Логотип
ИЭА СТР
УДК 004.89 • EDN: GFWEVG • e-Library ID: 91674041

АКТУАЛЬНЫЕ ВОПРОСЫ СТАНДАРТИЗАЦИИ И УПРАВЛЕНИЯ КАЧЕСТВОМ ПРИ ПРИМЕНЕНИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА РАЗЛИЧНЫХ ЭТАПАХ ПИЩЕВОГО ПРОИЗВОДСТВА

• С. 52-55
🇷🇺 На русском

Для цитирования

Шефлер В.А., Куприков Н.М., Доронин Д.О., Литвинов Б.Я. , Доронина А.В. , Куприков М.Ю. Актуальные вопросы стандартизации и управления качеством при применении искусственного интеллекта на различных этапах пищевого производства // Информационно-экономические аспекты стандартизации и технического регулирования. 2026. №3(90). С. 52–55.

Аннотация

Пищевая промышленность находится под давлением возрастающих требований к стабильному качеству, безопасности и устойчивости продукции, а также к оптимизации использования ресурсов. Современные традиционные подходы к контролю и управлению производственными процессами демонстрируют ограниченную эффективность в условиях динамично меняющегося сырья, технологических параметров и потребительских предпочтений, что затрудняет поддержание унифицированных стандартов. Технологии искусственного интеллекта (ИИ), основанные на анализе больших данных и автоматизации, открывают перспективные возможности для обеспечения соответствия строгим стандартам качества и безопасности. Применение ИИ охватывает все этапы производственной цепочки: от анализа сырья и оптимизации технологических процессов до контроля качества готовой продукции и управления логистикой. Анализ сырья и входной контроль играют ключевую роль в обеспечении безопасности и высокого качества конечной продукции, напрямую влияя на соблюдение нормативных требований и стандартов. В данной работе представлен анализ основных методов и технологий ИИ, таких как спектральный анализ и машинное зрение для решения задач анализа сырья и входного контроля, с акцентом на их научные основы, метрики оценки производительности, воспроизводимость и интеграцию с существующими отраслевыми стандартами.

Ключевые слова

пищевая промышленность искусственный интеллект стандартизация машинное обучение спектральный анализ машинное зрение контроль качества анализ сырья входной контроль

Об авторах

Шефлер Валерия Александровна

Шефлер Валерия Александровна — инженер, ФГУП «Всероссийский научно-исследовательский институт метрологии им. Д.И.Менделеева», ( Санкт-Петербург, Россия )

Куприков Никита Михайлович

Куприков Никита Михайлович — Доктор экономических наук, доцент, старший научный сотрудник, Институт № 9 МАИ, ( Москва, Россия )

Доронин Денис Олегович

Доронин Денис Олегович — Заместитель начальника отдела разработки и внедрения перспективных технологий, ФГУП «Всероссийский научно-исследовательский институт метрологии им. Д.И.Менделеева», ( Санкт-Петербург, Россия )

Литвинов Б. Я.

Литвинов Б. Я. — Доктор технических наук, ФГАОУ ВО «Санкт-Петербургский государственный университет аэрокосмического приборостроения», ( Санкт-Петербург, Россия )

Доронина А. В.

Доронина А. В. — Инженер, ФГУП «Всероссийский научно-исследовательский институт метрологии им. Д.И.Менделеева», ( Санкт-Петербург, Россия )

Куприков Михаил Юрьевич

Куприков Михаил Юрьевич — Доктор технических наук, ФГБОУ ВО «Московский авиационный институт (национальный исследовательский университет)», ( Москва, Россия )

Список литературы

  1. 1. Николаев А.А. Состояние и перспективы инновационного развития пищевой промышленности России // Вестник Академии знаний. 2022. № 6 (53). С. 194–198.
  2. 2. Карачаева З.А., Исмаилова А.А. Направления применения цифровых технологий и продуктов в отраслях пищевого производства // Экономика и социум. 2022. № 11-2(102). С.434–437.
  3. 3. Андреева Т.В., Курлыкова А.В. Формирование системы показателей оценки эффективности управления ценностной цепочкой продукта пищевой промышленности // Экономические отношения. 2019. № 3. С. 1987–2000.
  4. 4. Тимчук Е.Г. Применение искусственного интеллекта в пищевой промышленности // Научные труды Дальрыбвтуза. 2022. №3. С. 21–42.
  5. 5. Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. MIT Press, 2016, 800 с.
  6. 6. Шарова Д.Е, Гарбук С.В. Методы оценки качества систем компьютерного зрения: эволюция подходов, тенденции и ограничения // Информационно-экономические аспекты стандартизации и технического регулирования. 2026. № 1(88). С. 35–41.
  7. 7. Шаффрат Т., Шальк Г. Цифровизация в пищевой промышленности сегодня и в будущем // Переработка молока. 2019. № 5(235). C. 38–39.
🇬🇧 In English

CURRENT ISSUES IN STANDARDIZATION AND QUALITY MANAGEMENT WITH THE APPLICATION OF ARTIFICIAL INTELLIGENCE ACROSS VARIOUS STAGES OF FOOD PRODUCTION

For citation

Shefler V.A., Kuprikov N.M., Doronin D.O., Litvinov B. Ya., Doronina A.V., Kuprikov M.Yu. Current issues in standardization and quality management with the application of artificial intelligence across various stages of food production // Information and economic aspects of standardization and technical regulation. 2026;3(90): 52–55. (In Russ.).

Abstract

The food industry faces increasing pressure regarding consistent quality, safety, and sustainability of products, as well as the optimization of resource utilization. Modern traditional approaches to production process control and management demonstrate limited effectiveness amidst dynamically changing raw materials, technological parameters, and consumer preferences, thereby hindering the maintenance of unified standards. Artificial intelligence (AI) technologies based on big data analysis and automation offer promising opportunities to ensure compliance with strict quality and safety standards. The use of AI covers all stages of the production chain: from raw material analysis and process optimization to quality control of finished products and logistics management. Raw material analysis and input control play a key role in ensuring the safety and high quality of the final product, directly affecting compliance with regulatory requirements and standards. This paper presents an analysis of the main AI methods and technologies, such as spectral analysis and machine vision, to solve the problems of raw material analysis and input control, with an emphasis on their scientific foundations, performance evaluation metrics, reproducibility and integration with existing industry standards.

Keywords

food industry artificial intelligence standardization machine learning spectral analysis machine vision quality control raw material analysis incoming inspection

About the authors

Shefler Valeriya Aleksandrovna

Shefler Valeriya Aleksandrovna — engineer, D.I. Mendeleyev Institute for Metrology, ( St. Petersburg, Russia )

Kuprikov N. M.

Kuprikov N. M. — Doctor of Economics sciences, Associate Professor, Senior Researcher, Institute No. 9 of the MAI, ( Moscow, Russia )

Doronin D. O.

Doronin D. O. — Deputy Head of the Department for the Development and Implementation of Advanced Technologies, D.I. Mendeleyev Institute for Metrology, ( St. Petersburg, Russia )

Litvinov B. Ya.

Litvinov B. Ya. — Doctor of Technical Sciences, Saint Petersburg State University of Aerospace Instrumentation, ( St. Petersburg, Russia )

Doronina A. V.

Doronina A. V. — Engineer, D.I. Mendeleyev Institute for Metrology, ( St. Petersburg, Russia )

Kuprikov M. Yu.

Kuprikov M. Yu. — Doctor of Technical Sciences, Moscow Aviation Institute, ( Moscow, Russia )

References

  1. 1. Nikolaev A.A. The state and prospects of innovative development of the russian food industry. Vestnik Akademii znanij. 2022, no. 6 (53), pp. 194–198. (In Russ.).
  2. 2. Karachaeva Z.A., Ismailova A.A. Directions of application of digital technologies and products in food production industries. Èkonomika i socium. 2022, no. 11-2 (102), pp. 434–437. (In Russ.).
  3. 3. Andreeva T.V., Kurlykova A.V. Formation of a system of indicators to assess the effectiveness of management of the value chain of the food industry product. Ekonomicheskie otnosheniya. 2019, no. 3, pp. 1987–2000. (In Russ.).
  4. 4. Timchuk E.G. Application of artificial intelligence in the food industry // Nauchnye trudy Dalrybvtuza.2022, no. 3, pp. 21–42. (In Russ.).
  5. 5. Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. MIT Press, 2016, 800 p.
  6. 6. Sharova D.E., Garbuk S.V. Methods For Evaluating The Quality Of Computer Vision Systems: Evolution Of Approaches, Trends, And Limitations. Information and Economic Aspects of Standardization and Technical Regulation. 2026, no. 1(88), pp. 35–41. (In Russ.).
  7. 7. Shaffrat T., Schalk G Digitalization in the food industry today and in the future. Pererabotka moloka. 2019, no. № 5(235), pp. 38–39. (In Russ.).