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
-
基于pH偏移与凝聚技术的植酸酶热稳定性与胃酸稳定性优化：一种贝叶斯优化快速工艺调谐的示例
查看原文
2025
Food Hydrocolloids
中科院一区JCR一区
Waritsara Khongkomolsakul, Poompol Buathong, Eunhye Yang, Younas Dadmohammadi, Yufeng Zhou, Peilong Li, Lixin Yang, Peter I. Frazier & Alireza Abbaspourrad
计算机标签
超参优化/自动机器学习 过程控制与实时优化 质构/流变/感官数据食品标签
碳水化合物配料 其他添加剂与配料 其他加工技术 过程优化与控制策略 常规理化指标测定本研究通过利用壳聚糖进行pH偏移诱导的凝聚反应，解决了植酸酶在高温食品制备和胃消化过程中的不稳定性问题。在4:1的壳聚糖与植酸酶比例下形成的复合物表现出显著改善的热稳定性，保留了74%的酶活性，而游离酶仅为20%。在经过联合热和模拟胃处理后，壳聚糖-植酸酶复合物保持了40%的残余活性，相比之下天然酶仅有3%。采用贝叶斯优化加速了实验优化进程，将所需试验次数减少了40%。
-
基于非靶向指纹光谱结合化学计学，快速分类山茶花种子品种及高通量脂肪酸定量分析
查看原文
2025
Food Chemistry
中科院一区JCR一区
Tuo Leng, Yuting Wang, Zhijun Wang, Xiaoyi Hu, Tongji Yuan, Qiang Yu, Jianhua Xie & Yi Chen
计算机标签
偏最小二乘法 主成分分析/判别分析 其他深度学习结构 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
豆类与坚果（及籽类） 植物油 品质、结构与理化性质 脂质与脂肪酸山茶油是一种富含不饱和脂肪酸的优质植物油。本研究对比了光谱技术（近红外光谱与中红外光谱）及分析模型（判别分析、偏最小二乘回归与人工神经网络），旨在实现山茶籽品种分类，并对油脂及主要脂肪酸组成进行含量预测。主成分分析可有效区分不同品种的山茶籽。基于近红外光谱的判别分析模型对山茶籽品种的鉴别准确率达到100%。近红外光谱预测模型的整体性能优于中红外光谱模型，其中偏最小二乘回归模型效果优于人工神经网络模型。本研究验证了近红外光谱技术结合化学计量学方法，可用于山茶籽快速、高通量、无损鉴别的应用潜力。
-
人工智能赋能的细胞农业：多尺度建模、过程优化及未来方向
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Wenli Gao, Runnan Bai & Shengjie Ling
计算机标签
机器学习/统计学习 模型可解释性 强化学习 定量预测/回归分析 过程控制与实时优化 设计/生成与推荐 模拟与数字孪生 时序传感器/物联网数据 多模态/融合数据食品标签
细胞培养肉 品质、结构与理化性质 可持续性与资源高值化 过程控制与数字化 统计建模与仿真背景：细胞农业为全球粮食生产难题提供了变革性解决方案，尤其在降低环境影响、改善动物福利以及保障粮食安全方面优势显著。然而，生物系统本身存在的多尺度相互作用、数据异质性以及工艺优化低效等复杂问题，制约了细胞农业的规模化发展。人工智能（AI）凭借可在细胞农业全产业链实现自适应、跨尺度建模与优化的能力，正逐渐成为攻克上述难题的核心工具。
研究范围与方法：本文综述了人工智能在细胞农业领域的各类应用，涵盖分子工程、培养基优化、生物反应器实时监测以及感官特性预测等方向。重点阐释了机器学习模型、强化学习、数字孪生系统等人工智能技术，如何为行业规模化瓶颈提供解决方案、提升产品品质并提高生产效率。同时探究了多模态数据流融合在破解跨尺度难题中的作用，为人工智能融入细胞农业体系构建了全新研究框架。
主要研究发现与研究意义：人工智能的应用正推动细胞农业领域发生颠覆性变革，使其从传统经验式、试错式发展模式，转向智能化、数据驱动型发展体系。人工智能不仅能够精准优化细胞生长条件、组织成型过程与食品感官特性，还可助力打造可预测、可规模化、可定制化的粮食生产方案。文章剖析了当前存在的数据标准化、模型可解释性、多模态融合等现实挑战，并提出未来发展策略，旨在为新一代粮食生产构建稳定可靠、可解释的人工智能应用体系。 -
基于证候关联-网络分析的保健品功能-配方-成分一体化质量控制的功能性化合物快速筛选策略
查看原文
2025
Journal of Future Foods
中科院一区JCR一区
Ruolan Song, Jiamu Ma, Xiangjian Zhong, Xueyang Ren, Yuan Zheng, Xiaodan Qi, Chunyan Wang, Yan Zhang, Feng Zhang, Qingyue Deng, Xianxian Li, Yingyu He, Mingxia Li, Mengyu Sun, Wei Liu & Gaimei She
计算机标签
智能手机/其他 知识抽取与语义理解 文本/知识库/法规数据 公开数据集食品标签
数值仿真为改善药食同源保健食品的质量控制，基于其双重身份特性，提出了功能性质量控制和功能性化合物快速筛选策略的概念。以五味散芪胶囊为研究对象，首先采用基于网络药理学的改进方法“证候关联-网络分析”进行分析。从常用医学数据库中收集功能相关靶点，同时利用聚类算法从中医数据库中提取与日常保健相关的临床记录信息以获取靶点。围绕配方中包含的五种药材，从中医系统药理学数据库与分析平台检索生物活性化合物及相关靶点。对交集靶点进行蛋白质-蛋白质相互作用网络和通路富集分析。根据构建的配方药材-化合物-靶点-通路网络，初步识别潜在的功能性化合物。其次，通过分子对接分析关键靶点和化合物，进一步筛选功能性化合物。最后，结合文献，完成了包含总皂苷、黄芪甲苷、葛根素和五味子素的功能性化合物的筛选及其测定方法的建立。该快速筛选策略充分利用了药食同源保健食品的中医背景优势以及算法对海量数据的有效提取能力。它将保健食品功能、配方药材和功能性化合物三个方面联系起来，为实施功能-配方-成分一体化的功能性质量控制提供了高效解决方案，在保健食品行业具有巨大的应用潜力。
-
从RGB图像到高光谱图像的光谱重建：以牛肉中谷氨酸指数的检测为例
查看原文
2025
Food Chemistry
中科院一区JCR一区
Fujia Dong, Ying Xu, Yingkun Shi, Yingjie Feng, Zhaoyang Ma, Hui Li, Zhongxiong Zhang, Guangxian Wang, Yue Chen, Jinhua Xian, Shichang Wang, Songlei Wang & Weiguo Yi
计算机标签
卷积神经网络 其他深度学习结构 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据食品标签
畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸利用光谱重构（SR）将RGB图像复原为全域高光谱图像（HSI），是实现高光谱图像实时、低成本应用的重要手段。以360份牛肉样本的谷氨酸指标检测为例，本文探究了11种当前主流重构算法在复杂食品体系中实现RGB图像向高光谱图像转换的可行性。通过多元相关性分析证实，RGB图像是三通道全覆盖宽波段信息的投影表征。本文提出融合峰值信噪比、参数量、浮点运算量的综合质量评价指标（PSNR-Params-FLOPS），筛选出最优重构模型，包括MST++、MST、MIRNet与MPRNet。同时引入结构相似性（SSIM）值与t分布邻域嵌入（t-SNE）方法，对重构结果的一致性进行评估。最后采用轻量化Transformer模型，分别构建原始高光谱图像、RGB图像及光谱重构高光谱图像（SR-HSI）的检测模型，用于牛肉谷氨酸指标的预测分析。实验结果表明，MST++模型在光谱重构任务中表现最优，其均方根误差、峰值信噪比、结构相似性分别为0.015、36.70、0.9253；经MST++重构后的模型预测效果（决定系数$R^2_P$=0.8422、相对分析误差RPD=2.46）与原始高光谱图像模型（$R^2_P$=0.8526、RPD=2.69）高度接近。该研究成果为RGB图像转高光谱图像技术提供了实际应用场景与详实的分析思路。
