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
-
基于竞争性配位反应，利用新型AIE Cd-MOF对糖精进行现场荧光传感
查看原文
2025
Food Chemistry
中科院一区JCR一区
Ensheng Zhang, Xianghong Liu, Wenhui Lu, Ping Zhang, Ran Liu, Long Jiang & Ping Ju
计算机标签
智能手机/其他 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 非营养性甜味剂本研究介绍了一种基于新型AIE荧光Cd-MOF（MOF-1/Rh6G）的现场比率荧光糖精检测方法。糖精中的硫原子与MOF-1中的Cd（II）中心发生竞争性配位，破坏框架结构并将AIE配体释放到溶剂中。这种结构崩塌会引发438 nm处的荧光淬灭并提供响应信号，而Rh6G在551 nm处的荧光保持稳定，可作为内参。加入糖精后，F551/F438比率线性增加，同时伴随从浅蓝色到黄绿色的可见颜色变化。荧光强度比F551/F438与糖精浓度呈良好的线性关系，检出限（LOD）为0.884 μM。研究开发了一种结合智能手机色调识别的糖精即时检测方法。此外，该方法已成功应用于食品样品中糖精的检测，其准确性通过高效液相色谱法得到了验证。
-
基于非靶向代谢组学与机器学习对不同海拔福云6号和中茶108茶树鲜叶的鉴定与品质评价
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Liangji Wu, Ruixin Lou, Qiang Zhang, Kaikai Li & Tao Hou
计算机标签
支持向量机 随机森林 K-近邻 分类/鉴别/等级评定 组学数据食品标签
茶/茶饮料 品质、结构与理化性质 常规理化指标测定 光谱/色谱/质谱等分析方法 代谢组学茶树品种和生长海拔是影响茶叶品质的关键因素。本研究系统探究了它们对中茶108（ZC108）和福云6号（FY6）鲜叶品质的单独影响及协同作用，这两个品种的茶叶采集自海拔442至945米的区域。化学分析表明，中茶108的氨基酸、茶氨酸、糖类、黄酮类化合物和儿茶素含量高于福云6号。随着海拔升高，两个品种茶叶中的茶多酚、黄酮类化合物、咖啡因和儿茶素含量均有所降低。非靶向代谢组学鉴定出50种与品种相关的代谢物和40种与海拔相关的代谢物。随着海拔升高，苯丙素、嘌呤和黄酮类生物合成等关键代谢通路被上调。香豆素存在显著的品种×海拔交互作用。机器学习在品种分类中达到了100%的准确率（随机森林：96.7%，支持向量机：93.3%，K近邻：90%），凸显了品种因素的主导地位。研究还鉴定出了关键生物标志物，如苯乙醇和6-O-对-D-呋喃果糖基-O-葡萄糖。这些发现为茶树品种鉴定、产地溯源和品质控制提供了依据。
-
深度学习辅助荧光光谱在食品质量与安全分析中的应用
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Yuan Yuan, Zengtao Ji, Yanwei Fan, Qian Xu, Ce Shi, Jian Lyu & Per Ertiberg
计算机标签
深度学习 卷积神经网络 循环神经网络 其他深度学习结构 分类/鉴别/等级评定 定量预测/回归分析食品标签
品质、结构与理化性质 食品安全与风险评估 光谱/色谱/质谱等分析方法背景：荧光光谱因其快速、准确的测量特性，已被广泛应用于食品和农产品的质量评估。荧光光谱产生的大量荧光数据或图像需要更高效的化学计量学方法来处理和分析。然而，传统的机器学习模型在分析高维荧光数据样本时难以实现高精度预测。深度学习算法在荧光光谱的特征提取和回归建模方面展现出强大的自动学习能力。
范围与方法：本文首先通过食品中荧光物质的表征，阐明了荧光光谱的复杂、抽象和高维特征。其次，本文重点介绍了荧光光谱分析过程中面临的各种挑战，并总结了几种能够解决这些问题的深度学习算法，包括卷积神经网络（CNN）、长短时记忆网络（LSTM）和自编码器（AE）。此外，本文根据不同检测目标（包括食品安全检查、食品质量评估、掺假识别和品种鉴定）综述了基于荧光数据的深度学习模型在食品检测中的应用。本综述还重点关注了该技术在食品质量与安全检测中的未来发展趋势。
主要发现与结论：深度学习与荧光光谱相结合在食品质量检测和食品鉴别分类方面显示出巨大潜力。选择合适的代表性输入参数、预处理方法和优化方法可以有效解决样本不足和模型过拟合的问题。由于人工智能的快速发展，基于深度学习的荧光光谱技术有望朝着高精度、高通量、自动化和低成本的方向发展。 -
迈向基于振动光谱与机器学习的食品中霉菌毒素智能原位检测
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Siyu Yao, Tong Yu, Alessandra Fantina Victorio Ramos, Zhongkun Zhang, Zulipikaer Rouzi & Luis Rodriguez-Saona
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
微生物安全 光谱/色谱/质谱等分析方法振动光谱技术与机器学习的最新进展，正推动着对复杂食品基质中真菌毒素的智能原位检测。红外光谱和自发拉曼光谱可检测宿主基质中的分子振动或成分变化，捕捉真菌毒素直接或间接的特征图谱；而表面增强拉曼光谱（SERs）则通过等离子体纳米结构放大真菌毒素特有的分子振动，实现超高灵敏度检测。机器学习能从信息丰富的光谱中提取真菌毒素细微且独特的光谱特征，抑制噪声，并对异质样本做出可靠预测，进一步强化了分析效果。本综述批判性地探讨了近期的传感策略、模型开发、应用性能、无损筛查以及潜在的应用挑战，着重指出了这些方法相对于传统方法的优势与局限性。文中还讨论了与云计算相结合的便携式、小型化光谱仪的创新，这些创新为真菌毒素的可扩展、快速和现场监测提供了支持。通过将最先进的振动特征图谱与计算分析相结合，这些方法为食品中真菌毒素的灵敏、智能且可现场部署的检测开辟了道路。
-
智能手机辅助的Ce-POM/CuBTC类过氧化物酶比色法检测食品样品中的H₂O₂和抗坏血酸
查看原文
2025
Food Chemistry
中科院一区JCR一区
Yiyi Zhang, Haibo Zhang, Chengyuan Ma, Yihang Yang, Xuan Mo, Yuan Shi, Zhijia Yin, Hong Li & Lin Sun
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
其他复合食品 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分在食品工业中快速准确地检测过氧化氢（H₂O₂）和抗坏血酸（AA）对人体健康至关重要。本文设计了一种新型铈基多金属氧酸盐[Ce(H₂O)₉][Cu(H₂O)(2,6-pdca)]₃H[SiW₁₂O₄₀]·5H₂O（Ce-POM）（2,6-H₂pdca = 2,6-吡啶二甲酸），并将其负载到铜基1,3,5-苯三甲酸盐（CuBTC）上，得到了Ce-POM/CuBTC。该材料能催化H₂O₂氧化3,3′,5,5′-四甲基联苯胺（TMB）生成蓝色的氧化型TMB（ox-TMB），而AA可还原ox-TMB。因此，建立了一种双功能比色检测体系，其检测限分别为0.45μM（H₂O₂）和2.63μM（AA），线性范围分别为1–80μM（H₂O₂）和5–400μM（AA）。我们进一步开发了一种基于Ce-POM/CuBTC的智能手机辅助纸基装置（PAD），用于现场检测。此外，小鼠皮肤毒性研究表明，Ce-POM/CuBTC对小鼠的皮肤、体重和重要器官均无不良影响，证实了其良好的生物安全性。该比色体系成功应用于实际样品检测，展示了稀土多金属氧酸盐复合材料在食品安全领域的应用潜力。
