等人， 2012年）（Foley等人， 2012年）高光谱解混综述：基于几何、统计和稀疏回归的方法风力发电量IEEE应用地球观测和遥感专题杂志可再生能源1536630153.66334（Kamilaris和Prenafeta-Boldú，2018）（Mohannty等人，（2016年）农业中的深度学习：一项调查使用深度学习进行基于图像的植物病害检测农业用电子仪器植物科学615512153.7585.33335（Wolfert等人，（2017年）智能农业中的大数据-综述农业系统49799.467（Duro等人，2012年）（Kussul等人，（2017年）用SPOT-5 HRG图象对农业景观分类的基于象素和基于目标的图象分析与选定的机器学习算法使用远程技术对土地覆盖和作物类型进行深度学习分类环境遥感IEEE地球科学与遥感4904434988.6感测数据字母8（Mitchell等人，（2004年第10期）学习从大脑图像机器学习432249（Slaughter等人，（2008年）自主机器人除草系统综述电子设备和电子产品35825.571410（Bell & McMullen，2004）车辆路径问题农业高级工程信息学35719.83331112（Sideratos和Hatziargyriou，2007年）（Ma等人，（2017年）风电功率预测基于监督对象的土地覆盖图像分类研究IEEE电力系统汇刊摄影测量杂志32930921.933361.813（Scott等人，（2006年）电子鼻系统和遥感微化学学报29918.68751415（Zhong等人， 2018年）（Liakos等人，（2018年b）用于高光谱图像分类的光谱-空间残差网络：一个3-D深度学习框架机器学习在农业中的应用IEEE地球科学与遥感传感器28527271.256816（Antcheva等人，（2009年）ROOT-一个用于PB级数据存储、统计分析和可视化计算机物理通信26420.307717（H. Wang等人，（2017年）基于深度学习的概率风电集成方法施加的能量26152.218（H. Z. Wang等人，（2016年）预测基于深度信念网络的确定性和概率性风速施加的能量22537.519（杜和孙，2006）预测方法用于食品质量评价的计算机视觉学习技术：食品工程杂志22313.937520（Liu等人， 2018年）审查一种新的基于深度学习的食物识别系统用于膳食评估IEEE服务22255.5边缘计算服务基础设施计算注：AU= Authors; T= Title; SO= Source; TC= Total of Citations; TCY= Total of Citations per year。3.6. 个微博热搜为了识别人工智能和农业食品行业交叉点的新兴主题，我们生成了图4，其中描述了研究热点和基于对数频率的研究趋势。因此，人工智能主题的组织表明，机器人，算法（即，卡尔马过滤器），表5前20个最常见的关键字（作者关键字与关键字加）。排名作者关键词发生率关键字加上出现1机器学习1025分类4062深度学习514系统296网络5精准农业197识别157自动化和专家系统在该领域的早期（2002-2006年）得到普及和振兴。2007年至2016年的主导主题是人工智能机器人和农业机械化的整合人工智能功能可以支持“移动机器人”、“自动驾驶车辆“、“农用车辆“和“并联机器人“等新兴主题，通常，这些机器人在农业任务中使用人工智能来增强其态势感知和感知能力自2017年以来，重点一直放在各种技术和人工智能技术上，包括大数据、物联网、卷积神经网络、深度学习、机器学习和模糊逻辑。结合这些创新对于向精准农业过渡至关重要，这为农业食品公司提供了优化生产、减少资源消耗和提高农业产品质量的选择。总之，结果表明，在进行这项分析时，精准农业和人工智能技术是关键概念和当前趋势。6随机森林182神经网络1453.7. 聚类分析为了更好地理解研究热点，我们进行了关键词共现网络，以识别具有共同特征的主题（Kapoor et al.， 2018; Rejeb等人， 2020年）。因此，我们设置了表6中提到的参数。根据图5，为研究期间（1992-7农业181网络性能1348遥感142回归1339人工神经网络126农业12410个分类122算法12411计算机视觉101管理12412图像处理89设计12213支持向量机78系统11914大数据68神经网络10515机器人68模型10216预测61产量9417物联网59质量9118机器视觉58食品8519特征提取47优化853人工智能287模型2564卷积神经网络198预测250A. Rejeb，K.Rejeb，S.Zailani等人农业人工1172020）提供的关键词生成了四个聚类。第一个聚类（红色）是最重要的，包括“机器学习”，“随机森林”，“支持向量机”，“遥感”和“分类”等术语。此外，关键词“粮食安全”属于这一集群，它代表了人 工智能实施和 进一步技术创 新的关键驱动力。作为A. Rejeb，K.Rejeb，S.Zailani等人农业人工118图3. 基于抽象的树图。作为粮食安全问题的解决方案，人工智能技术有助于创建智能农业，促进可持续农业，并将自给农业为具有竞争力和利润的农业食品企业。在第二组（绿色）中，突出显示了其他人工智能技术，例如学习”、“卷积神经网络”、“图像分类”和“递归神经网络”。另一个受到越来越多关注的关键词是图四、 潮流话题。A. Rejeb，K.Rejeb，S.Zailani等人农业人工119表6关键字聚类参数。分析类型作者关键词计数方法全计数关键字的最小数量阈值88组数由于它具有喷洒、作物监测、田间测量、识别干旱点和有害杂草以及监测的能力下一个集群（蓝色）主要由“农业”，“农业机器人”，“物联网”和“机器人”等关键字主导。与人工智能相结合，这些技术可以通过控制作物行为、监测牲畜、作物生长和支持有效使用人力来为更智能的农业食品决策提供信息。因此，这些技术进步在发展更加数据驱动和知识密集型的农业食品部门方面发挥着关键作用。在最后一组（黄色）中，我们看到了“人工智能”、“人工神经网络”、“建模”、“遗传算法”和“优化”的优势-所有这些都是应对当前农业食品挑战的创新和可靠的解决方案。总的来说，关键词共现聚类的结果表明，机器学习、深度学习和人工神经网络等人工智能技术是农业食品系统中最常见的方法，因此加速了该行业的数字化。此外，机器人、物联网、无线传感器网络和无人机都是与人工智能相结合的流行技术，可以实现农业实践的现代化。尽管如此，其他相邻的技术，如区块链，3D打印，增强现实和虚拟现实并没有出现在可视化中这一发现表明，缺乏研究这些新兴技术与人工智能的融合，以支持精准农业，提高农业食品价值链的完整性，并实现可持续性。4. Discusion在本文中，我们分析了人工智能与农业食品工业之间的关系，以及人工智能在加速向精准农业和齿轮农业转变方面的作用与之前对人工智能和农业食品系统的评论（例如， Jha等人，2019; Patrício和Rieder，2018），我们的发现是新颖和有见地的，因为这是为数不多的使用近三十年来发表的研究论文的综合样本的调查之一。因此，以下章节提供了对人工智能和农业食品工业发展的深入研究（Liakos等人，2018 b;Sharma等人， 2020年）。4.1. 理论贡献4.1.1. 人工智能与农业食品部门之间相互作用的研究动态是什么通过解决第一个研究问题，我们的文献计量学评论分析了该领域的关键生产力措施。 根据我们分析的样本，最早的出版物出版于1992年。此外，分析描述了学术生产的动态贯穿三个主要阶段。最初的出版期为1992年至2000年，在此期间，每年只出版少量出版物。在第二阶段，即2001年至2010年，该领域稳步增长，2010年首次达到40份出版物这是由于计算机科学在这一时期取得了前所未有的进步。在第三阶段，2011年至2020年，人工智能技术图五. 关键词共现网络。A. Rejeb，K.Rejeb，S.Zailani等人农业人工120由于其大数据存储容量和高计算能力，显示出惊人的性能。发表论文数量达到峰值，2020年首次突破1700篇。另外，我们的研究发现了最相关的来源。COM-在这方面，计算机和农业电子学（一份领先的期刊）主导了农业食品行业的人工智能文献一方面，计算机科学与工程类期刊的数量最多，排名靠前;相比之下，该排名不包括商业、人力资源、运筹学和决策科学专业。从被引用次数来看，美国在该榜单上占据主导地位，而欧洲和亚洲国家则占据重要位置。在最具影响力的前20个国家中，拉丁美洲和非洲的贡献都不相关。这表明，全球范围内的科学成果更加集中，主要由发达国家代表。目前的学术文献描述了人工智能在农业现代化中的作用，以及从不可持续的农业实践向更多数据驱动的精准农业的转变。 在这方面出现了几个发人深省的问题。例如，几乎所有关于将人工智能技术整合到农业食品行业的文献都是在过去五年（2015-2020年）内发表的。这一扩张恰逢向农业4.0的过渡，在农业4.0中，精准农业得到人工智能技术、物联网、机器人和智能食品系统的支持在信息技术相关的期刊上，人工智能在农业食品行业的应用主导了讨论。预计人工智能研究的期刊将通过将这一关键主题纳入其编辑策略来适应人工智能领域不断发展的性质最后，建议世界欠发达地区的学术机构通过与发达国家的研究实验室、大学和政府建立伙伴关系来从事人工智能研究。4.1.2. 人工智能如何应用于农业食品行业？基于这些结果，我们的研究可以得出几个关于农业食品系统如何使用人工智能促进农业操作的重要结论（Liakos等人，2018 b; Mohanty等人， 2016; Pantazi等人， 2016年）。从这个角度来看，我们确定了全球引用率最高的出版物（见表4）。 根据这些出版物，人工智能算法、深度学习和机器学习正在推动可持续农业食品行业的创建，并促进精准农业。人工智能技