MétaCan
Menu
Retour à la cohorte
Enregistrement W4413817019 · doi:10.3390/standards5030021

Smart Kitchens of the Future: Technology’s Role in Food Safety, Hygiene, and Culinary Innovation

2025· article· en· W4413817019 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueStandards · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésHygieneFood safetyFood hygieneBusinessFood scienceMarketingPsychologyEnvironmental healthMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

In recent years, there have been significant advances in the application of technology in professional kitchens. This evolution of “smart kitchens” has transformed the food processing sector, ensuring higher standards of food safety through continual microbial monitoring, quality control, and hygiene improvements. This review critically discusses the recent developments in technology in commercial kitchens, focusing on their impact on microbial safety, operational efficiency, and sustainability. The literature was sourced from peer-reviewed journals, industry publications, and regulatory documents published between 2000 and 2025, selected for their relevance to the assurance of food safety using emerging technologies especially for use in commercial kitchens. Some of the most significant of these technologies currently being employed in smart kitchens include the following: smart sensors and IoT devices, artificial intelligence and machine learning systems, blockchain-based traceability technology, robotics and automation, and wearable monitoring devices. The review evaluated these technologies against criteria such as adherence to existing food safety regulations, ease of integration, cost factors, staff training requirements, and consumer perception. It is shown that these innovations will significantly enhance hygiene control, reduce the levels of waste, and increase business revenue. However, they are constrained by high installation costs, integration complexity, lack of standardized assessment measures, and the need for harmonizing automation with human oversight. Thus, for the widespread and effective uptake of these technologies, there is a need for better collaboration between policymakers, food experts, and technology innovators in creating scalable, affordable, and regulation-compliant solutions. Overall, this review provides a consolidated evidence base and practical insights for stakeholders seeking to implement advanced microbial safety technologies in professional kitchens, highlighting both current capabilities and future research opportunities.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,244
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,240
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle