论文 最新收录
-
中科院一区 JCR一区
人工智能驱动的发酵食品微生物资源探索
2026
Trends in Food Science & Technology
计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化食品标签
发酵食品及酱腌制品 过程优化与控制策略 组学与高通量技术 发酵工艺与动力学背景
发酵食品微生物构成了一个多样化的微观生态系统，在食品生产、风味开发和人类健康方面具有巨大的应用潜力。然而，其复杂性、传统培养方法的局限性以及功能分析的难度给研究带来了重大挑战。这些挑战共同限制了我们对潜在机制的理解。
范围与方法
本综述系统阐述了人工智能（AI）在克服这些局限性方面带来的范式转变。我们综合当前研究，详细介绍了人工智能（特别是机器学习和深度学习）在挖掘和解读复杂微生物数据集方面的应用。此外，我们还强调了这些计算方法在发酵食品行业中的变革性应用和潜在挑战。
主要发现与结论
人工智能能够实现高分辨率的微生物注释，并准确预测基因功能和新的代谢途径。此外，它使研究人员能够对驱动食品发酵过程的复杂微生物相互作用进行建模。尽管在数据标准化、模型可解释性和实际应用整合方面仍存在挑战，但人工智能无疑已成为挖掘发酵食品中微生物资源的变革性工具。它将加速下一代发酵剂的发现，并优化发酵过程，以提高效率和一致性。这些进展有望显著改进工业发酵实践，支持更可持续和标准化的食品生产。此外，它还将促进旨在改善人类健康的功能性食品的开发。 -
中科院一区 JCR一区
材料创新与人工智能驱动的果蔬精准保鲜智能包装：应用与未来趋势
2026
Trends in Food Science & Technology
计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 过程控制与实时优化食品标签
水果/蔬菜与菌菇类/植物类 货架期预测与品质劣变动力学 包装设计与机械性能 智能/指示型包装 其他可持续性主题背景
采后果蔬极易因成熟衰老、呼吸代谢和微生物感染而发生品质劣变和腐败。这些问题不仅造成巨大的经济损失，还增加了食源性疾病的风险。尽管传统包装能对腐败因素提供基本的物理防护，但它受限于生物降解性差、功效固定以及可调性不足等问题，无法满足绿色可持续发展和高品质保鲜的多重需求。
范围与方法
为解决这些局限性并超越被动防护，针对采后果蔬生理和病理特性量身定制的智能包装为延长货架期提供了创新解决方案。基于对这些特性的精准理解，智能包装技术通过调控导致品质劣变的关键因素（包括大气失衡、乙烯诱导的成熟、温湿度波动以及微生物增殖）来实现精准保鲜。同时，人工智能（AI）进一步推动了智能包装的设计与应用发展，作为一种强大工具，它加速了从传统试错设计向预测性的计算机模拟材料开发的转变。本综述系统地呈现了当前的研究进展，重点介绍了根据果蔬特性设计包装的策略以及AI的实施路径。此外，综述还全面探讨了推进包装系统发展的设计框架、面临的挑战及潜在的解决办法。
主要发现与结论
智能包装能够根据农产品的特性实现精准保鲜，推动保鲜包装从被动防护向智能感知、动态调控和绿色再生转变。此外，可融入仿生材料、AI技术、供应链监测和生物降解性评估等创新方法，以开发更符合市场需求的新型保鲜包装材料。 -
中科院一区 JCR一区
运动恢复结构-卷积神经网络模型（SfM-CNN）实现了用于饮食回顾的准确便携式中国饮食化学成分估算
2025
Food Chemistry
计算机标签
卷积神经网络 定量预测/回归分析 可见光/RGB/视频数据食品标签
营养与生物功能 理化与结构表征 碳水化合物与糖类准确估算膳食摄入的化学成分对于健康和营养管理至关重要，尤其是在中国这样烹饪多样性复杂的地区。本研究介绍了一种新颖的人工智能驱动解决方案，该方案采用运动恢复结构-卷积神经网络（SfM-CNN）模型来自动分析中餐的化学成分。通过将先进的三维重建技术与深度学习（特别是尺度不变特征变换（SIFT）算法）相结合，我们实现了卓越的特征提取和食物体积估算，误差低于4%。我们的模型在新开发的ChineseDish-100数据集上进行了训练，结果显示，使用SIFT-ResNet50架构估算碳水化合物含量时，决定系数（R²）达到0.949。通过可视化，该模型的可解释性得到增强，这有助于参数优化和可靠的化学成分估算。这些结果凸显了人工智能驱动的模型在提供高效、准确且具有文化相关性的膳食分析工具方面的潜力，标志着在文化多样性地区的营养科学、食品化学和公共卫生举措方面取得了重大进展。
A96 (其他复合食品): 研究对象为“中国膳食 (Chinese dietary)”及“ChineseDish-100”数据集，包含多种烹饪菜肴，属于复合食品/膳食餐点，归为 A96。
B01 (营养成分与功能评价): 核心任务是“膳食化学成分估算 (chemical composition estimation)”和“膳食回顾 (dietary recall)”，属于营养评估。
C12 (计算机视觉): 方法基于 "Structure from Motion" (运动恢复结构) 和图像分析技术，用于3D重建和体积估算，属于计算机视觉。
D13 (糖类与碳水化合物): 摘要特别强调了对 "carbohydrate content" (碳水化合物含量) 的估算 (R2 = 0.949)，归为 D13。
E21 (卷积神经网络 CNN): 使用了 "SfM-CNN" 和 "ResNet50" 架构。
E43 (模型可解释性 XAI): 摘要提及 "interpretability was enhanced through visualizations"，属于可解释性 AI。
F02 (定量预测): 任务是“估算 (estimation)”食物体积和化学成分含量。
G11 (可见光/图像数据): 数据源为食物图像。 -
中科院一区 JCR一区
Umami-Transformer：一种用于鲜味肽高精度预测和实验验证的深度学习框架
2025
Food Chemistry
计算机标签
其他深度学习结构 分类/鉴别/等级评定 组学数据食品标签
其他添加剂与配料 感官科学与消费者研究 数值仿真 蛋白质与氨基酸在食品领域，鲜味肽的识别及其感官评价均受到传统方法效率低下和人工评估主观性的限制。为解决这些问题，研究人员将Transformer架构与8个理化描述符相结合，开发出了Umami-Transformer。该模型的分类准确率达0.965，F1分数为0.903，马修斯相关系数为0.889。研究人员对所有二肽至五肽进行了检测，合成了4种预测得分最高且对接亲和力较强的肽（DD、DDE、DDED和DDEDD）。感官分析和电子舌分析证实，浓度为1 mg/mL的DDE和DDED具有鲜味和咸味，其效果超过了浓度为3 mg/mL的谷氨酸钠。分子对接研究表明，鲜味肽的N端或C端存在天冬氨酸/谷氨酸残基，这会增强它们与鲜味受体的相互作用，从而引发鲜味感知。理论建模与味觉优化的实际应用相结合，可显著节约成本。
-
中科院一区 JCR一区
结合超高压水解和机器学习发现虾头中增咸肽的多维策略
2025
Food Chemistry
计算机标签
智能手机/其他 分类/鉴别/等级评定 组学数据食品标签
甲壳类 副产物与废弃物高值利用 组学与高通量技术 盐替代品与其他代谢敏感因子本研究旨在制定一项综合策略，以探究将超高压（UHP）辅助酶解与机器学习和分子对接相结合的方法是否能有效从南美白对虾虾头中识别出咸味肽（SPs）。超高压处理（400兆帕，30分钟）显著增强了蛋白质水解效果，相比传统方法，产生了更多低分子量肽（<3千道尔顿，占比66.44%）。肽组学鉴定出211种差异表达肽，这些肽富含与咸味相关的疏水性/酸性残基（如天冬氨酸、谷氨酸）。整合两亲伪氨基酸组成（APAAC）和集成分类器（KNN-LR-RF）的机器学习模型在咸味肽识别方面实现了优异的预测性能。分子对接发现5种新型肽（DDL、TVT、DPS、VM、PM）与TMC4受体具有较强的结合亲和力（-5.103至-6.251千卡/摩尔），并通过固相合成和电子舌分析得到了验证。这项研究为虾加工废弃物的增值利用以及通过生物活性肽的发现推动低钠食品原料的开发提供了一种可持续的方法。
特刊 近期征稿
查看全部
CCF-A征稿！ACM Multimedia 2026
ACM多媒体会议，一个致力于推动多媒体领域研究与应用的顶级国际会议。会议汇聚了学术界和业界的顶尖人才，共同探讨视频、触觉、虚拟与增强现实、音频、语音、音乐、传感器及社交数据等领域的前沿发展。ACM多媒体高度重视跨模式的信息整合与交流，鼓励创新方法，这些方法有望带来重大技术突破并带来积极的现实影响。
CFF-B征稿！IEEE International Conference on Multimedia and Expo 2026
自2000年启动以来，ICME一直是由四个IEEE学会赞助的旗舰多媒体会议：电路与系统（CAS）、通信（ComSoc）、计算机（CS）和信号处理（SPS）。它促进了这些研究群体之间多媒体技术、系统和应用的最新进展交流。
会议 内容速览
查看全部
2025.09.18 ~ 2025.09.21
2025 九月青岛 | 多模态食品健康计算论坛—CSIG青年科学家会议
由中国图象图形学学会青年工作委员会发起的2025年度CSIG青年科学家会议将于2025年9月18-21日在青岛银沙滩温德姆至尊酒店举办。本次会议由中国图象图形学学会主办，中国海洋大学、山东大学、中国图象图形学学会青年工作委员会等单位联合承办。王耀南院士、王厚杰教授、董军宇教授、马惠敏教授共同担任大会主席。
2025.08.22 ~ 2025.08.24
2025 八月威海 | 食品计算—ChinaMM
食品科学作为贯穿"从农场到餐桌"的核心纽带，对保障食品安全、维护人类营养健康、满足人类情感享受等方面发挥着不可替代的作用。该领域涉及的数据具有典型的多模态性，包括:来自互联网的菜品图像、烹饪视频等食品消费数据，高光谱成像、CT扫描等产生的食品表观和内部结构影像数据，电子舌/鼻采集的风味和气味数据，以及蛋白质、脂肪等食品营养成分数据，这些多模态数据横跨分子微观结构至宏观表观特性，具有多尺度属性与复杂交互，使得食品构成复杂系统。食品计算通过数据与模型双轮驱动的计算方法，解析食品多态数据的跨尺度复杂关联，推动从食品科学基础研究到营养健康产业应用的数字化智能化转型。当前，以大模型为代表的生成式人工智能技术正在为食品计算的发展注入新动能，在食品科学领域展现出广泛的应用潜力，典型应用场景包括但不限于:智能精准营养、智能食品配方设计、食品加工数字孪生、食品功能性肽段筛选,食品合成代谢路径优化等。为此，承继前三届论坛成果，本届论坛将重点探讨生成式人工智能等前沿技术在食品科学与营养健康领域的创新应用，主要议题包括面向营养健康的大模型、人工智能驱动的功能食品设计、大数据驱动的食品新风味研究、基于高光谱视觉的食品品质检测等。通过分享最新研究进展，推动学科交叉融合与产业创新发展。
