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 2456 条结果
-
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。
-
用于食品质量检测的微流控传感器：近期综述
查看原文
2026
Food Control
中科院一区JCR一区
S.R. Priyadharshini, S. Sujith, Pattapu Divya, & C.K. Sunil
计算机标签
智能手机/其他 小样本学习 分类/鉴别/等级评定 可见光/RGB/视频数据 时序传感器/物联网数据食品标签
生物基/可降解材料 化学污染物 过敏原与毒性问题 标准/法规/数据库分析 其他特殊成分食品污染物的快速、准确和现场检测对食品质量与安全至关重要，而传统方法通常复杂、昂贵且耗时。本文综述了用于食品质量检测的微流控传感器近期进展。文章介绍了微流控系统如何将样品制备、反应、检测和分析集成到紧凑的芯片实验室平台中，从而以较小样品体积实现快速响应。综述涵盖光学、电化学、压电、磁性、磁弹性、质量型、智能手机集成和纸基微流控传感器，并讨论其原理、材料、检测灵敏度和实际应用。目标分析物包括食源性病原体、毒素、过敏原、农药、重金属、掺假物和其他化学残留。近期进展包括纳米材料集成检测、智能手机摄像头或应用读数、多重检测、基于人工智能和机器学习的分析、云端或物联网连接，以及可降解纸基器件。文章同时指出真实食品基质干扰、标准化与重复性、传感器和试剂稳定性、规模化制造、材料可持续性和商业转化等主要挑战。综述认为，智能、可持续和物联网赋能的微流控平台可支持加工、零售和供应链场景中的分散式快速可靠食品安全监测。
-
单细胞拉曼光谱-机器学习结合：嗜酸乳杆菌亚种乳酸双歧杆菌J12的快速精准株级鉴定
查看原文
2026
Food Microbiology
中科院一区JCR一区
Yixuan Jiang, Yu Deng, Bing Feng, Hongxing Zhang, Yuanhong Xie, Jingyu Gao, Xiaodong Song, & Junhua Jin
计算机标签
支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据 组学数据食品标签
发酵乳/酸奶 品质、结构与理化性质 光谱/色谱/质谱等分析方法 菌种筛选与特性评价 益生菌/益生元/合生元快速且准确地进行动物双歧杆菌的菌株级别鉴定，对于食品行业的益生菌质量控制和知识产权保护至关重要。本研究通过将单细胞拉曼光谱（SCRS）与机器学习（ML）算法相结合，建立了一种针对动物双歧杆菌亚种乳双歧杆菌 J12 的新型鉴定方法。分别收集了五株乳双歧杆菌亚种和七株异源乳酸菌的每株500-1000个有效单细胞拉曼光谱。SCRS 数据经过 t 分布随机邻域嵌入（t-SNE）、线性判别分析（LDA）和支持向量机（SVM）算法处理和优化。结果显示，处于停滞期的细胞表现出最明显的化学指纹，使得SVM模型能够以超过99%的准确率在五种目标菌株中识别J12。建立的方法显示出较高的稳健性：冻干细菌粉末的分类准确率和召回率均超过99.8%；人工混合样品中菌株的预测比例与理论值高度一致，平均绝对误差（MAE）小于0.5%，相关系数（R²）大于0.998；从商业酸奶中分离的J12的识别准确率仍高于99%。比较基因组学分析证实，J12独特的拉曼表型特征与其特定的基因组特征相关，从而在基因水平上验证了该方法的可靠性。这种无标记且无需纯培养的SCRS-ML方法为益生菌行业提供了一种快速且高精度的菌株特异性鉴定工具，并填补了高同源性B. animalis菌株快速检测的技术空白。
-
利用机器学习支持的代谢组学通过UHPLC-Q-TOF-MS/MS和SHAP解释对金银花进行地理来源鉴定
查看原文
2026
Food Chemistry
中科院一区JCR一区
Qing Xue, Bingjie Zhu, Zheng Li, Yu Tang, & Yi Wang
计算机标签
梯度提升决策树 模型可解释性 分类/鉴别/等级评定 组学数据 中等规模数据集食品标签
其他果蔬制品/植物类 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 代谢组学地理可追溯性对于确保食品和药用植物的真实性和质量至关重要。忍冬（Lonicera japonica Thunb.，金银花，JYH）因其药理和营养价值被广泛消费，但其质量高度依赖产地且容易被掺假。在本研究中，我们将基于超高效液相色谱-四极杆飞行时间串联质谱（UHPLC-Q-TOF-MS/MS）的代谢组学与机器学习相结合，实现对来自八个产地的JYH的精确鉴定。通过分子网络进行的代谢组分析对156个分析样品进行了特征描述，并注释了136种代谢物。在测试的13个模型中，CatBoost表现最佳（AUC = 0.99）。Shapley加性解释（SHAP）分析实现了分类特征的全局和局部解释。精炼的多标记物筛选鉴定出七种关键的判别标记化合物，保持了高准确性（0.87，AUC = 0.99），并显示出明显的来源相关丰度模式。这个可转移且可解释的工作流程为决明子溯源和质量控制提供了稳健的解决方案，并为其他药食同源产品的真实性验证提供了可借鉴的模式。
-
新鲜农产品青霉腐烂的无损诊断和早期预警系统：新兴技术综述
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Wenpeng Ma, Te Ma, Dongchao Ji, & Satoru Tsuchikawa
计算机标签
深度学习 模型可解释性 缺陷/异物检测与定位 多模态/融合数据 高光谱/多光谱光谱食品标签
新鲜水果 新鲜蔬菜 货架期预测与品质劣变动力学 过程监测与在线检测 光谱/色谱/质谱等分析方法 显微与成像技术背景：由青霉菌引起的收获后腐烂是全球粮食安全的主要威胁，对易腐作物造成了巨大的损失。传统的检测方法（人工检查、微生物培养、分子检测）具有主观性、耗时或破坏性，无法满足工业对快速、无损和在线监测的需求。传感器微型化、计算能力和深度学习的最新进展，使得无损检测（NDT）从单一缺陷识别发展为自适应学习的多模态感知系统。范围与方法：本综述系统地审查了食品供应链中用于早期青霉菌诊断的新兴无损检测技术。基于视觉/光学的方法（可见光-近红外光谱、超光谱/多光谱成像、结构光照明）与嗅觉传感（电子鼻、光学阵列传感器、指示气体监测）以及补充的物理方式（软X射线、电学特性、声学）一起进行了分析。综述跟踪了从实验室验证到工业应用的技术演变，强调了机械机理理解、算法创新和多模态融合策略。主要发现和结论：三类技术群已出现：（1）通过关键波段选择和结构光照明实现工程收敛的视觉/光学；（2）提供症状前优势但需解决漂移和跨域迁移问题的嗅觉/气体传感；（3）提供互补内部证据的物理/结构方式。定量证据表明，感染相关的变化最早可在接种后24小时被识别，报告的分类性能通常超过90%。关键的缺口包括早期阶段的标准化注释、跨批次验证以及可解释的机制建模。未来的工业应用需要一个协调的"传感-算法-工艺"框架，从高光谱验证过渡到可部署的多光谱/结构光系统，并建立分层的"预警-定位-复核"架构，以实现坚固、可追溯的青霉菌预警系统。
