论文 最新收录

• 中科院一区 JCR一区

  水果中的蓝色远不止一种颜色

  2026

  Advanced Functional Materials

  Minyi Fan, Xiaogang Dong, & Xuwei Liu

  食品标签

  新鲜水果 颜色与外观品质 花青素与类胡萝卜素

  计算机标签

  机器学习/统计学习 深度学习

  水果的蓝色外观不仅可以通过吸引动物促进种子传播，也会给消费者留下深刻印象。这种颜色既可能源于花青素等色素，也可能来自纳米尺度结构与光相互作用所产生的结构色。结构色所具有的内在光学机制，为传统色素着色提供了一种稳定且可持续的替代方案，并将生物启发与材料创新联系起来。目前，结构色已逐渐在食品、智能传感、化妆品和功能材料等领域展现出独特潜力。本文系统概述蓝色水果的类型和来源，分别阐明色素蓝与结构蓝的显色机制，并总结相关显色成分、结构特征的现有应用以及人工智能辅助颜色调控的近期进展。作为新一代着色策略，结构色兼具稳定性、可调控性和可持续性，为设计环境友好型智能颜色系统提供了有前景的途径。此外，将人工智能辅助设计与仿生纳米结构工程相结合，有望加快先进光学材料的开发。结构色独特的光学多功能性预计将推动传感、功能材料和生物相关应用领域的进一步创新。

• 中科院一区 JCR一区

  以人为本的创新：精准营养与食品的未来

  2026

  Advanced Science

  Shanshan Zhang, Yonggan Sun, Jiaqi Jiang, & Shaoping Nie

  食品标签

  营养与生物功能

  计算机标签

  机器学习/统计学习 定量预测/回归分析 多模态/融合数据 组学数据

  营养科学正在由“一刀切”的普遍性建议转向更加精准和个性化的方法，但其具体实施路径仍不清晰。本文提出一个以人为本的精准营养框架，强调人工智能（AI）、食品创新和人的能动性所发挥的核心作用。通过整合临床表型、多组学、生活方式和个人情境等多维数据，人工智能可以评估个体健康状态，识别“需要调节什么”；还可依据个体的基线特征预测其饮食反应，判断“应当补充什么”，从而支持更精准的膳食预测和建议。然而，人是动态的社会性个体，精准营养还必须考虑习惯、时间、经济条件、情绪和日常作息等现实约束。因此，膳食建议需要转化为多种可行选项，使个人能够自主决定“如何补充”。作为干预措施的重要载体，食品材料既可包括完整食品和天然原料，也可包括功能性提取物、益生菌以及经过合理设计的功能成分。技术创新还可将这些材料转化为更符合日常生活需求的多样化递送形式和服务模式。未来，精准营养应坚持以人为本的设计理念，把科学和技术进步转化为实用、可及且可持续的膳食策略，使其真正融入日常生活。

• 热门检索标签

  可见光/RGB/视频数据 模型可解释性 特征工程与选择策略 卷积神经网络 支持向量机 随机森林 咖啡因 蛋白质与氨基酸 化学污染物 茶/茶饮料 酒精饮料 植物油 新鲜水果 畜肉 鱼肉 碳水化合物配料 小麦 机器学习/统计学习 深度学习 大模型与 LLM 保藏与贮藏 模型类型

  查看全部
• 中科院一区 JCR一区

  普遍的智能优化促进可持续食品冷链物流：研究进展、挑战与未来趋势

  2026

  Trends in Food Science & Technology

  Qian Chen, Junyi Wang, Jiali Li, Zhouqiao Ren, Zihan Liu, Yan Wei, Wei Ma, Jiabin Yu, & Jianping Qian

  食品标签

  冷藏与冷冻保藏 可持续性与资源高值化 过程优化与控制策略

  计算机标签

  机器学习/统计学习 过程控制与实时优化 多模态/融合数据 时序传感器/物联网数据

  背景：食品冷链物流（FCCL）在流通过程中保持低温条件，从而减少食品损失。然而，FCCL 需要大量消耗能源、制冷剂和其他资源，导致大量温室气体排放。因此，FCCL 在各个视角和层面上面临多重可持续目标（如食品质量、经济效率和环境影响）之间的复杂且普遍的冲突。协调混合目标和调和冲突决策对于确保FCCL的可持续性至关重要。范围与方法：本研究建立了FCCL可持续性的绩效评价标准，从多个角度识别主要冲突：基础制冷机制、微观层面的低温流通、中观层面的供应操作以及宏观层面的产业政策。回顾了智能优化在不同视角下的最新进展；进一步分析和总结了当前的挑战和未来趋势。主要发现和结论：随着FCCL向工业4.0时代的过渡，其正在进行数字化和可持续转型，智能决策工具在以可持续性为驱动的优化中发挥着关键作用。智能优化方法越来越多地应对现实冷链动态的复杂性，关注多阶段、多主体和多区域的交互，同时提高准确性、时效性和泛化能力。在不同的应用场景下，优化的侧重点有所不同：制冷系统设计强调灵活性、稳定性和低碳排放；环境控制优先考虑精度、效率和连续性；运营管理注重产品安全和利益相关者的收益；产业发展则突出区域适应性和环境保护。未来，多模态信息融合、需求驱动的供应协调以及时空资源匹配方面的突破，有望通过多智能体协作框架整合数字孪生和垂直大模型，推动FCCL的可持续自优化发展。这篇综述不仅推进了对FCCL中可持续性冲突和智能优化机制的理论理解，同时还为行业利益相关者和政策制定者提供了可操作的指导，以支持数据驱动、低碳和可扩展的冷链转型。

• 中科院一区 JCR一区

  人工智能和机器学习在精准营养中的应用

  2026

  Nature Communications

  Paraskevi Massara, Jonathan Kirkland, Ioanna Pagani, Samantha L. Huey, Haym Hirsh, Daniel McDonald, Lucas Patel, Julia L. Finkelstein, Marie Gantz, Fei Wang, David Erickson, Martin T. Wells, Olivier Elemento, Rob Knight, & Saurabh Mehta

  食品标签

  营养与生物功能

  计算机标签

  机器学习/统计学习 模型可解释性 定量预测/回归分析 多模态/融合数据 组学数据

  精准营养与健康方法的一个关键特征，是利用大型生物样本库和队列提供的多模态数据，根据个体差异定制干预措施。人工智能（AI）和机器学习（ML）模型为复杂数据建模带来了新的可能，但其应用仍受到数据质量、可解释性、验证和因果推断等问题的限制。本文以观点文章的形式综合介绍精准营养领域现有的AI/ML方法，阐释这些方法与多组学及营养数据独特性质之间的关系；此类数据往往具有组成性、间歇性、情境依赖性和易受误差影响等特点。文章进一步提出营养学领域的专门性最佳实践，以促进人工智能在研究与实践中的稳健、可解释且具有临床可操作性的整合应用。

• 中科院一区 JCR一区

  食品宏基因组学与多组学及人工智能的整合：功能洞察、微生物组工程与可持续食品保存的预测性生物加工

  2026

  Trends in Food Science & Technology

  Atif Khurshid Wani, Showkeen Muzamil Bashir, Noureddine Elboughdiri, Karim Kriaa, Chemseddine Maatki, Bilel Hadrich, Jaskaran Singh, & Reena Singh

  食品标签

  保藏与贮藏 肠道健康与微生物相关功能 基因组学 微生物组/宏基因组学

  计算机标签

  机器学习/统计学习 定量预测/回归分析 组学数据

  背景：宏基因组学的进展已经彻底改变了对食品相关微生物群的理解，揭示了它们在发酵、腐败和保存过程中的分类多样性和功能能力。基因组解析的宏基因组学和多组学整合现在能够实现复杂微生物生态系统的功能重建，发现新的代谢途径、抗菌生物合成基因簇和应激适应性特征。微生物组工程和合成共生体设计正逐渐成为可持续的生物控制策略，可以减少对化学防腐剂的依赖并促进食品系统的生态平衡。范畴和方法：本综述综合了宏基因组探索和多组学整合的最新进展，以描绘食品生态系统中的微生物动态。它考察了元基因组组装基因组（MAGs）、功能注释和混合长读测序如何增强对微生物演替、腐败机制和发酵过程的理解。该综述还强调了合成微生物群落、基于CRISPR的调控以及人工智能驱动的数字孪生作为精准发酵和预测性食品生物加工的变革性工具的兴起。主要发现和结论：元基因组和多组学技术通过将微生物功能与生态系统表现联系起来，正在重新定义食品生物控制。基因组挖掘揭示了大量具有天然防护潜力的细菌素、内溶菌酶和群体感应抑制酶库。整合组学提供了微生物相互作用的系统级视角，使得预测性、适应性和循环型生物加工成为可能。因此，微生物组工程作为一种可行的、生态高效的合成添加剂替代方案应运而生，推动从经验发酵向智能、微生物组定制的食品系统过渡。组学、合成生物学与人工智能的融合标志着智能、可持续和精准引导的食品保存新时代的到来。