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 712 条结果
-
生鲜农产品智能冷链物流：关键技术、挑战与未来趋势
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Jiawei Han, Chuanheng Sun, Zengtao Ji & Xinting Yang
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
冷藏与冷冻保藏 循环经济与绿色供应链 过程监测与在线检测 过程优化与控制策略背景：冷链物流（CCL）对于保障新鲜农产品的质量与安全、减少损耗至关重要。然而，传统的冷链物流系统存在环境感知能力弱、响应滞后以及协同效率低等问题。这些不足增加了链条断裂、产品损失和排放增加的风险。因此，迫切需要进行智能化转型，以应对高损耗和高排放的双重挑战。
范围与方法：本综述首先阐述了智能冷链物流概念的演变过程，然后评估了在多维传感、自适应控制和协同管理方面的最新进展。综述综合了一系列具有开创性和代表性的研究，在一个整合框架内描绘了当前的现状、核心挑战和新兴趋势。
主要发现与结论：下一代信息技术（如物联网、人工智能和区块链）推动了闭环式智能农业冷链物流的实现，通过多维传感、自适应调节和协同控制，显著提高了环境控制的精准度、能源效率和碳排放管理水平。目前仍存在诸多关键挑战，包括传感器在恶劣条件下出现漂移、多源数据融合及实时分析困难、模型对变化的适应性较差，以及区块链成本高昂且存在隐私问题等。克服这些挑战需要强大的多模态传感技术、有效的协同框架以推动绿色转型，以及具有标准化执行接口的数字孪生平台，从而增强韧性、减少产品损失并优化能源使用。 -
食品安全纳米传感器最新进展：原理、应用与未来展望
查看原文
2026
Food Control
中科院一区JCR一区
Sujia Jiao, Ting Zhang, Jiawei Liu, Yu Han, Qingchun Yin, Jing Wei, & Long Wu
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 时序传感器/物联网数据 文本/知识库/法规数据食品标签
复合/即食/餐饮食品 食品安全与风险评估 品质、结构与理化性质 标准/法规/数据库分析为克服传统食品安全检测的局限，需要快速、灵敏且便携的分析创新。纳米传感器利用纳米材料特有的物理化学性质，在病原体和污染物检测中展现出强大潜力。本文概述了纳米传感技术的最新进展，涵盖材料设计及其在多类食品安全指标监测中的应用，并重点讨论了纳米传感与人工智能、物联网和芯片实验室等新兴技术的融合。然而，本文也指出，纳米传感器从实验室走向复杂食品基质的实际应用仍受到显著信号干扰和功能化纳米材料长期稳定性不足的限制。尽管这些智能平台具备实时决策潜力，但也带来了数据可靠性、标准化和监管接受度方面的新复杂性。通过将当前传感器性能与全球安全标准进行比较，本文强调未来发展应优先构建稳健、低成本、可持续的传感平台，并在真实食品加工条件下进行严格验证。
-
低温真空油炸对扇贝品质的影响及基于机器学习的品质预测模型构建
查看原文
2026
Food Control
中科院一区JCR一区
Haiyou Dong, Songyi Lin, Xiuping Dong, Bo Liu, Hongyan Wang, & Simin Zhang
计算机标签
机器学习/统计学习 定量预测/回归分析 红外/拉曼光谱数据 时序传感器/物联网数据食品标签
复合/即食/餐饮食品 氧化、褐变等化学变化 特征风味 光谱/色谱/质谱等分析方法 常规理化指标测定 其他植物化学物质高温油炸会导致水产食品营养损失、品质下降和氧化，而低温真空油炸可提供更温和的替代方式。本研究比较了真空油炸、深度油炸和空气炸制对扇贝闭壳肌品质的影响，并进一步构建机器学习模型预测真空油炸扇贝贮藏过程中的品质变化。在相同含水量条件下，真空油炸组蛋白质含量提高、脂肪含量降低，脂质和蛋白氧化水平也低于其他油炸处理。研究还利用 GC-IMS、电子鼻和感官评价分析挥发物与气味变化。随后以 TVB-N 为输出构建了两个基于多层感知机的品质预测模型：模型 1 以贮藏温度和时间为输入，模型 2 以电子鼻传感器响应为输入。各贮藏点数据经重复测定并划分训练和验证组。模型 1 的 R2 为 0.9975，MAPE 为 2.8327%，MSE 为 0.1950，MAE 为 0.2817；模型 2 的 R2 为 0.9939，MAPE 为 5.3535%，MSE 为 0.5064，预测误差较低。结果支持真空油炸作为保持扇贝品质的加工方式，并表明贮藏变量和电子鼻信号可用于预测扇贝鲜度。
-
人工智能驱动的食品系统个性化：从精准营养到气候适应型供应链
查看原文
2026
npj Science of Food
中科院一区JCR一区
Li Zheng, Anhui Ren, Yue San, Yuejiao Xing, Hongjuan Teng, Zhongjiang Wang, & Joe M. Regenstein
计算机标签
机器学习/统计学习 设计/生成与推荐 多模态/融合数据 公开数据集食品标签
营养与生物功能 循环经济与绿色供应链 标准/法规/数据库分析传统的大规模生产和标准化干预无法应对由个体代谢差异、气候变化和供应链中断带来的风险。本文回顾了人工智能（AI）技术如何通过跨尺度数据整合和算法优化，协同增强精准营养干预和气候弹性供应链的韧性，打破了传统上将营养科学与供应链管理分离的碎片化分析方法。同时，本文推动建立跨部门治理机制，以促进人工智能技术进步与环境可持续性和粮食安全之间的良性循环，从而积极影响食品系统的可持续和安全发展。以Web of Science、Scopus和PubMed作为主要数据库，重点检索人工智能在精准营养或气候韧性供应链中的应用。优先考虑同时涉及"数据整合"、"算法优化"和"应用效果评估"的研究。在精准营养方面，人工智能利用多组学和实时数据制定个性化膳食（例如预测血糖）。在供应链方面，人工智能驱动的气候建模、动态物流和循环技术应减少浪费并提高韧性。新加坡的垂直农业和IBM的食品信任项目等案例显示了人工智能的潜力，但数据孤岛、算法偏差和技术空白阻碍了其应用。未来，需要开发可解释的人工智能工具，并建立跨学科的数据共享平台。通过使用政策协同方法，应制定和推广激励措施，以优化营养与气候之间的关系，从而推动食品系统朝着高度个性化和适应性方向发展。
-
新一代营养：创新的 AI 定制浓缩成分
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Jerina Rugji, Zeki Erol, Ambreen Hamadani, Migena Gjoni Gündemir, Fulya Taşçı, & Laura Musa
计算机标签
机器学习/统计学习 定量预测/回归分析食品标签
液态乳 乳清及乳清制品 微藻及藻类产品 昆虫蛋白 加工与新加工技术 营养与生物功能背景：对营养密集型和个性化食品的需求日益增长，加速了从多种生物来源提取浓缩营养成分的研究。乳制品流、植物蛋白、藻类、真菌、海藻和可食用昆虫为通过先进的分离和发酵工艺提取高价值化合物提供了丰富的机会。微滤、超滤、纳滤和精密发酵等技术已经将传统的食品加工转变为能够生产具有生物活性、功能性和可持续性的成分的系统。然而，优化这些复杂的生物工艺需要能够管理大型数据集并预测多因素结果的工具。在这种背景下，人工智能（AI）和机器学习（ML）正日益成为强大的推动力，能够设计、建模并控制加工参数，从而提高产量、稳定性和营养物质的生物利用率。范围与方法：本综述综合了从传统（乳制品及副产品）和新型（植物、真菌和昆虫）来源开发浓缩营养成分的最新进展。它还探讨了人工智能和机器学习技术如何优化相关的生物加工过程，包括膜分离、生物工程和精准发酵，以提高效率、可持续性和个性化水平。主要发现与结论：浓缩营养是实现现代食品系统精准化和可持续化的重要一步。人工智能驱动的生物工艺优化能够实现基于数据的营养提取、功能性和配方控制，弥合生物潜力与定制人类营养之间的差距。尽管取得了有希望的进展，但在模型透明度、消费者接受度、监管框架以及人工智能辅助生产的可扩展性方面仍然存在挑战。未来的进展将依赖于可互操作数据系统、伦理框架的发展以及跨学科合作，以在未来十年将生物资源转化为智能营养系统。
