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
-
利用振动光谱监测减钠餐桌橄榄发酵过程
查看原文
2026
Food Control
中科院一区JCR一区
Daniel Schorn-García, Jokin Ezenarro, Elisavet Vakouli, Maria Kazou, & Efstathios Z. Panagou
计算机标签
偏最小二乘法 过程控制与实时优化 红外/拉曼光谱数据 文本/知识库/法规数据食品标签
其他果蔬制品/植物类 食品安全与风险评估 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常规理化指标测定食用橄榄是地中海膳食中的重要产品，但其发酵生产仍主要依赖传统工艺，过程波动较大，因此需要可靠的监测工具来保障产品安全、品质和法规合规性。本研究评估了中红外光谱和拉曼光谱作为过程分析技术，用于连续 145 天监测 Kalamata 天然黑橄榄发酵过程。鉴于行业正在按照公共健康建议降低钠含量，研究还在不同 NaCl/KCl 替代比例（0-75%）下测试了该监测方法。经典微生物分析表明，乳酸菌在所有发酵体系中占优势；KCl 替代促进了更快酸化和更高滴定酸度，与乳酸菌生长增强一致。两种光谱技术均能捕捉发酵期间的生化动态变化：中红外光谱对盐替代效应更敏感，拉曼光谱则为渐进性时间变化提供互补信息。橄榄个体内部和个体之间的显著差异说明，基质的生物异质性是光谱噪声的主要来源。ASCA 分析确认发酵时间是方差变化的主导因素，盐替代效应较小但具有统计学意义。偏最小二乘回归可基于橄榄光谱间接预测盐水参数，包括 pH、滴定酸度和乳酸菌数量；与传统多变量统计过程控制相比，演化窗口差异指数更有助于发现发酵轨迹偏离。总体而言，将中红外和拉曼光谱纳入 PAT-MSPC 框架，可为橄榄发酵实时监测提供稳健、非侵入式策略，并支持在不损害安全性和品质的前提下开发减钠产品。
-
转录因子：用于开发食品污染物低成本现场快速检测技术的第三代核心传感元件
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Wenhui Mao, Liangshu Hu, Miao He, Jingfang Zhang, Shiqi Xia, Mingzhang Guo, Huilin Liu, Huijuan Yang, & Yunbo Luo
计算机标签
机器学习/统计学习 设计/生成与推荐 时序传感器/物联网数据食品标签
复合/即食/餐饮食品 化学污染物 过程监测与在线检测 矿物质与微量元素生物传感器将生物识别元件与信号转换器耦合，可为传统食品分析提供快速、低成本替代方案。除抗体和适配体外，转录因子正成为高灵敏识别模块，因为其具备内源性转录信号放大能力。基于转录因子的传感器适用于食品相关小分子和重金属离子，这些目标通常难以用抗体检测，并且可在微生物系统中低成本生产。在合成生物学推动下，这类平台正向食品安全监测实用化发展。本文综述转录因子的结构、发现和工程化方法，介绍近端诱变策略，并提出协同优化转录因子及其对应 DNA 结合位点的方法。文章进一步将转录因子工程与人工智能辅助分析结合，用于识别和表征决定性能的功能位点，并强调食品安全诊断领域仍面临的挑战和机遇。
-
基于新建鲜鲆副溶血性弧菌预测模型的情景化风险估计
查看原文
2026
LWT
中科院一区JCR一区
Soo Min Park, Jin Hwa Park, Seok In Hong, & Hyun Jung Kim
计算机标签
机器学习/统计学习 定量预测/回归分析 合成/仿真数据为主食品标签
鱼肉 暴露评估与风险表征 传统统计分析与回归 蛋白质与氨基酸本研究使用比现有副溶血性弧菌鲜鲆模型中菌株生长潜力更高的菌株，建立了鲜鲆中副溶血性弧菌的预测生长模型。生长数据拟合 Baranyi 模型和二阶多项式模型，两者均表现出较高预测性能。二级模型在胰蛋白胨大豆肉汤中针对单个菌株的决定系数 R2 为 0.977-0.992，在鲜鲆中针对混合菌株的 R2 为 0.997。验证指标显示模型拟合可接受，TSB 中偏差因子为 0.974-1.132，鲜鲆中为 0.969；准确因子分别为 1.038-1.169 和 1.047。研究还采用模拟波动温度曲线验证模型，确认其具有较高预测性能。随后使用 Monte Carlo 模拟比较基线、夏季和冬季三种季节情景下食用即食鲜鲆引发弧菌感染的风险。本研究开发模型估计的感染概率在所有情景下均高于以往模型。结果强调了海产品流通过程中严格温度管理的重要性，并表明所建模型可作为微生物风险评估和海产品安全管理的现实有效工具。
-
高光谱成像预测乳清蛋白-beta-glucan 共轭物中类黑精参数的可行性
查看原文
2026
LWT
中科院一区JCR一区
Mohammad Hossein Nargesi, Somayeh Aziznia, & Kamran Kheiralipour
计算机标签
深度学习 偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
乳清及乳清制品 过敏原与毒性问题 氧化、褐变等化学变化 显微与成像技术 蛋白质与氨基酸Maillard 反应是还原糖与蛋白质氨基之间发生的非酶褐变过程，在食品化学中具有重要作用，既可增强蛋白功能性并生成抗氧化和抗菌化合物，也可能在不利条件下产生有毒或致癌物质，因此需要谨慎监测。本研究评价了高光谱成像监测 Maillard 反应过程中类黑精形成的可行性。基于人工神经网络的预测模型可准确估计关键反应参数，包括高级 Maillard 产物、抗氧化活性和糖基化程度，准确率分别为 94.27%、95.88% 和 87.06%。偏最小二乘回归也表现出较强预测能力（R2 > 96%），而支持向量回归准确率较低（R2 = 75-78%）。结果表明，高光谱成像结合机器学习可作为一种快速、无损工具监测 Maillard 反应参数，并具有优化热加工和保障食品品质的应用潜力。
-
融合 X 射线计算机断层成像和机器学习的带壳核桃多缺陷识别与仁饱满度无损评估流程
查看原文
2026
Food Control
中科院一区JCR一区
Menglong Ma, Ming Zhang, Haitao Fu, Yixiao Wang, Ning Yang, Huang Dai, Fuwei Pi, Xiaodan Liu, & Jiahua Wang
计算机标签
图像分割网络 支持向量机 缺陷/异物检测与定位 可见光/RGB/视频数据 中等规模数据集食品标签
豆类与坚果（及籽类） 品质、结构与理化性质 显微与成像技术传统目视检测难以高效识别带壳核桃的内外部缺陷。本研究提出了一种融合 X 射线计算机断层成像和机器学习的无损流程，用于多缺陷识别和核桃仁饱满度评估。研究共分析 495 个 Wen-185 纸皮核桃，其中包括 45 个壳裂样品，以及 450 个健康、仁萎缩和虫害样品。研究利用 X-ray CT 图像，并采用 Canny 边缘检测和闭合轮廓分析进行壳裂检测，同时使用 U-Net 分割核仁和整果，核仁 Dice 系数为 0.89，整果 Dice 系数为 0.95。研究提取 12 个三维形态特征，并训练 GBDT、XGBoost、LightGBM、SVM 和 LDA 模型，采用 SHAP 进行特征解释。GBDT 和 XGBoost 对健康、仁萎缩和虫害核桃的分类准确率达到 0.99。仁壳比和体积估计与破坏性测量高度相关，其中仁壳比 R2 为 0.9839、MAPE 为 6.66%、RMSE 为 0.0178；核仁体积 R2 为 0.9896、MAPE 为 6.36%；整果体积 R2 为 0.9651、MAPE 为 2.57%。结果表明，X-ray CT 结合机器学习可用于核桃无损分选和内部品质评价。
