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2,3-二氨基苯二烯和金纳米簇纸条的智能手机辅助比比荧光和亚硝酸盐比色检测
查看原文
2025
Food Chemistry
中科院一区JCR一区
Chunjuan Wang, Qin Guo, Ao Gao, Jingmei Zhang, Hailong Wan, Qianchen Liu & Junli Song
计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据食品标签
化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分基于2,3-二氨基苯二烯（DAN）和金纳米簇（AuNCs）纸条，开发了一种智能手机辅助的亚硝酸盐荧光和比色检测方法。DAN与NO反应2−通过酸性条件下的偶联反应生成萘曲唑（NAT），在435纳米处发出强烈蓝色荧光。AuNCs在650纳米处的红色荧光被亚硝酸盐还原所抑制。荧光强度比值（I435/我650）与NO表现出良好的线性关系。2−浓度（0.01–9.0 μg/mL），LOD和LOQ分别为2.3 μg/L和8.7 μg/L。荧光探测模式成功应用于水样和食品样品中的亚硝酸盐测定，回收率范围为80.0%至103.0%。此外，设计了一个集成智能手机的纸条平台，用于现场比色分析。值得注意的是，该纸条的荧光颜色在紫外线下动态从红色转变为蓝色，从而实现了视觉半定量。
-
未釉罗马陶器上的残留物：通过ATR-FTIR和机器学习提取有机光谱特征
查看原文
2025
npj Science of Food
中科院一区JCR一区
S. Giampaolo, C. Scatigno, L. Migliorati, T. Sgrulloni & G. Festa
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 小规模数据集食品标签
新材料/包装与接触材料 光谱/色谱/质谱等分析方法对考古器物上有机残留物的研究为揭示过去人类行为，包括饮食、贸易、贮藏和仪式活动，提供了宝贵的见解。本文提出了一种创新的分析方法，将衰减全反射傅里叶变换红外光谱（ATR-FTIR）与机器学习技术相结合，以提取用于识别复杂无机基质（主要是考古背景中的沉积物）内有机残留物的光谱特征。该方法应用于对来自意大利中部佩尔图伊努姆罗马古城考古遗址广场区域一家店铺密封环境中出土的六件未上釉陶瓷器物的研究。该店铺可能的商业性质以及多孔未上釉陶器支持了有机残留物保存的高概率。分析成功地在两件器物中鉴定出脂质残留：几片带有黑色污渍的非洲D型封土盘碎片和几片普通陶罐碎片。这些残留物的显著特点是缺乏蛋白质和多糖。红外光谱结合机器学习提取出2921、2853、1737 cm−1处的有机光谱特征，表明其为树脂，暗示其在食物制备或仪式活动中的用途。此外，在2951、2918、2852、1701、1558、1462、1247和1160 cm−1处的额外标志物被归因于一种降解的油，可能与古代烹饪或仪式实践相关。这些发现强调了由机器学习增强的非破坏性方法在检测复杂考古背景中有机残留物方面的价值，特别是在分子信号被考古土壤干扰所掩盖的情况下。这种先进方法为检测古代陶器中的有机光谱特征提供了一种可重复且无需化学试剂的新策略，显著提高了考古有机残留物分析的可靠性和效率。
-
儿茶素处理对空气炸制薯片中美拉德反应典型有害产物的共生成及动力学曲线的联合调控与机器学习预测
查看原文
2025
Food Chemistry
中科院一区JCR一区
Jia Zeng, Fan Zhang, Jiening Yu, Xiaomei Yu, Xuzhi Wan, Jingjing Jiao & Yu Zhang
计算机标签
随机森林 定量预测/回归分析食品标签
其他根茎类 化学污染物 统计建模与仿真 其他特殊成分美拉德反应会产生有害的加工污染物，包括丙烯酰胺（AA）和Nε-（羧甲基）赖氨酸（CML），因此需要有效的抑制剂。本研究采用机器学习方法，预测儿茶素处理如何减少空气炸薯条中典型有害美拉德反应产物（hMRPs）的同时形成。儿茶素能显著抑制薯条中AA、游离CML和结合态CML的共同形成，其中（-）-表没食子儿茶素没食子酸酯的抑制率最高，分别为50.16%、48.73%和33.60%；茶多酚的缓解率分别为48.05%、50.21%和31.87%，呈现出非线性的剂量依赖性抑制效应。深入的动力学分析进一步表明，儿茶素显著抑制了AA和CML生成的产生阶段，但对其消除阶段无影响。随机森林模型显示出较高的预测准确性和可靠性，R2值均在0.9以上，RPD值超过3，表明该模型对AA和CML水平的估算具有优异的预测准确性和可靠性。这些发现有助于油炸食品行业对hMRPs的控制和食品安全管理，同时为开发智能预测模型以预测和减轻热加工污染物的形成提供了新见解。
-
基于尺寸可控球形金属纳米颗粒的表面增强拉曼光谱结合机器学习的 Botryosphaeria dothidea 快速定量检测方法
查看原文
2025
International Journal of Food Microbiology
中科院一区JCR一区
Longhui Luo, Wei Tian, Qian Liu, Xiaoying Yang, Tonghui Li, Jiali Chen, Qifeng Han, Lin Zhang, Wenxian Li & Youhua Long
计算机标签
机器学习/统计学习 深度学习 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
水果/蔬菜与菌菇类/植物类 微生物安全 光谱/色谱/质谱等分析方法葡萄座腔菌（Botryosphaeria dothidea）感染已成为影响采后果实品质的主要因素，因此检测葡萄座腔菌感染对于控制感染扩散和保障食品安全至关重要。本研究构建了一个基于表面增强拉曼光谱（SERS）的监测平台，该平台结合了尺寸可控的球形金属纳米颗粒与机器学习技术，可对葡萄座腔菌进行快速定量检测，同时还能检测多种病原体。以球形金属纳米颗粒作为活性基底时，SERS增强效果具有显著的尺寸依赖性。研究确定45–60 nm的Ag@ICNPs能实现葡萄座腔菌的最大SERS信号检测，并将其用作活性基底构建了葡萄座腔菌快速定量检测的SERS平台。该平台在实际样品检测中具有潜在的实用性。利用该平台对猕猴桃溃疡病菌（Pseudomonas syringae pv. Actinidiae）、铜绿假单胞菌（Pseudomonas aeruginosa）、青枯雷尔氏菌（Ralstonia solanacearum）和极端东方假单胞菌（Pseudomonas extremorientalis）进行检测，成功捕获了这些病原体的SERS指纹信息，且对这些病原体的定量分析能力较强。对所获得的病原体SERS光谱进行机器学习分析，基于不同病原体光谱数据集之间的差异，主成分分析（PCA）能有效将这五种病原体区分成不同组别。支持向量机（SVM）、决策树（Tree）、线性判别分析、高效逻辑回归、朴素贝叶斯、K近邻、集成算法和神经网络的测试准确率分别为100%、96%、100%、100%、100%、100%、98%和100%，均具有较高的准确率。总体而言，本研究为多种病原体的快速定量检测与鉴定提供了一种简便、高效且准确的方法，并可推广应用于实际的农产品检测中。
-
各向同性与各向异性金纳米材料持续升温：从性质到食品安全监测
查看原文
2025
Trends in Food Science and Technology
中科院一区JCR一区
Rui Shu, Sijie Liu, Jianlong Wang & Daohong Zhang
计算机标签
机器学习/统计学习食品标签
其他材料 食品安全与风险评估背景：监测农畜产品的安全与质量一直是全球面临的巨大挑战。得益于纳米技术的快速发展，通过使用纳米材料作为标记物，食品安全监管得到了极大改善。
范围与方法：根据文献计量分析，各向同性和各向异性金纳米材料（AuNMs）因其形态和优异的性能（包括高亲和力、鲜艳的颜色、可控的物理化学性质）而备受关注。本综述旨在通过阐述AuNMs的合成、性质、信号原理及应用，对相关知识进行详细总结。我们全面概述了信号产生原理，并介绍了其与形态的关系。随后，聚焦于AuNMs的信号呈现，我们详细总结了它们在免疫分析中的应用。同时，针对最新研究趋势，本综述深入探讨了新兴机器学习技术在AuNMs合成与传感领域的发展。此外，我们还展望了其未来发展，并探讨了面临的挑战。
主要发现与结论：纳米级AuNMs凭借其优异的性能和可调的形态，显著增强了免疫传感器的性能，包括增加了信号可能性、提高了灵敏度和准确性、增强了便携性。尽管面临挑战，AuNMs将继续推动免疫传感技术的发展，并成为食品安全检测中强有力的信号标记物。总之，本综述为初级研究人员提供了系统知识，同时为科研人员收集信息以促进新兴进展。
