Proceedings of the International scientific and practical conference ―Modern Research and Education‖ (May 2-4, 2026) / Publisher website: www.naukainfo.com. – Warsaw, Poland, 2026. - 523 p.

81 високотоксична упаковка та виробництво низькоякісного м’яса. Проблеми безпеки харчових продуктів виникають через те, що деякі галузі промисловості намагаються отримати додатковий прибуток, займаються зловмисною практикою та використовують лазівки в регуляторних органах. Таким чином, для підтримки стандартів необхідно вдосконалювати правила та стандарти, суворо контролювати джерело виробництв, модернізувати систему тестування, посилити механізм відстеження та популяризувати маркування харчової цінності, серед інших дій, тим самим створюючи цілий ланцюг захисту від ферми до виделки. Розробка технології штучного інтелекту (ШІ) для безпеки харчових продуктів забезпечує революційний інструмент для реструктуризації системи управління безпекою харчових продуктів [1; 4]. Завдяки інтеграції передових технологій, таких як спектральний аналіз, машинний зір, сенсорні мережі та блокчейн, ШІ може бути використаний для побудови повноланцюжкової інтелектуальної системи управління та контролю, що охоплює весь процес від ферми до виделки. Застосування ШІ в контролі якості харчових продуктів, управлінні безпекою процесів, регіональному відстеженні та персоналізованому обслуговуванні є дуже різноманітним та демонструє великий потенціал. На підприємствах харчової промисловості у системі обробки технологія об’єднання гіперспектральної візуалізації та машинного навчання може точно виявляти будь-які незаконні харчові добавки та фальсифікації. Ці технологічні інновації не лише долають обмеження традиційних методів виявлення харчових забруднювачів, але й змінюють систему прийняття рішень на підприємствах, що залежить від даних та досвіду, щоб забезпечити інтелектуальне прогнозування безпеки харчових продуктів [2]. Серед інновацій у системі безпеки продукції підприємств харчової промисловості, заснованих на інструментах ШІ можна виокремити [1; 2; 4]: - кероване машинне навчання, основною особливістю є використання маркованих даних для навчання класифікаційних або регресійних моделей та прогнозування або класифікації невідомих даних шляхом навчання