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
-
传统实践与现代技术的融合：推进发酵食品中微生物资源与过程的理解与应用
查看原文
2025
Trends in Food Science and Technology
中科院一区JCR一区
Yuli Zhang, Xue Zhu, Nan Wang, Xin Liu, Li Wang & Kang Ning
计算机标签
定量预测/回归分析 模拟与数字孪生 时序传感器/物联网数据 组学数据食品标签
发酵食品及酱腌制品 过程控制与数字化 组学与高通量技术 发酵工艺与动力学背景：发酵食品根植于各类文化传承，凭借独特风味与健康功效，在全球饮食体系中占据重要地位。但目前学界对发酵过程中的微生物动态变化及发酵工艺优化机制的深层研究仍较为匮乏。新兴组学技术与数字孪生技术为微生物实时监测、生产效率提升开辟了创新路径。因此，融合传统手段与现代技术，能够深化对发酵食品内在作用机理的认知，助力新型发酵产品研发，同时保障产品品质稳定。
研究范围与方法：本文综述探讨组学技术与数字孪生技术在发酵科学领域的变革性作用，重点围绕三方面展开：（1）依托先进组学技术，梳理传统微生物认知到新型菌种发掘与整合的发展脉络；（2）多组学技术在整合发酵食品微生物资源方面的应用价值；（3）数字孪生技术的发展历程，及其在微生物时序预测、工艺调控优化中的实践应用。
核心研究结果与结论：本文结合传统经验与现代创新技术，阐明定制化、健康导向型发酵食品的开发潜力，并提出依托交叉学科研究深化机理研究、推进技术落地的未来研究方向。传统发酵工艺与前沿技术的有机融合，为发酵食品领域的科研探索与产业实践协同发展提供了可持续发展路径。 -
机器学习驱动的从浮萍科（Lemnaceae）蛋白水解物中发现生物活性肽：鉴定并实验验证20种新型抗高血压、抗糖尿病和/或抗氧化肽
查看原文
2025
Food Chemistry
中科院一区JCR一区
Aurore Cournoyer, Marie-Ève Bernier, Hairati Aboubacar, Juan de Toro-Martín, Marie-Claude Vohl, Rozenn Ravallec, Benoit Cudennec & Laurent Bazinet
计算机标签
机器学习/统计学习 偏最小二乘法 分类/鉴别/等级评定 组学数据食品标签
其他添加剂与配料 抗氧化/抗炎等功能 其他生物活性与健康效应 蛋白质与氨基酸浮萍是一种可持续且富含蛋白质的水生植物，最近被认为是生物活性肽的有前景来源。然而，在如此复杂的混合物中，鉴定它们仍然有限且具有挑战性。在用胃蛋白酶、壶液蛋白酶、胰蛋白酶和帕潘水解浮萍后，经过离心步骤产生两个组分：上清液（DS）和颗粒（DP），有趣的半最大抑制浓度（IC50）对二肽基肽酶（DPP）-IV和血管紧张素转换酶（ACE）抑制作用，尤其是在胃蛋白酶（IC）中，得到了抑制。50= 0.7 mg/mL 和 0.07 mg/mL）。利用偏最小二乘判别分析（PLS-DA）结合定量结构-活性关系（QSAR）模型，推出了五种新的DPP-IV抑制剂（最活跃的：API、IC50= 126.88 μM），十一种新型ACE抑制剂（最活跃：FAR，IC50= 13.54 μM）以及四种新的抗氧化剂（>200 μM）被鉴定出来。三个测试生物活性均有两个序列活跃，揭示了有前景的多靶肽。这些发现凸显了浮萍衍生肽支持健康和代谢平衡的潜力。
-
基于近红外光谱结合高斯过程回归的玉米种子发芽快速检测
查看原文
2025
Food Chemistry
中科院一区JCR一区
Han Xiao, Zhengguang Chen & Jingming Liu
计算机标签
智能手机/其他 定量预测/回归分析 红外/拉曼光谱数据食品标签
玉米 品质、结构与理化性质 光谱/色谱/质谱等分析方法玉米种子的发芽率是确保高质量播种和适合食品加工的关键指标。为解决传统发芽试验的局限性，研究人员开发了一种基于近红外（NIR）光谱结合高斯过程回归（GPR）的快速且无损的评估方法。研究应用了多种光谱数据预处理技术，并构建了一个融合高斯核函数和线性核函数的混合核函数。采用粒子群优化（PSO）算法对核参数进行优化。PSO-GPR模型表现优异，训练集和验证集的决定系数（R²）分别为1.000和0.9899，均方根误差（RMSE）分别为0.0059和0.0033，残差预测偏差（RPD）达到9.3，性能优于偏最小二乘回归（PLSR）和支持向量机（SVM）模型。本研究为作物种子质量的无损评估提供了一种新策略，并为智慧农业实践的发展做出了贡献。
-
基于傅里叶变换红外光谱，在硒富集克菲尔颗粒中实现绿色且快速定量检测硒
查看原文
2025
Food Chemistry
中科院一区JCR一区
Menghui Li, Dan Shi, Yifan Cheng, Qilei Dang, Wenhui Liu, Zhouli Wang, Yahong Yuan & Tianli Yue
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据食品标签
其他添加剂与配料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 碘/硒等微量元素开菲尔粒中总硒与有机硒含量的快速监测，对微生物筛选及富硒食品开发具有重要意义。首先，采用衰减全反射傅里叶变换红外光谱仪获取富硒开菲尔粒的光谱信息；其次，对比四种变量筛选方法分别结合三种机器学习算法所构建定量预测模型的性能。在总硒含量预测中，竞争性自适应重加权采样-最小二乘支持向量机模型效果最优，其预测集相关系数与相对分析误差分别为0.97和4.36。在有机硒含量预测中，IRF-LSSVM模型的预测集相关系数为0.95、相对分析误差为6.44。该方法可实现富硒开菲尔粒中总硒与有机硒含量的科学化、快速化（1分钟内）、绿色化检测。
-
利用近红外光谱和化学计量学快速评估面包小麦的粉质图和拉伸图特性
查看原文
2025
Food Research International
中科院一区JCR一区
Zihui Zhao, Lei Li, Wenduan Li, Yuanyuan Tian, Yan Zhang, Yong Zhang, Maria Itria Ibba, Zhonghu He, Yuanfeng Hao & Wenfei Tian
计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
小麦 品质、结构与理化性质 质构与流变测试 光谱/色谱/质谱等分析方法面包小麦在全球粮食安全和加工中扮演着至关重要的角色。理解面团的流变特性对于食品工业和小麦育种计划中选择高品质品种至关重要。粉质图和拉伸图等传统测试方法虽然重要，但劳动密集，不适合高通量筛选。近红外光谱是一种快速且经济有效的谷物质量评估替代方法。本研究旨在利用1082个代表性样本数据集，开发小麦面团关键流变特性的校准模型。研究采用了多种光谱预处理、变量选择和回归算法进行模型校准。针对粉质图吸水率的偏最小二乘回归模型表现出强大的预测能力（R2C = 0.92, R2V = 0.90, RPD = 3.20），而对其他特性进行定性分析的准确率高达80.23%至94.27%。所开发的近红外模型为食品加工和小麦育种中的小麦质量评估提供了一种高效方法。
