مقاله انگلیسی نوآوری سبز مبتنی بر هوش مصنوعی در بسته‌بندی: مرور سیستماتیک چالش‌های پذیرش و اشاعه

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سفارش ترجمه مقالات مرتبط سفارش پروپوزال 

عنوان فارسی:

نوآوری سبز مبتنی بر هوش مصنوعی در بسته‌بندی: مرور سیستماتیک چالش‌های پذیرش و اشاعه

عنوان انگلیسی:

Artificial intelligence-driven green innovation in packaging: A systematic review of adoption and diffusion challenges

کد محصول: M2066

سال نشر: 2026

نام ناشر (پایگاه داده): الزویر

نام مجله:Intelligent Systems with Applications

نوع مقاله: مروری  (Review Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 22 صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M2066)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده

نگرانی جهانی درباره‌ی حفاظت از محیط‌زیست، تقاضا برای راهکارهای بسته‌بندی پایدار را تشدید کرده است. ادغام هوش مصنوعی (AI) در نوآوری سبز، رویکردی تحول‌آفرین برای رفع این چالش‌ها ارائه می‌دهد. این مطالعه، یک مرور نظام‌مند ادبیات مبتنی بر چارچوب PRISMA 2020 را به‌کار می‌گیرد تا نوآوری‌های اخیر در زمینه‌ی بسته‌بندی‌های مبتنی بر هوش مصنوعی را مورد بررسی قرار دهد. 48 مقاله‌ی داوری‌شده، منتشرشده بین سال‌های 2020 تا 2025 مورد تحلیل قرار گرفتند. یافته‌ها نشان می‌دهد که یادگیری ماشین ، یادگیری عمیق، و کاربردهای عمومی هوش مصنوعی، بیشترین فناوری‌های مورد استفاده هستند. مواد بسته‌بندی زیست‌تخریب‌پذیر و سیستم‌های بسته‌بندی هوشمند، انواع اصلی بسته‌بندی پایدار را شامل می شوند. کاربردهای هوش مصنوعی عمدتاً در زمینه‌های بهینه‌سازی فرایندها، پایش هوشمند بسته‌بندی، تشخیص تقلب، بینایی رایانه‌ای، و پردازش زبان طبیعی متمرکز هستند. با این حال، پذیرش گسترده‌ی این فناوری با موانعی نظیر هزینه‌های بالا، پیچیدگی فنی، و ابهام‌های نظارتی روبه‌رو است. روندهای آینده بر اهمیت فناوری‌های مقیاس‌پذیر، مدل‌های پیشرفته‌ی هوش مصنوعی، ادغام با اقتصاد مدور، و همکاری میان‌رشته‌ای تأکید می‌کنند. این مطالعه، چارچوبی ساختاریافته برای هدایت دانشگاهیان، فعالان صنعتی، و سیاست‌گذاران در پذیرش نوآوری‌های سبز مبتنی بر هوش مصنوعی جهت دستیابی به بسته‌بندی پایدار ارائه می‌دهد.

کلیدواژه‌ها: هوش مصنوعی (AI)، نوآوری سبز، صنعت بسته‌بندی، یادگیری ماشین، بسته‌بندی پایدار، مرور نظام‌مند ادبیات

Abstract: Global concern about environmental protection has intensified the demand for sustainable packaging solutions. Integrating artificial intelligence (AI) into green innovation offers a transformative way to address these challenges. This study applies a systematic literature review (SLR) guided by the PRISMA 2020 framework to examine recent AI-powered packaging innovations. Forty-eight peer-reviewed articles, published between 2020 and 2025, were analyzed. The findings show that Machine Learning, Deep Learning, and general AI applications are the most frequently adopted technologies. Biodegradable packaging materials and smart packaging systems represent the main sustainable packaging types. AI applications are concentrated in process optimization, smart packaging monitoring, fraud detection, computer vision, and natural language processing. However, widespread adoption faces obstacles such as high costs, technical complexity, and regulatory uncertainty. Future trends highlight the importance of scalable technologies, advanced AI models, integration with the circular economy, and interdisciplinary collaboration. This review provides a structured framework to guide academics, industry practitioners, and policymakers in adopting AI-driven green innovation for sustainable packaging.

Keywords: Artificial intelligence (AI), Green innovation, Packaging industry, Machine learning, Sustainable packaging, Systematic literature review

مقدمه

افزایش تهدیدات زیست‌محیطی جهانی همراه با نیاز به پایداری، صنایع را وادار می‌کند تا رویه‌های بسته‌بندی خود را ارزیابی کنند. روش‌های مدرن بسته‌بندی، تحت تحلیل‌های گسترده‌ای قرار گرفته‌اند زیرا آن‌ها از مقادیر زیادی مواد استفاده می‌کنند و در عین حال مقادیر بالایی از آلاینده‌های کربنی را منتشر می‌سازند. بازار، راه‌حل‌های بسته‌بندی پایدار را به‌عنوان یک اقدام راهبردی برای حفاظت زیست‌محیطی و پایداری زیست‌محیطی شرکتی مورد تأکید قرار می‌دهد…

Introduction The escalating global environmental threats combined with the sustainability need force industries to evaluate their packaging procedures. Modern packaging distribution methods are undergoing extensive analysis because they utilize large amounts of materials while emitting high levels of carbon pollutants. The market emphasizes sustainable packaging solutions as a strategic measure for ecological protection and corporate environmental sustainability…

پرسش‌های پژوهش

پرسش پژوهش 1: انواع اصلی فناوری‌های هوش مصنوعی که در صنایع بسته‌بندی طبقه‌بندی و به‌کار گرفته شده‌اند، کدام‌اند؟
پرسش پژوهش 2: رایج‌ترین انواع بسته‌بندی سبز که در حال حاضر در صنعت وجود دارند، کدام‌اند؟
پرسش پژوهش 3: فناوری‌های هوش مصنوعی در حال حاضر چگونه به‌منظور حمایت از نوآوری در بسته‌بندی سبز مورد استفاده قرار می‌گیرند؟
پرسش پژوهش 4: موانع کلیدی در مسیر پذیرش و گسترش هوش مصنوعی در صنعت بسته‌بندی کدام‌اند؟
پرسش پژوهش 5: روندهای آینده در نوآوری‌های بسته‌بندی پایدار مبتنی بر هوش مصنوعی چیست؟

Research Question 1: What are the main types of AI technologies classified and adopted across the packaging industry?
Research Question 2: What are the common types of green packaging currently available in the industry?
Research Question 3: How are AI technologies currently being applied to support green packaging innovation?
Research Question 4: What are the key barriers to the adoption and diffusion of AI in the packaging industry?
Research Question 5: What are the future trends in AI-driven sustainable packaging innovations?

محدودیت‌های پژوهش و چشم‌اندازهای آینده

با وجود دستاوردهای این مطالعه، چندین محدودیت وجود دارد که باید به‌منظور شفافیت و هدایت پژوهش‌های آتی مورد شناسایی قرار گیرند. نخست، مرور نظام‌مند تنها به مقالاتی محدود شد که صرفاً به زبان انگلیسی در دسترس بوده و در سه پایگاه داده‌ی بزرگ یعنی Web of Science، Scopus، و Science Direct نمایه شده بودند. این مسئله ممکن است به نادیده‌گرفتن مطالعات مرتبط در زبان‌های دیگر یا متون غیرنمایه‌شده منجر شده باشد و در نتیجه، جامعیت نتایج را محدود کرده باشد. دوم، دامنه‌ی جست‌وجوی تحلیل صرفاً به مقالات داوری‌شده‌ی نشریات علمی محدود شد و در نتیجه مقالات کنفرانسی، فصول کتاب‌ها، و گزارش‌های صنعتی که می‌توانند اطلاعات عملی و ارزشمندی درباره‌ی نوآوری‌های بسته‌بندی مبتنی بر هوش مصنوعی فراهم کنند، کنار گذاشته شدند. سوم، اگرچه این مرور، 48 مطالعه را خلاصه کرده و یک چارچوب یکپارچه ارائه داده است، ولی بیشتر شواهد آن مفهومی یا مبتنی بر مرور هستند و تأییدیه‌های تجربی اندکی دارند، خصوصاً در فناوری‌های نوظهور که در میان آن‌ها هوش مصنوعی مولد و یادگیری تقویتی هنوز در مراحل اولیه قرار دارند. در نهایت، پوشش جغرافیایی ادبیات نشان‌دهنده‌ی تمایل به تمرکز بر برخی مناطق (مانند چین و هند) است، در حالی که پوشش اندکی بر اقتصادهای در حال توسعه مشاهده می‌شود که در آن‌ها شرایط زیرساختی و نظارتی، چالش‌های متفاوتی را رقم می‌زنند…

Research limitations and future prospects In spite of the contributions made by this study, there are a number of limitations that ought to be recognized in order to offer transparency and future studies. To begin with, the systematic review was limited to articles that were available in English only and indexed in three of the largest databases (Web of Science, Scopus, and Science Direct). This may have led to omission of relevant studies in other foreign languages or non-indexed literatures that may have resulted in limited comprehensiveness of the results. Second, the analysis was limited in the scope of its search to peer-reviewed journal articles and subsequently disregarded conference proceedings, as well as book chapters and industry reports, all of which can provide important practical information in regards to AI-driven packaging innovations. Third, although this review summarizes 48 studies and provides an integrated framework, most of the evidence is conceptual or review-based and has few empirical validations, especially in new technology, where generative AI and reinforcement learning are some of them in the early stages. Lastly, the geographical literature coverage demonstrates a tendency of focusing in some areas (e.g., China and India), and minor coverage of developing economies where infrastructure and regulatory conditions take on other challenges…