AI在食品工程技术中的应用

20XX/XX/XXAI在食品工程技术中的应用汇报人:XXXCONTENTS目录01

AI赋能食品工程：技术革新与产业价值02

食品安全风险治理：AI构建主动防控体系03

科研创新加速：AI驱动食品科学突破04

产业生态重塑：AI贯穿智能制造全链条05

食品质量与安全检测：AI算法的深度应用CONTENTS目录06

食品营养成分分析：AI助力精准与个性化07

食品供应链与追溯：AI提升透明度与效率08

食品加工工艺优化：AI驱动高效与绿色生产09

挑战与展望：AI在食品工程中的未来发展AI赋能食品工程：技术革新与产业价值01食品工程智能化转型的时代背景消费升级与安全需求驱动随着居民健康意识提升，65%以上城镇居民愿为低碳认证食品支付10%以上溢价，对食品品质、安全及全生命周期环境影响提出更高要求，倒逼行业技术革新。传统生产模式的效率瓶颈传统食品生产依赖人工经验，存在能耗高（较国际先进水平低15个百分点）、品质稳定性差、生产周期长等问题，单位产值能耗较发达国家高出22%。政策与技术双轮驱动国家“十四五”规划明确要求加强人工智能与产业融合，2025年国务院《“人工智能+”行动意见》推动AI在公共安全预警等领域应用，为食品工程智能化提供政策保障；AI、物联网等技术成熟为转型提供可行性。AI技术在食品领域的应用框架

全链条智能升级：从源头到餐桌的数字化赋能AI技术贯穿食品产业全链条，涵盖原料种植、加工制造、质量管控、营养分析、供应链管理及消费服务等核心环节，通过数据驱动与智能决策，实现从传统经验模式向精准化、智能化的转型。

核心技术支柱：多模态融合与智能算法支撑以机器学习（如随机森林、SVM）、深度学习（CNN、LSTM）、计算机视觉、自然语言处理为核心，结合物联网传感器、光谱分析、区块链等技术，构建“感知-分析-决策-执行”的闭环应用体系。

应用场景矩阵：技术与产业需求的深度耦合形成风险预警、智能检测、工艺优化、营养设计、个性化服务等典型场景，例如江南大学FoodSeek大模型赋能科研创新，思念食品AI生产线实现效率提升30%，推动产业向高质量发展。产业升级：效率提升与质量保障的双重驱动AI驱动生产流程智能化优化AI通过实时分析生产数据，动态调整工艺参数，如思念食品采用5G+AI技术，使生产线自动化率达90%以上，提升生产效率与产品标准化程度。智能质量检测与缺陷识别AI机器视觉技术实现高速、高精度质量检测，某烘焙企业应用后，每小时检测产品数量从2000件提升至10000件以上，准确率从85%提升至98%。设备预测性维护与效能提升AI通过分析设备运行数据预测潜在故障，某调味品企业引入后，设备停机时间减少40%，使用寿命延长约20%，降低生产成本。供应链智能协同与资源优化AI优化供应链管理，如蒙牛“AI门店助手”系统，通过分析销售数据预判销量，指导库存补货与布局优化，避免积压或短缺，提升终端运营效率。食品安全风险治理：AI构建主动防控体系02实验室成立背景与定位2026年初，江南大学揭牌成立全国唯一的“食品安全与国家战略治理实验室”（教育部哲学社会科学实验室），标志着AI在食品安全领域的应用已上升至国家战略治理层面。核心使命与目标实验室核心使命之一是通过人工智能与食品产业的深度融合，建立食品安全数据中心和风险预警中心，旨在成为食品安全治理的“防火墙”和“报警器”。技术创新与应用方向实验室推动AI构建覆盖多主体、多场景的多元化数据采集体系，探索多源异构数据融合技术，搭建智能化数据集成平台与预警系统，实现风险响应从被动滞后前移至“实时监测”。基础研究与知识体系建设着力构建具有中国特色的食品安全风险治理“关键词词库”和“知识图谱”，推进我国食品安全领域第一个专用语料库建设，为AI模型提供专业分析和决策的“新华字典”。国家级战略平台：食品安全与国家战略治理实验室风险预警模式：从事后处置到实时监测的转型国家级平台的战略布局2026年初，江南大学揭牌成立全国唯一的“食品安全与国家战略治理实验室”，通过人工智能与食品产业的深度融合，建立食品安全数据中心和风险预警中心，标志着AI在食品安全领域的应用已上升至国家战略治理层面。从“事后处置”到“实时监测”AI通过构建覆盖多主体、多场景的多元化数据采集体系，探索多源异构数据融合技术，搭建智能化的数据集成平台与预警系统，将食品安全风险的响应从被动滞后前移至“实时监测”，实现风险的早发现、早预警、早处置。构建治理“知识基石”业界正着力构建具有中国特色的食品安全风险治理“关键词词库”和“知识图谱”，其中“食品安全语料库”被视为该领域的“新华字典”。江南大学已与相关企业合作，共同推进我国食品安全领域第一个专用语料库的建设，为AI模型进行专业分析和决策奠定基础。知识基石建设：食品安全语料库与知识图谱

国家级平台的战略布局2026年初，江南大学揭牌成立全国唯一的“食品安全与国家战略治理实验室”，其核心使命之一是通过人工智能与食品产业的深度融合，建立食品安全数据中心和风险预警中心，标志着AI在食品安全领域的应用已上升至国家战略治理层面。

食品安全语料库：行业“新华字典”食品安全语料库是AI模型进行专业分析和决策的基础，被视为该领域的“新华字典”。江南大学已与相关企业合作，共同推进我国食品安全领域第一个专用语料库的建设。

食品安全风险治理知识图谱构建业界正着力构建具有中国特色的食品安全风险治理“关键词词库”和“知识图谱”，系统化管理风险知识，为AI在食品安全风险评估、预警等方面的应用提供知识支撑。

高质量数据集构建与标准化当前尚缺乏全国统一的食品安全领域专业语料库，需强化高质量数据集构建、精细化语义标注及规范化语料库建设，避免因数据支撑不足导致AI算法难以发挥预期效能。科研创新加速：AI驱动食品科学突破03全球首个食品学科专用大模型FoodSeek

01FoodSeek大模型的发布背景与意义2025年7月，江南大学联合科大讯飞、华为等机构发布全球首个食品学科专用大模型——FoodSeek（食问），标志着AI技术与食品科学的深度融合迈入专用化、场景化新阶段，开启了"食品+智能"新纪元。

02FoodSeek大模型的核心技术基础该模型基于覆盖食品全谱系的高质量语料库构建，具备信息抽取、专业推理、精准解析等核心能力，为其在食品领域的专业化应用提供了坚实的数据与算法支撑。

03FoodSeek大模型的四大核心智能体应用FoodSeek已推出面向教学、科研、科普和行业服务的四大核心智能体，能够满足食品领域多场景、多层次的智能化需求，推动食品产业向智能化转型。检测技术革新：机器学习赋能高效精准检测单击此处添加正文

智能图像识别：提升食品外观缺陷检测效率AI视觉系统在食品包装流水线上，可高速采集产品图像，瞬间检测出饼干形状不完整、面包烤焦痕迹等外观缺陷，检测速度可达每小时10000件以上，准确率提升至98%，远超传统人工检测的85%准确率和每小时2000件的效率。光谱分析与机器学习结合：实现食品成分快速检测基于近红外光谱技术结合机器学习算法，可快速分析食品的成分、水分含量、营养指标等。如利用近红外光谱（NIR）和数字成像相结合的高光谱成像技术构建PLSR模型，能实现对单个小麦籽粒蛋白的快速分析，为食品安全监测提供高效、精准解决方案。荧光液滴成像方法：缩短有害物质检测时间江南大学研究团队开发的基于机器学习（深度学习与随机森林）的荧光液滴成像方法，用于高灵敏度检测食品中的有害物质，将图像处理时间从传统的3分钟/图缩短至1.4秒/图，同时实现了极低的检测限和宽达7个数量级的线性范围。AI辅助识别元件筛选：提高检测灵敏度和特异性AI技术能够辅助抗体、适配体等传统和新型识别元件的高效设计与筛选，提升检测的灵敏度和特异性，为快速检测食品中的致病菌、真菌毒素、农药残留等风险因子提供有力支持，推动食品安全检测技术的发展。金属-多酚体系的敏感反应机制利用金属-多酚体系对胺类物质的敏感反应特性，可作为生鲜食品新鲜度变化的分子识别基础，实现对肉类、海鲜等胺类物质释放的特异性响应。智能检测平台的构建与数据可视化结合智能检测平台，将金属-多酚体系的化学信号转化为可实时读取的物理信号（如颜色变化、荧光强度等），通过直观的可视化方式展现生鲜食品新鲜度状态。多场景应用：从智能包装到零售终端该技术为智能包装、冷链物流监控和零售终端品质管控提供创新工具，例如在智能包装上集成可视化标签，消费者可直接观察食品新鲜度变化，助力精准购买决策。智能监测新场景：生鲜食品新鲜度实时可视化产业生态重塑：AI贯穿智能制造全链条04智能制造与精准营养：食物智能制造体系构建智能装备与精准加工技术

利用计算机视觉与智慧化溯源技术，挖掘新质食物资源的安全风险阻控靶点。例如，AI驱动的生产流程优化、质量控制以及供应链管理，正大幅提升产业效率与效益，推动食品工业向绿色、低碳、高效方向发展。精准营养设计与个性化健康指导

通过大数据建模与AI分析，能够实现个性化、精准化的营养设计与健康指导。AI正在成为连接食品加工制造与健康消费的关键纽带，助力实现从“疾病治疗”向“健康管理”的转变。未来食物资源开发与利用

AI与基因组学、合成生物学等新兴技术相结合，为开发森林、海洋、微生物等非耕地资源提供了新机遇。AI可以加速功能微生物菌株的筛选、优化合成生物学的pathways设计，助力打造高营养、高功能的新型食物原料，服务于国家“大食物观”战略。AI助力非耕地资源潜力挖掘AI与基因组学、合成生物学等技术结合，为开发森林、海洋、微生物等非耕地资源提供新机遇，服务于国家“大食物观”战略。合成生物技术平台国内领先江南大学在生物制造领域，其合成生物技术平台处于国内领先地位，近五年专利数全国第一，并在关键底层技术、能源环保等领域的全球专利数位列第一。AI加速功能微生物菌株筛选与优化AI可以加速功能微生物菌株的筛选、优化合成生物学的pathways设计，助力打造高营养、高功能的新型食物原料，拓展未来食物资源边界。未来食物资源开发：非耕地资源利用与合成生物学生产模式变革：智能化生产线与供应链管理01智能化生产线：从人工操作到无人值守现代食品工厂已实现一人操作、全程监控的智能化生产线。AI驱动生产流程优化、质量控制及供应链管理，大幅提升产业效率与效益，推动食品工业向绿色、低碳、高效方向发展。例如，思念食品搭建“5G+数智化工厂”，生产线自动化率达90%以上。02智能制造与精准营养：AI连接生产与健康消费利用计算机视觉与智慧化溯源技术，可挖掘新质食物资源的安全风险阻控靶点；通过大数据建模与AI分析，能够实现个性化、精准化的营养设计与健康指导，成为连接食品加工制造与健康消费的关键纽带。03供应链智能化：全链条监测与优化依托物联网传感器，对粮仓、冷库等进行24小时不间断监测，自动预警并调控温湿度。在收购环节，AI视觉识别技术实现粮食自动扦样和化验；加工环节，AI色选机精准剔除异物和霉变颗粒，实现节粮增效，如AI“豆脸识别”系统每秒可检测13000多颗黄豆。04柔性生产与个性化定制：响应市场动态需求AI与大数据结合实现智能决策，根据订单需求和设备产能，自动生成最优生产计划，提高生产效率和资源利用率。例如，橡鹿“美膳狮”AI炒菜机器人可复刻1000余道经典菜系，内置云端数字基因库实现全球菜谱同步更新，解决传统餐饮规模化生产品质不稳定问题。食品质量与安全检测：AI算法的深度应用05机器学习与深度学习算法在检测中的应用机器学习算法：传统检测的效率革新机器学习算法如随机森林、支持向量机（SVM）等，通过构建数据模型实现对食品特征的快速学习与识别。江南大学开发的基于机器学习的荧光液滴成像方法，将图像处理时间从传统3分钟/图缩短至1.4秒/图，同时实现宽达7个数量级的线性范围和高回收率。深度学习算法：复杂场景的精准突破深度学习算法，特别是卷积神经网络（CNN），擅长从图像、光谱等复杂数据中自动提取深层特征。在小麦面粉蛋白质含量预测中，CNN模型较传统偏最小二乘回归（PLSR）模型表现出更高准确性和抗噪声能力，为食品成分检测提供了更优解。多算法融合：全链条检测的技术协同结合机器学习与深度学习优势，形成多算法融合的检测体系。例如，利用机器学习进行特征筛选与降维，再通过深度学习实现高精度分类与预测，已成功应用于食品新鲜度实时监测、微生物污染快速识别等场景，推动检测技术向智能化、一体化发展。食品风味分析与质量评估智能化

AI驱动风味物质精准识别利用机器学习和深度学习算法，结合光谱、质谱等检测技术，AI可快速识别食品中的挥发性风味物质和非挥发性风味前体，如江南大学团队开发的基于机器学习的荧光液滴成像方法，实现有害物质高灵敏度检测，图像处理时间从3分钟/图缩短至1.4秒/图。

智能感官评价系统构建AI技术模拟人类感官，通过电子鼻、电子舌等设备结合计算机视觉，对食品的色泽、气味、口感等进行量化评价，替代传统人工感官评定，提高评价的客观性和一致性，例如利用金属-多酚体系结合智能检测平台，实现肉类、海鲜等生鲜食品新鲜度的实时、可视化监测。

质量指标智能预测与控制基于大数据建模与AI分析，对食品的货架期、质地、营养成分变化等质量指标进行精准预测，并通过优化生产工艺参数实现质量的智能控制，如利用AI算法分析历史产量、气象数据和实时图像，高精度预测农作物产量，为生产决策和市场供应提供科学依据。微生物污染与异物检测的AI解决方案

AI驱动微生物快速检测传统微生物检测需数天，AI技术结合机器学习算法分析微生物生长曲线、代谢特征，可在数小时内完成检测，实现早期预警和快速响应。

AI赋能高灵敏度有害物质检测江南大学开发基于机器学习（深度学习与随机森林）的荧光液滴成像方法，图像处理时间从传统3分钟/图缩短至1.4秒/图，检测限低且线性范围宽达7个数量级。

AI视觉系统实现异物精准识别国际食品公司采用X射线+AI图像识别算法，对食品生产过程中的金属碎屑、玻璃碎片、塑料杂质等异物进行全方位检测，异物检测率达100%。

AI辅助识别元件高效设计筛选AI可辅助设计和筛选用于快速检测的抗体、适配体等关键识别元件，提升检测的灵敏度和特异性，为微生物及有害物质检测提供有力工具。食品营养成分分析：AI助力精准与个性化06营养成分快速检测技术与模型构建

光谱分析与AI融合检测技术基于近红外光谱（NIR）、高光谱成像等技术，结合机器学习算法（如PLSR、CNN），实现食品蛋白质、脂肪等成分的快速定量分析。例如，利用近红外光谱结合PLSR模型检测马铃薯蛋白质含量，R²P最高达0.98；采用CNN模型分析小麦面粉蛋白质含量，准确性优于传统方法且噪声更小。

计算机视觉与图像识别应用通过高分辨率图像传感器和深度学习算法，对食品图像的纹理、颜色等特征进行提取，实现营养成分预测。如利用安卓手机采集保健饮料粉图像，结合支持向量机线性回归模型预测蛋白质含量，最小平均预测误差低至±1.96；对干腌火腿切片图像进行深度学习分析，可精确测定肌内脂肪含量。

多源数据融合与模型优化整合光谱、图像、电子舌等多源检测数据，构建更全面的营养成分分析模型。利用迁移学习解决小样本数据问题，通过交叉验证、超参数优化提升模型泛化能力。例如，融合傅里叶变换红外光谱（FTIR）与机器学习方法（PLSR、DT、RBFNN），建立昆虫蛋白氨基酸含量自动预测系统，实现快速无损检测。

智能化检测平台与系统开发开发面向不同检测场景的智能分析平台，支持数据上传、模型调用及结果可视化。如构建基于AI的食品营养成分智能分析教学平台，实现从数据采集到模型应用的全流程实践；智能餐盘、智能厨房秤等设备集成AIAgent，通过图像识别和重量数据分析，为用户提供实时营养成分信息与个性化饮食建议。个性化营养建议系统的开发与应用

用户数据采集与分析通过智能算法分析消费者的年龄、性别、健康状况、饮食习惯和偏好等多维度信息，构建用户画像，为个性化营养建议提供数据基础。

AI驱动的营养方案生成基于用户画像和食品营养数据库，利用机器学习和大数据分析技术，为用户提供个性化的大健康饮食建议和健康指导，推荐合适的食品组合。

动态调整与需求适配持续收集用户的饮食反馈和身体状态变化数据，AI系统动态调整营养建议，以适应用户的需求变化，实现精准化的健康管理。

应用场景与价值体现该系统可广泛应用于健康管理、健身、慢性病预防等领域，帮助消费者做出更符合自身健康需求的饮食选择，提升生活质量，同时为食品企业创新产品提供市场导向。智能厨房设备：营养分析的终端应用

01智能餐盘：AIAgent的食物识别与营养分析智能餐盘集成AIAgent技术，通过计算机视觉和机器学习算法自动识别餐盘内食物种类，结合食物营养数据库，快速分析蛋白质、脂肪、碳水化合物等营养成分含量，为用户提供实时饮食营养信息。

02智能厨房秤：精准称重与营养成分关联分析智能厨房秤配备高精度传感器和AI分析功能，在测量食材重量的同时，利用训练好的机器学习模型（如神经网络），根据食材种类和重量预测其营养成分，帮助用户精准控制食材用量和摄入营养。

03智能厨房案板：多模态传感融合的食材营养评估智能厨房案板集成重量、光谱、图像等多传感器，AIAgent处理采集到的食材特征信息，与数据库比对识别食材种类，并分析其营养成分，实现对肉类、海鲜等生鲜食品新鲜度及营养的实时、可视化监测。

04个性化营养建议系统：基于AI的饮食指导智能厨房设备可结合用户年龄、性别、健康状况等数据，通过AI算法分析饮食习惯和偏好，提供个性化的饮食建议和健康指导，助力用户制定符合自身需求的饮食计划，实现精准营养管理。食品供应链与追溯：AI提升透明度与效率07AI-物联网-区块链一体化溯源框架

01技术架构：三驾马车协同运作该框架以物联网为感知层，通过传感器、RFID等设备实时采集食品从农场到餐桌各环节数据；AI作为分析层，处理多源异构数据并实现动态评估；区块链则为信任层，确保数据不可篡改与全程可追溯，形成“感知-分析-存证”的闭环体系。

02核心功能：精准识别与透明追溯AI算法结合光谱、视觉成像等检测手段，可精准识别食品复杂基质中的真实性特征；区块链技术赋予每批次食品唯一数字身份，消费者扫码即可查看原料来源、加工过程、检测结果等全链条信息，提升食品供应链透明度。

03应用价值：赋能食品工业智能化升级该框架显著提升食品真实性验证能力，为食品工业4.0提供关键技术支撑。例如，在生鲜领域，通过物联网监测温湿度，AI预测货架期，区块链记录流转信息，实现从生产到消费的全程智能化管理，保障食品安全与品质。供应链智能化管理：库存预测与优化调度AI驱动的精准库存预测人工智能通过分析历史销售数据、市场需求趋势、气象数据和供应链各环节信息，构建高精度库存预测模型。例如，某食品企业利用AI预测系统，使库存周转率提升20%，有效避免了因库存积压或短缺导致的资金占用和生产停滞。动态优化调度与资源配置AI算法能够根据实时订单需求、库存水平和生产能力，自动生成最优的生产和配送调度方案。如绝味食品通过AI大模型赋能连锁门店运营，实现了库存补货与布局优化，提升了门店运营效率39%，同时降低了库存成本。全链条协同与风险预警AI结合物联网、区块链等技术，实现供应链全链条数据共享与透明化管理。通过实时监控粮仓、冷库等存储环境，自动预警并调控温湿度，保障粮食品质。同时，AI可对供应链中的潜在风险进行提前识别和预警，如原材料供应延迟、物流中断等，提高供应链的抗风险能力。全链条追溯：从农场到餐桌的可视化管理

区块链+AI赋能全程溯源通过AI与区块链技术结合，构建从田间到餐桌的全程质量可追溯体系。推广"一品一码"追溯体系，消费者可清晰了解食品的来源和流通过程，提升品牌信任度。

多源数据融合与智能决策AI整合供应链数据、消费者反馈等多源信息，实现对食品从生产到销售全过程的追溯和监控。通过数据驱动精准对接供需，为监管部门和企业提供智能化的决策支持。

跨区域协同与风险追踪打破各级政府间食品监管的数据壁垒，建立统一的数据标准，实现全国食品安全监督抽检数据共享。利用AI构建跨域追溯监管数据建模方法，构造全程、全链、全要素的问题食品追溯体系，提升跨区域风险响应效率。食品加工工艺优化：AI驱动高效与绿色生产08工艺参数智能优化与生产流程调控

AI驱动的动态工艺参数优化AI算法结合实时采集的原料特性、环境参数（如温度、pH值），动态调整生产关键工艺参数。例如在酸奶发酵中，AI可自动微调发酵温度与时间，确保产品口感与营养成分最优，提升批次质量稳定性。

生产流程的智能调度与协同利用AI优化生产计划与设备调度，根据订单需求和设备负载自动调整生产序列，减少换产时间与资源浪费。如某饮料企业通过AI动态排产，订单交付周期缩短12%，设备利用率提升18%。

设备预测性维护与效能提升通过传感器实时监测设备运行数据（振动、温度、能耗等），AI模型预测潜在故障并提前预警，将被动维修转为主动预防。案例显示，预测性维护可使设备停机时间减少25%-65%，维护成本降低20%-40%。

能源消耗与资源利用的智能调控AI能源管理平台动态优化生产过程中的能源分配，如某钢铁企业通过AI优化高炉煤气利用，吨钢电耗下降12.3kWh；食品加工企业则通过AI调控热力系统，单位产品能耗降低18.7%，实现绿色生产。智能能耗监测与动态调控AI通过部署在生产线关键节点的高精度传感器网络，实时采集温度、压力、流量等200余项工艺参数，结合机器学习算法构建能耗优化模型，动态调整工艺参数，实现单位产品能耗降低，例如某试点案例显示能耗降低18.7%。污染物智能监测与预警利用AI算法综合分析食品加工过程中产生的挥发性有机物、氨氮废水等污染物排放数据，构建排放热点识别与预警模型，实现从“被动整改”到“主动预防”，某项目年均减少二氧化碳排放量达1200吨以上。设备能效优化与预测性维护AI对食品加工设备运行数据进行深度挖掘，建立设备能效模型与故障预测模型，精准识别能耗峰值与潜在故障，提前进行维护，提升设备能效利用率，降低因设备故障导致的能源浪费和排放超标风险。能耗优化与排放控制的AI解决方案传统酿造业的智能化升级：发酵过程监测与风味调控多源传感器融合：实时穿透发酵“黑箱”通过在线近红外/中红外光谱仪、荧光传感器、电子鼻/舌及机器视觉系统，实时监测糖度、酒精浓度、挥发性风味物质、酵母活力等关键参数，构建发酵过程“数字孪生”，将传统离线分析转变为动态、连续的流数据监测。AI预测模型：精准调控发酵动力学利用循环神经网络（RNN）、长短期记忆网络（LSTM）等算法学习发酵过程时序依赖关系，构建发酵动力学预测模型，前瞻性干预发酵路径，如精确预测双乙酰还原完成时间，实现从“事后补救”到“事前干预”的转变，确保批次稳定性。风味数字化解构与智能调控AI算法学习并量化复杂感官特征，将化学成分与消费者偏好关联，实现精准风味设计。结合模型预测控制（MPC），与发酵罐执行器联动，动态调整温度、搅拌速率等参数，主动“导航”风味形成，如啤酒酿造中优化酯类、醇类物质生成。降本增效与品质提升的实践成果AI应用使发酵周期平均缩短5-15%，风味一致性提升导致客户投诉率下降，通过优化原料配比实现千升酒成本节约，同时避免因异常发酵导致的整批次报废风险，成为传统酿造业数字化转型的核心引擎。挑战与展望：AI在食品工程中的未来发展09数据共享不足与标准化缺失食品产业链数据分散、格式各异，存在“数据孤岛”现象，缺乏统一的技术、数据、接口等标准。全国统一的食品安全领域专业语料库尚未建立，高质量数据集构建和规范化语料库建设滞后，影响AI模型训练效果。数智技术应用成本较高AI系统的研发、部署