类目筛选（计算机学者）
清除筛选
-
模型类型
-
机器学习/统计学习
-
偏最小二乘法
-
支持向量机
-
随机森林
-
K-近邻
-
梯度提升决策树
-
主成分分析/判别分析
-
逻辑回归/贝叶斯
-
智能手机/其他
-
-
深度学习
-
卷积神经网络
-
循环神经网络
-
目标检测网络
-
图像分割网络
-
生成对抗网络
-
图神经网络
-
序列到序列/编码-解码
-
其他深度学习结构
-
-
大模型与 LLM
-
大语言模型
-
视觉基础模型
-
多模态基础模型
-
知识图谱与 LLM 集成
-
垂直领域微调/指令调优
-
检索增强生成
-
-
模型设计/优化策略
-
迁移学习/领域自适应
-
小样本学习
-
模型可解释性
-
模型轻量化/边缘计算
-
特征工程与选择策略
-
超参优化/自动机器学习
-
强化学习
-
-
-
模型任务
-
分类/鉴别/等级评定
-
定量预测/回归分析
-
缺陷/异物检测与定位
-
过程控制与实时优化
-
知识抽取与语义理解
-
设计/生成与推荐
-
模拟与数字孪生
-
-
模型数据
-
来源
-
可见光/RGB/视频数据
-
高光谱/多光谱光谱
-
红外/拉曼光谱数据
-
时序传感器/物联网数据
-
组学数据
-
质构/流变/感官数据
-
文本/知识库/法规数据
-
多模态/融合数据
-
-
量级
-
小规模数据集
-
中等规模数据集
-
大规模数据集
-
超大规模/工业级数据集
-
公开数据集
-
合成/仿真数据为主
-
-
深度筛选（食品学者）
清除筛选
-
研究对象/基质维度
-
谷物/块根/豆与坚果类
-
小麦
-
玉米
-
大米
-
杂粮
-
马铃薯
-
其他根茎类
-
其他谷物与块根
-
豆类与坚果（及籽类）
-
-
肉类/蛋类与水产品
-
畜肉
-
禽肉
-
鱼肉
-
甲壳类
-
软体与贝类
-
内脏及副产物
-
其他肉与水产品
-
蛋类及其制品
-
-
乳及乳制品
-
液态乳
-
发酵乳/酸奶
-
奶酪
-
乳粉
-
乳清及乳清制品
-
其他乳制品
-
-
水果/蔬菜与菌菇类/植物类
-
新鲜水果
-
新鲜蔬菜
-
果蔬汁/浓缩汁
-
果蔬干/果脯/蔬菜干
-
其他果蔬制品/植物类
-
食用菌菇
-
食用花卉
-
-
油脂及油脂制品
-
植物油
-
动物油脂
-
起酥油/人造脂肪
-
油炸食品
-
其他油脂制品
-
-
饮料
-
果蔬饮料
-
茶/茶饮料
-
咖啡饮料
-
乳饮料
-
功能/运动饮料
-
碳酸饮料
-
酒精饮料
-
其他饮料
-
-
糖、焙烤与糖果制品
-
面包
-
蛋糕/糕点
-
饼干/薄脆制品
-
糖果
-
巧克力及含可可制品
-
其他焙烤与糖果制品
-
蜂蜜等天然糖
-
-
发酵食品及酱腌制品
-
大豆发酵制品
-
蔬菜发酵制品
-
发酵豆制品
-
谷物发酵食品
-
肉类发酵制品
-
水产发酵制品
-
其他酱腌/发酵食品
-
-
复合/即食/餐饮食品
-
方便面及速食米面
-
预制菜/即食菜肴
-
冷冻方便食品
-
罐头菜肴
-
餐饮菜品与团餐
-
其他复合食品
-
-
新资源食材
-
昆虫蛋白
-
微藻及藻类产品
-
单细胞蛋白
-
细胞培养肉
-
其他新资源食材
-
-
食品添加剂与配料
-
碳水化合物配料
-
脂肪/油脂配料
-
蛋白质配料
-
乳化剂/稳定剂/增稠剂
-
甜味剂
-
香精香料
-
酸度调节剂/防腐剂/抗氧化剂
-
营养强化剂
-
其他添加剂与配料
-
-
新材料/包装与接触材料
-
塑料材料
-
纸及纸板
-
金属材料
-
玻璃材料
-
生物基/可降解材料
-
多层复合材料
-
探针与分析传感材料
-
其他材料
-
-
食品加工设备与机械系统
-
热处理设备
-
干燥设备
-
挤压/混合/成型设备
-
分选/分级/检验设备
-
灌装/封口/包装设备与生产线
-
清洗/CIP/卫生相关设备
-
输送/搬运/机器人系统
-
其他加工设备与系统
-
-
-
研究主题/科学问题维度
-
加工与新加工技术
-
传统热加工
-
非热加工技术
-
物理辅助加工
-
3D 打印与结构构筑
-
挤压膨化与共挤技术
-
其他加工技术
-
-
保藏与贮藏
-
冷藏与冷冻保藏
-
干燥保藏
-
改良气调/控气贮藏
-
保鲜涂膜与保鲜剂
-
货架期预测与品质劣变动力学
-
其他保藏技术
-
-
品质、结构与理化性质
-
质构与流变性质
-
颜色与外观品质
-
微观结构与成像
-
氧化、褐变等化学变化
-
其他品质相关性质
-
特征风味
-
-
营养与生物功能
-
基本营养价值评价
-
抗氧化/抗炎等功能
-
血糖、血脂与代谢相关功能
-
肠道健康与微生物相关功能
-
其他生物活性与健康效应
-
-
食品安全与风险评估
-
微生物安全
-
化学污染物
-
加工污染物
-
过敏原与毒性问题
-
暴露评估与风险表征
-
其他安全问题
-
-
包装与智能监测
-
包装设计与机械性能
-
活性包装
-
智能/指示型包装
-
包装系统中的监测与标签应用
-
其他包装相关研究
-
-
可持续性与资源高值化
-
副产物与废弃物高值利用
-
能耗/水耗与环境影响分析
-
生命周期评价与碳足迹
-
循环经济与绿色供应链
-
其他可持续性主题
-
-
感官科学与消费者研究
-
感官评价与方法学
-
消费者偏好与接受度
-
市场细分与消费行为
-
标签、营养声称与信息呈现
-
其他感官与消费者研究
-
-
过程控制与数字化
-
过程监测与在线检测
-
过程优化与控制策略
-
生产管理与数字化工厂
-
其他过程控制与数字化研究
-
-
-
研究方法/证据层级维度
-
理化与结构表征
-
常规理化指标测定
-
质构与流变测试
-
显微与成像技术
-
光谱/色谱/质谱等分析方法
-
其他理化与结构表征
-
-
微生物与发酵实验
-
微生物计数与生长曲线
-
菌种筛选与特性评价
-
发酵工艺与动力学
-
生物膜与耐受性研究
-
其他微生物/发酵方法
-
-
组学与高通量技术
-
基因组学
-
转录组学
-
蛋白质组学
-
代谢组学
-
微生物组/宏基因组学
-
其他组学方法
-
风味组学
-
-
体外模型
-
体外消化模型
-
体外发酵模型
-
细胞模型
-
模拟胃肠/肠道系统
-
其他体外模型
-
-
动物实验/人体试验
-
小动物实验
-
大动物实验
-
人体干预试验
-
观察性人群研究
-
其他体内/人群研究
-
-
统计建模与仿真
-
传统统计分析与回归
-
响应面分析与多因素优化
-
动力学建模
-
数值仿真
-
其他统计建模方法
-
-
问卷/市场与消费者研究
-
问卷设计与实施
-
访谈与质性研究
-
行为实验与选择实验
-
其他消费者研究方法
-
-
标准/法规/数据库分析
-
标准与法规对比分析
-
政策评估与影响分析
-
食品成分/消费数据库分析
-
其他标准法规相关方法
-
-
其他方法
-
专利分析
-
德尔菲法与专家咨询
-
情景分析与情景模拟
-
其他难以归类的方法
-
-
-
关键营养素/成分维度
-
常量营养素（宏量）
-
蛋白质与氨基酸
-
脂质与脂肪酸
-
碳水化合物与糖类
-
-
膳食纤维与抗性淀粉
-
可溶性膳食纤维
-
不溶性膳食纤维
-
抗性淀粉
-
其他膳食纤维类成分
-
-
维生素
-
脂溶性维生素 A/D/E/K
-
维生素 C
-
维生素 B 族
-
其他维生素或前体
-
-
矿物质与微量元素
-
钙
-
铁
-
锌
-
碘/硒等微量元素
-
钠/钾/镁等常量矿物质
-
其他矿物质
-
-
植物化学/生物活性成分
-
多酚与黄酮
-
花青素与类胡萝卜素
-
酚酸类
-
含硫植物化合物
-
其他植物化学物质
-
-
益生菌/益生元/合生元
-
益生菌菌株
-
益生元
-
合生元产品
-
可发酵底物与其他肠道相关成分
-
-
功能性脂类与糖替代品
-
植物甾醇/甾烷醇
-
共轭亚油酸
-
中链脂肪酸
-
糖醇类
-
非营养性甜味剂
-
盐替代品与其他代谢敏感因子
-
-
其他特殊成分
-
咖啡因
-
茶氨酸
-
胆固醇
-
嘌呤
-
其他特殊成分
-
-
标签记录（计算机学者）
清除全部筛选
标签记录（食品学者）
共 276 条结果
-
基于多层级融合策略的紫金蝉茶品质分级
查看原文
2026
Food Control
中科院一区JCR一区
Wencong Liu, Qiaoyi Zhou, Shuen Yang, Feihu Song, Zhenfeng Li, Jiecai Wang, Chunfang Song, & Caijin Ling
计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 多模态/融合数据 红外/拉曼光谱数据食品标签
茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 显微与成像技术紫金蝉茶具有与叶蝉取食程度相关的独特品质特征，但客观分级仍具有挑战性。本研究提出了一种结合计算机视觉和近红外光谱的多层级融合策略，用于紫金蝉茶品质分级。研究共采集 163 个茶样，并根据取食程度划分为三个等级：轻度取食 60 个、中度取食 60 个、重度取食 43 个。研究从计算机视觉系统提取图像特征，并利用 CARS、SPA 和 PCA 等方法处理 NIR 光谱特征，随后构建 AdaBoost、SVM、KNN 和随机森林等分类模型，用于单源数据和不同融合层级的分级。特征级融合中，SVM 最高准确率为 97.20%；决策级融合中，LDA-SVM 图像模型与 PCA-RF 光谱模型组合达到 98.15%；混合融合模型表现最佳，采用 LDA 图像特征和 SPA 筛选光谱变量，准确率达到 98.45%。结果表明，多层级图像-光谱融合可为茶叶品质分级提供准确、无损的方法。
-
苹果响应主要采后真菌病原的比较代谢组特征揭示共有和病原特异性生物标志物
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Youming Shen, Jianyi Zhang, Zhiyi Ji, Feng Tang, Ning Ma, & Yanqing Li
计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 组学数据食品标签
新鲜水果 微生物安全 品质、结构与理化性质 代谢组学 其他特殊成分由链格孢、灰葡萄孢和扩展青霉等病原真菌引起的苹果采后腐烂会造成显著品质损失，并在果品加工过程中产生较为隐蔽的影响。当前主要关注真菌毒素监测的质量控制，无法充分揭示这些感染引起的潜在代谢劣变。由于对果实响应不同病原体的代谢反应认识有限，缺乏病原特异性生物标志物，这削弱了苹果产品的质量与安全控制。本研究建立了这些病原体的感染模型，并采用比较代谢组学方法表征苹果中特异性代谢谱。判别分析表明，每种病原体都会触发不同的代谢重编程。研究在 6 个比较组中共鉴定出 277 种差异代谢物。共有差异代谢物突出显示了乙醛酸和二羧酸代谢、精氨酸生物合成、丙氨酸、天冬氨酸和谷氨酸代谢等核心通路，这些通路参与一般性病原体-果实互作。支持向量机和随机森林等机器学习模型利用这些差异代谢物成功区分感染类型。Larixinic acid、D-gluconate、creatinine 和 dulcitol 等关键判别化合物成为区分病原体、支持未来苹果产品精准质量控制的潜在生物标志物。本研究从比较代谢组学角度揭示了苹果中多种真菌病原的影响，并证明了基于代谢物的机器学习模型用于病原区分的潜力，为苹果加工行业基于代谢组学的质量控制奠定基础。
-
便携式近红外高光谱技术与机器学习融合，实现豌豆蛋白溶解度的同时预测与分类
查看原文
2026
Food Chemistry
中科院一区JCR一区
Jingwen Zhu, Xuchun Zhu, Bingyu Chen, Koris András, Feiyue Ren, Zhaowei Han, Xinmiao Yao, Ye Zhou, & Hongzhi Liu
计算机标签
偏最小二乘法 随机森林 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
豆类与坚果（及籽类） 蛋白质配料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸便携式近红外（NIR）光谱结合多元分析被用于开发豌豆蛋白溶解度的定量和分类模型。最优定量模型（D1-CARS-PLSR）使用了十四个特征波长，在预测集上的决定系数（R P 2）为0.93，预测均方根误差（RMSE P）为0.03。跨年份验证得到的决定系数（R 2）为0.99，平均绝对误差（MAE）为0.01，平均相对误差（MRE）为3.86%。最优分类模型（S-G-D2-UVE-RF）仅需四个特征波长，在预测集上达到100.00%的准确率。所有类别的平均精确率、召回率和 F1 分数均超过 0.90，同时五折交叉验证的准确率为 96.25%，整体跨年度验证的准确率为 91.30%。置换检验结果的平均准确率为 38.60%。本研究实现了豌豆蛋白溶解性快速、无损的分析，为食品质量控制提供了理论基础。
-
利用机器学习算法深入研究低盐川式香肠在茶多酚/β-环糊精/食盐包合物处理和电子束照射下的氧化机制
查看原文
2026
Food Chemistry
中科院一区JCR一区
Ya Liu, Jiuhong Du, Wenyi Ran, Lihui Huang, Wenyue Yu, Huan Guo, Yue Xiao, Yanping Wu, Kai Zhong, Yina Huang, & Hong Gao
计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 质构/流变/感官数据食品标签
畜肉 非热加工技术 保藏与贮藏 货架期预测与品质劣变动力学 氧化、褐变等化学变化 特征风味 抗氧化/抗炎等功能 常规理化指标测定 光谱/色谱/质谱等分析方法 多酚与黄酮 盐替代品与其他代谢敏感因子低盐香肠由于高盐摄入带来的健康风险而越来越受欢迎。在本研究中，探讨了在不同剂量（0、3、6 kGy）电子束照射（EBI）与茶多酚/β-环糊精/氯化钠包合物（ICs）联合处理下，低盐四川风味香肠在室温储存（25℃）期间的质量变化。此外，采用了机器学习算法，SVM和Extra Tree模型的准确率和R²均超过99.9%，突出了关键氧化生物标志物，以建立氧化机制。ICs展现出增强的抗氧化性能，有效抑制了3 kGy EBI加速的香肠过度氧化，从而减少形成异味的氧化产物，同时保留了来自香料、胡椒油和微生物代谢的理想风味化合物。这些发现为利用 ICs 和 3 kGy 电子束辐照 (EBI) 来保存低盐四川风味香肠提供了新的见解，同时提供了关于检测香肠氧化水平的潜在挥发性生物标志物的有价值信息。
-
通过分子感官科学和模拟实验解析储存条件对炸花椒（Zanthoxylum bungeanum Maxim.）油储存过程中异味生成的影响
查看原文
2026
Food Chemistry
中科院一区JCR一区
Tianyu Dong, Shuwei Wang, Panpan Wu, Jie Sun, Haitao Chen, & Shuqi Wang
计算机标签
偏最小二乘法 随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据 质构/流变/感官数据食品标签
植物油 香精香料 保藏与贮藏 货架期预测与品质劣变动力学 氧化、褐变等化学变化 特征风味 光谱/色谱/质谱等分析方法 统计建模与仿真 脂质与脂肪酸 其他植物化学物质作为一种常用的调味品，辣椒油（FPO）为烹饪带来了便利。然而，在储存过程中，它容易产生陈腐的异味。因此，本研究的目的是利用分子感官科学探讨异味化合物的形成途径。在不同储存条件下，采用顶空固相微萃取-气相色谱-质谱联用（HS-SPME-GC-MS）鉴定了92种挥发性化合物。FPO的异味主要来源于醛类和酸类。通过正交偏最小二乘法判别分析（OPLS-DA），确定了24种化合物作为区分不同储存条件下FPO的差异性标志化合物。基于建模实验和同位素追踪，柠檬烯、芳樟醇和亚油酸被确认为异味化合物的主要生成物。随机森林是筛选新鲜和储存FPO的最佳模型。已经确定7种挥发性有机化合物（VOCs）作为影响FPO风味质量的关键因素。这些结果为FPO异味的调控提供了理论指导。
