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
-
一种用于果蔬品质预测的通用科学机器学习框架
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Xuezhen Guo, Charlotte J. Harbers, Hannelore E.J.M. Heuer, Qianxixi Min, Ying Liu, Ernst J. Woltering, Leo F.M. Marcelis, & Ruud G.M. van der Sman
计算机标签
深度学习 智能手机/其他 定量预测/回归分析 小规模数据集食品标签
新鲜蔬菜 品质、结构与理化性质 保藏与贮藏准确预测果蔬采后品质是供应链管理和消费者满意度中的关键挑战。传统知识驱动动力学模型具有良好可解释性，但通常难以纳入多样的预贮藏和环境因素，尤其不便于缺乏动力学建模经验的用户使用。相比之下，纯数据驱动方法（如神经网络）需要大量数据，且难以利用领域知识提升数据效率。本研究提出一种科学机器学习（SciML）概念框架，将领域知识与数据驱动神经网络相结合，为果蔬品质预测提供混合建模方法。框架中包含一棵决策树，可根据数据集特征、先验知识可用性和预测目标指导模型选择。作为概念验证，研究首先使用合成生成的品质衰减数据开展实验，证明将动力学知识直接嵌入神经网络可提升预测准确性和时间外推能力。随后，一个预测温室番茄整体视觉品质的真实案例进一步证实了知识-数据混合整合的优势。总体而言，本研究表明 SciML 提供了兼顾数据驱动灵活性和知识驱动可解释性的第三类建模选择。SciML 并非用于替代传统方法，而是丰富研究人员和实践者用于果蔬品质建模以及更广泛食品品质预测的工具箱。选择和应用合适的 SciML 模型仍需人类判断，以在有限数据下的预测准确性、知识嵌入带来的外推能力、计算效率和可解释性之间取得有效平衡。
-
碳量子点增强型刺激响应水凝胶用于智能食品包装：传感、保鲜及 AI 赋能的预测式品质管理
查看原文
2026
Food Packaging and Shelf Life
中科院一区JCR一区
Mingna Li, Yanlin Du, Juan Zhao, Yongli Jiang, Yifeng Zhang & Junjie Yi
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
新材料/包装与接触材料 智能/指示型包装全球日益严峻的食品安全与食物浪费问题迫切需要创新型包装解决方案。碳量子点增强型刺激响应水凝胶（CQDs/水凝胶）是一类新兴材料体系，旨在克服传统水凝胶机械强度不足、刺激响应缓慢等局限。本文综述性地探讨了该纳米复合材料的构建策略、增强机制及其应用，详细阐述了通过自上而下/自下而上方法合成并经功能化设计的碳量子点，既可作为纳米增强剂，又可作为传感单元，赋予水凝胶对pH、挥发性胺类及酶的敏感性；全面评价了其在实时新鲜度监测、通过协同抗菌/抗氧化作用实现主动保鲜、以及生物活性物质智能控释等核心应用；进一步探讨了其与人工智能（AI）和物联网（IoT）的初步融合，指出其在预测式品质管理方面的潜力，同时指出目前仍以概念验证为主。然而，其商业化仍面临关键瓶颈，包括实际环境下的长期稳定性问题、复杂食品基质中响应特异性不足、碳量子点迁移带来的安全性与监管问题尚未解决，以及生产成本较高。未来发展有赖于开发全生物基及可降解复合材料、设计多刺激响应系统，并加强跨学科合作，以弥合实验室创新与全球食品供应链中实际、可持续应用之间的差距。
-
碰伤诱导成熟过程中猕猴桃的理化、微观结构及可见/近红外光学特性
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Youhua Bu, Shuai Li, Mingzhuang Lin, Chengxu Gong, Rui Wang, & Wenchuan Guo
计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
新鲜水果 颜色与外观品质 微观结构与成像 光谱/色谱/质谱等分析方法 显微与成像技术 碳水化合物与糖类为揭示机械碰伤对猕猴桃采后成熟过程中品质劣变和光学特性的影响，本研究分析了三种不同果肉类型猕猴桃碰伤后的理化指标、微观结构和光学特性变化。结果表明，碰伤猕猴桃在后熟过程中颜色变化和软化速率加快，pH 和可溶性固形物含量升高，水分含量和硬度下降。扫描电子显微镜观察显示，健康果肉组织致密且细胞完整，而碰伤导致细胞塌陷、细胞壁破裂和细胞间隙扩大。计算机断层成像分析还显示，碰伤组织孔隙率增加，平均体素灰度值下降。光学特性分析表明，吸收系数和约化散射系数均随成熟降低。其中，吸收系数在 680 nm 和 970 nm 对碰伤高度敏感，而约化散射系数在近红外区域对组织水分和结构变化响应强烈。相关性分析表明，吸收系数与 pH 和 SSC 正相关，与硬度和水分含量负相关；约化散射系数则与硬度和水分含量正相关。基于光学特性的偏最小二乘判别分析（PLS-DA）模型在三种品种中识别碰伤猕猴桃的准确率超过 80%。本研究揭示了猕猴桃后熟过程中光学特性、理化性质和微观结构变化，为后续猕猴桃隐性碰伤无损光学检测提供理论基础。
-
超声辅助低共熔溶剂提取地菍多糖：RSM优化、ANN预测、动力学、结构表征及细胞抗氧化活性
查看原文
2026
Ultrasonics Sonochemistry
中科院一区JCR一区
Waqas Haider, Zhixi Lin, Kuixu Gao, Jingchao Li, Yafei Li, Jinnan Zhong, Liuwei Yuan, Zhouxiang Chen, Yuchi Chen, Zhishan Ding, Fangmei Zhou, & Mingyuan Zhou
计算机标签
智能手机/其他 定量预测/回归分析食品标签
其他果蔬制品/植物类 物理辅助加工 过程优化与控制策略 品质、结构与理化性质 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 响应面分析与多因素优化 体外模型 碳水化合物与糖类天然多糖因具有良好的生物相容性、生物降解性、低毒性和多种生物活性而备受关注，但如何以可持续且高效的方式从地菍（Melastoma dodecandrum Lour.，MD）中提取多糖仍是一项挑战。本研究建立了超声辅助低共熔溶剂（UA-DES）提取策略，以提高地菍多糖（MDPs）的得率和生物活性。在制备的25种DES体系中，氯化胆碱与柠檬酸摩尔比为1∶2的DES-3.2表现出最佳提取性能。研究采用响应面法（RSM）优化提取参数，并建立人工神经网络（ANN）模型预测提取行为和效果，同时使用二级动力学模型成功描述提取过程。在液固比30 mL/g、超声温度60 ℃、超声功率360 W和超声时间90 min的优化条件下，MDPs得率达到1.38%，较传统热水提取提高51.65%。ANN的预测精度优于RSM，并能有效表征提取过程中的复杂非线性相互作用。SEM、FT-IR、XRD、HPGPC和TGA分析表明，UA-DES可显著破坏植物细胞壁，但未改变MDPs的特征官能团和无定形结构，同时所得多糖具有较高的分子量和热稳定性。单糖组成分析显示，半乳糖、半乳糖醛酸和葡萄糖为主要组分；与热水提取相比，UA-DES显著提高了半乳糖醛酸含量。UA-DES提取的MDPs在化学测定中表现出更强的抗氧化能力，并可在无细胞毒性的情况下显著降低LPS诱导的RAW264.7巨噬细胞内活性氧和一氧化氮水平，表现出更强的细胞抗氧化和抗炎作用。DES-3.2循环使用5次后回收率仍超过91.25%，MDPs提取效率仅下降5.78%。尽管绝对得率仅为1.38%，其良好的溶剂循环性能可通过降低溶剂成本和废物产生量弥补这一不足。综上，UA-DES是一种绿色、高效的提取方法，可用于制备具有独特结构和生物活性的MDPs，并具有在功能食品、营养补充剂和药品中应用的潜力。
-
生成式人工智能创造美味、可持续且营养丰富的汉堡
查看原文
2026
npj Science of Food
中科院一区JCR一区
Vahidullah Tac, Christopher D. Gardner, & Ellen Kuhl
计算机标签
大语言模型 设计/生成与推荐 文本/知识库/法规数据 质构/流变/感官数据食品标签
其他复合食品 巧克力及含可可制品 食用菌菇 消费者偏好与接受度 营养与生物功能食品选择影响人类和地球的健康；然而，设计既美味、营养又可持续的食品仍然具有挑战性。在这里，我们展示了生成式人工智能可以直接从大规模人类生成的食谱数据中学习人类味觉的结构，从而在一个结构化的设计空间内创造新颖的食品。以汉堡作为模型系统，生成式人工智能在没有明确监督的情况下重新发现了经典的巨无霸汉堡，并生成了为美味、可持续性或营养优化的新颖汉堡。与巨无霸相比，其美味汉堡在一次餐厅环境下对101名参与者进行的盲测感官评估中，在整体喜好、风味和口感方面得分相同或更高；其蘑菇汉堡的环境影响评分低了一个数量级以上；其豆类汉堡的营养评分几乎是两倍。综合来看，这些结果确立了生成式人工智能作为一种数量化框架，用于学习人类口味并在原则性食品设计中处理复杂的权衡。
