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 339 条结果
-
食品安全中的光谱-AI 技术：进展、挑战与未来方向
查看原文
2026
Food Control
中科院一区JCR一区
Masoud Aman Mohammadi, Behrouz Tajdar-oranj, & Ebrahim Esmaeili
计算机标签
深度学习 模型可解释性 缺陷/异物检测与定位 多模态/融合数据 高光谱/多光谱光谱食品标签
豆类与坚果（及籽类） 化学污染物 加工与新加工技术 光谱/色谱/质谱等分析方法 显微与成像技术 其他特殊成分当代供应链中的食品安全维护需要兼具工业通量以及化学和微生物特异性的分析方法。培养法微生物检测和色谱测定等传统确证方法仍不可或缺，但其周转时间长、样品破坏性强且依赖集中实验室，限制了其在快速批次筛查和在线控制中的适用性。本文考察面向食品的光谱传感技术，包括高光谱和多光谱成像、近红外光谱、拉曼光谱和表面增强拉曼光谱，并评估机器学习和深度学习如何支持关键食品危害的快速无损筛查。文章综合比较不同传感模态的实际权衡，概述从预处理、波长选择到先进神经网络架构的计算工作流，并总结其在微生物污染和腐败、谷物和坚果真菌毒素筛查、加工食品异物检测以及鲜食农产品农药残留评估中的应用。文章进一步讨论了转化到常规食品制造中的关键障碍，包括仪器和工艺变异、校准迁移、数据集代表性、模型可解释性以及与监管一致的验证要求。最后，文章强调传感器小型化、边缘 AI 部署和多模态数据融合等新兴方向，这些方向有助于在生产和流通系统中实现可扩展、可审计和实时的食品监测。
-
面向空间任务的精准营养与食品生物制造 —— 构建智能生物再生生命保障系统
查看原文
2026
Food Research International
中科院一区JCR一区
Junli Liu, Deyong Zeng, Bichun Hu, Weiping Wang, Shuaimin Hu, Alejandro Cifuentes, Guojian Liao, Mengfei Long, Haitian Zhao & Weihong Lu
计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 设计/生成与推荐 模拟与数字孪生食品标签
营养与生物功能 感官评价与方法学 其他过程控制与数字化研究长期太空飞行因微重力、辐射、密闭环境及昼夜节律紊乱等因素，带来了独特的生理与营养挑战。这些应激因素重塑了能量代谢、骨骼与肌肉稳态、免疫应答以及肠道菌群组成，导致营养吸收受损与氧化失衡。传统的地球饮食模式难以应对这种复杂的相互作用，凸显了制定精准营养策略并结合可持续原位食品生产系统的必要性。本文综述了精准营养与食品生物制造技术的最新进展，这些技术旨在实现太空自主生命保障。文章阐述了太空环境下营养需求的生理基础、集成监测与人工智能驱动的营养反馈系统的兴起，以及微生物、植物和细胞制造平台在生产功能性营养素方面的作用。分析重点关注航天员之间能量与物质流的耦合、光合生物反应器与异养生物反应器的集成，以及数字孪生在系统预测性调控中的应用。精准营养为个体化饮食调控提供了计算框架，而生物制造则为闭环生态系统内的营养素生产提供了技术手段。多组学传感、智能建模与自适应生物反应器的集成，能够依据个体生理状态实时调整营养供给。尽管已取得进展，但长期反应器稳定性、生物安全管控以及多物种共培养控制等方面仍存在挑战，部分原因在于当前大多数系统仍采用基于地球的成本—产量指标进行优化，而深空部署则关键取决于系统鲁棒性、容错能力、自主修复能力以及长期生态稳定性。未来的太空营养系统将越来越依赖人工智能引导的自调控生物制造，以实现营养自主，从而将食物从一种消耗性资源转变为人类在地外生存的再生型智能组成部分。
-
基于 RGB 图像特征提取快速无损估计蓝靛果忍冬果实品质属性
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Jian Zhang, Jixiao Li, Xiangji Meng, Yue Yang, Yidan Lyu, & Yoichiro Hoshino
计算机标签
深度学习 缺陷/异物检测与定位 多模态/融合数据 可见光/RGB/视频数据食品标签
新鲜水果 颜色与外观品质 抗氧化/抗炎等功能 显微与成像技术 花青素与类胡萝卜素蓝靛果忍冬是一种具有极高抗氧化活性和显著健康益处的浆果，但目前仍缺乏高效、无损的品质评价方法。为解决这一问题，本研究开发了基于 RGB 图像的深度学习检测模型，用于预测蓝靛果忍冬果实的花青素含量和可溶性固形物含量。该框架首先应用 YOLOv8 进行精确果实定位，随后使用 VGG16、VGG19 和 YOLOv8n 网络从定位后的果实区域提取特征。提取的特征经自适应平均池化模块压缩后，输入全连接回归模型，用于果实品质指标的定量预测。结果显示，YOLOv8n 提取的特征在预测花青素和可溶性固形物方面表现最佳，R2 分别为 0.93 和 0.79，RPD 分别为 3.81 和 2.20（AAP 尺寸为 3 x 3）。进一步分析表明，YOLOv8n 融合了多尺度浅层和深层语义纹理，相比仅依赖高层特征的 VGG 网络产生了明显更好的预测效果。特征数量与模型性能之间呈非线性关系，说明适度压缩能够保留更丰富的果实特征。花青素预测精度显著高于可溶性固形物，提示与色素相关的性状更容易由表面外观表征；相反，内部理化性质需要通过多模态数据融合提高可靠性。本研究证明了基于深度学习的图像分析用于果实无损品质评价的可行性，为蓝靛果忍冬品质分级和采收管理提供了高效、低成本方案。
-
用于预测牛油果采后硬度的物理信息神经网络
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
R.G.M. van der Sman, X. Guo, & R. Pedreschi
计算机标签
深度学习 定量预测/回归分析 公开数据集食品标签
新鲜水果 加工与新加工技术 保藏与贮藏 标准/法规/数据库分析 蛋白质与氨基酸本研究采用物理信息神经网络（PINNs）建模牛油果成熟过程中的硬度变化。模型基于一个生理框架，即硬度损失由酶促细胞壁降解控制，其动力学受代谢速率调节。PINNs 使用来自不同品种和国家、处于恒定贮藏条件下的文献数据集进行训练，揭示了相似的呼吸跃变型成熟动力学。研究进一步利用时间/温度/气体条件叠加原理，将该方法扩展到动态贮藏情景。果园来源、气候和采收时间造成的差异通过初始呼吸跃变前状态的差异体现，而这些差异无法用单一状态变量描述。
-
基于光谱重塑和动态注意力驱动深度学习的蓝莓早期碰伤无损检测
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Yuping Huang, Zhouchen Bian, Khurram Yousaf, Xuzhong Cao, Haojun Jin, Dong Hu, Ye Sun, Weijun Xie, & Chenlong Fan
计算机标签
深度学习 偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
新鲜水果 微观结构与成像 显微与成像技术蓝莓果皮柔软，在采收和运输过程中极易发生碰伤。因此，早期检测碰伤对提升经济价值和满足市场需求至关重要。本研究旨在通过整合光谱数据重塑方法和引入动态注意力融合机制的改进深度学习模型，建立一种早期蓝莓碰伤无损检测新框架。研究还进行微观结构分析，以增强光谱数据解释性。比较了使用一维光谱曲线的传统模型和使用包含重塑光谱数据二维图像的深度学习模型。结果表明，在 400-1000 nm 范围内，偏最小二乘判别分析（PLSDA）和支持向量分类（SVC）取得相近准确率；在 1350-2200 nm 范围内，SVC 表现更好，准确率为 91.2%。深度学习模型在重塑的二维光谱数据集上表现突出，其中 DAF-EfficientNetV2 在原始和增强数据集上均取得最高分类准确率，即在 400-1000 nm 范围内分别为 98.5% 和 99.7%，在 1350-2200 nm 范围内分别为 95% 和 99.2%。这些结果证明，将所提出的光谱数据重塑方法与注意力增强深度学习模型结合具有有效性。
