식품 산업 품질 관리 머신러닝 활용

현대 식품 생산의 복잡성 증가는 품질 관리, 안전 모니터링 및 공정 최적화를 위한 첨단 솔루션의 필요성을 증대시키고 있습니다. 본 연구는 식품 산업의 품질 관리에 적용된 머신러닝(ML) 기술의 최신 발전 동향을 6가지 주요 영역(식품 품질, 결함 감지, 성분 최적화, 포장-센서, 공급망 추적성, 인더스트리 4.0 모델)에 걸쳐 체계적으로 검토합니다. PRISMA 기반 방법론을 활용하여 Scopus 데이터베이스에서 2005년부터 2025년까지 발표된 124편의 동료 심사 논문을 검색했으며, 사전 정의된 포함 및 제외 기준, 방법론적 엄격성, 혁신성을 바탕으로 최종 25편의 연구를 선정했습니다. 분석 결과, 신경망(Neural Networks)이 가장 지배적인 접근 방식이었고, 앙상블 학습이 그 뒤를 이었으며, 지도 학습이 전반적인 작업에서 우위를 보였습니다. 하이퍼스펙트럼 이미징, 센서 융합, 설명 가능한 AI, 블록체인 기반 추적성 등이 새로운 트렌드로 부상하고 있습니다. 현재 연구의 한계점으로는 특정 분야 편향, 데이터 부족, 미개척된 비지도 및 하이브리드 방법 등이 지적됩니다. 본 연구는 투명한 PRISMA 접근 방식과 6가지 주제별 프레임워크, 그리고 인더스트리 4.0/5.0 통합을 결합하여 식품 산업 내 견고하고 투명하며 적응력 있는 품질 관리 시스템을 위한 교차 영역 통찰력과 로드맵을 제시한다는 점에서 의의가 있습니다.