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 1098 条结果
-
通过智能手机辅助的比比荧光平台与铈-镍双金属纳米簇检测多西环素
查看原文
2025
Food Chemistry
中科院一区JCR一区
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
鱼肉 液态乳 化学污染物 显微与成像技术 光谱/色谱/质谱等分析方法 其他特殊成分四环素抗生素（如多西环素DOX）在动物来源食品中积累，当浓度过高时对人体健康构成相当大风险。本研究引入了利用卵白蛋白稳定的铈-镍双金属纳米簇（OVA-Ce/Ni NCs）检测DOX的比分荧光传感器。该传感器利用卵白蛋白对DOX的敏化效应，导致荧光峰值在510 nm，而其固有的蓝色荧光在420 nm处逐渐消灭。在最佳条件下，OVA-Ce/Ni NCs传感器对DOX的线性响应范围为0.2–80微米，检测极限极低，仅为51 nM。该传感器对DOX表现出极佳的选择性，并成功应用于牛奶和鱼类样本中的DOX检测。此外，智能手机辅助检测促进了DOX的视觉识别。本研究展示了一种高度敏感且选择性地检测动物衍生食品中DOX的方法，对污染物的鉴定和控制具有潜在意义。
思考过程与原因： -
基于智能手机的数字图像中的文献计量研究与潜在应用：2013年至2024年的视角
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
机器学习/统计学习 偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据食品标签
品质、结构与理化性质 质量管理与追溯系统 显微与成像技术本文首次提出了关于基于智能手机的数字图像在食品矩阵应用的文献计量学综述，专门使用R语言中的Bibliometrix软件包进行。尽管已有相关综述，但这是首次采用基于文献计量方法的定量方法，分析了2013年至2024年间发表并在Web of Science中发现的125篇文章。检索到的作品由431名研究人员撰写，发表在33个国家的38种期刊上，年增长率为45.92%。结果显示，大量文章聚焦于掺假检测和物质定量，且以实用、经济且易于获取的方式进行。超过60%的研究未使用化疗工具。在采用这些研究的中，最常用的包括偏最小二乘回归（PLS）、主成分分析（PCA）、层级聚类分析（HCA）和多重线性回归（MLR）。
思考过程与原因：这篇文章是一篇文献计量学综述，研究对象是基于智能手机的数字图像技术在各类食品基质中的应用，涵盖范围广泛，故不标注特定的单一食品原料标签（A类）。研究总结的应用领域重点在于掺假检测（B94）和物质定量（属于品质与理化性质分析B03），核心检测手段是数字图像/成像技术（C14）。在AI与数字化方面，文章统计并分析了该领域常用的算法，明确提及了偏最小二乘回归（PLS）和多元线性回归（MLR）（归类为线性模型E11）、主成分分析（PCA, E16）以及层级聚类分析（HCA），这些属于经典的化学计量学/统计学习方法（E01）。所涉及的数据类型是图像数据（G11），模型任务涵盖了分类/鉴别（F01）和定量预测（F02）。 -
基于衰减全反射中红外光谱与化学计量学的银耳液态发酵过程监测
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 随机森林 主成分分析/判别分析 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
食用菌菇 过程监测与在线检测 过程优化与控制策略 光谱/色谱/质谱等分析方法 碳水化合物与糖类本研究采用中红外衰减全反射（ATR-MIR）光谱和化学计量学，监测Tremella fuciformis（T. fuciformis）的浸没发酵过程。研究了四种不同预处理方法对定性鉴定和定量预测模型性能的影响。定性模型采用主成分分析（PCA）的无监督学习，分析ATR-MIR数据、物理化学参数和流变参数，清晰划分了不同的发酵阶段。监督下的随机森林（RF）模型通过特征重要性选择和主成分分析优化输入变量，实现了97.5%的分类准确率。定量模型偏最小二乘回归（PLSR）在降低糖、总糖、颤线多糖和干细胞权方面表现出强的预测性能，均方根误差低且R较高2数值。这一基于ATR-MIR光谱的化学计量模型为食品科学提供了宝贵见解，并有望通过精确的发酵控制优化透线多糖的产生。
思考过程与原因：该研究的对象是银耳（Tremella fuciformis，文中误译为透光虫），属于食用菌（A44）。研究的核心目的是监测（Monitoring，B91）其液态/深层发酵过程（Submerged fermentation，B92），以优化多糖生产。主要检测手段是ATR-MIR光谱技术（C14）。检测的目标成分包括还原糖、总糖和银耳多糖，均属于碳水化合物/糖类（D13）。在AI与数字化方面，研究使用了光谱数据（G13）。采用的算法包括用于降维和探索的主成分分析（PCA, E16）、用于分类发酵阶段的随机森林（RF, E13）以及用于定量预测成分含量的偏最小二乘回归（PLSR, E11）。模型任务涵盖了分类（F01）和定量预测（F02）。 -
机器学习辅助构建木质素碳点传感器阵列用于检测食品着色剂
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
其他添加剂与配料 化学污染物 光谱/色谱/质谱等分析方法由于合成食用色素的广泛使用及其潜在毒性，食品安全监测至关重要。色谱法等高灵敏度技术虽被常规应用，但需要昂贵的设备和熟练的操作人员。在此，我们展示了一种基于氨基酸衍生的氮掺杂木质素碳点（CDs）的三通道荧光传感器阵列，能够实现对食用色素的准确且抗干扰检测。为了阐明特定官能团在荧光响应中的作用，我们采用了逐步化学修饰策略，系统研究了表面化学性质对食用色素识别的贡献。该阵列在盲测中通过层次聚类分析（HCA）、线性判别分析（LDA）和主成分分析（PCA），以近100%的准确率区分了四种常见色素（100–300μM），性能优于传统的单通道系统。这些结果表明，木质素基碳点有望成为绿色、经济高效的传感元件，并为食用色素的实际现场监测引入了一种稳健的多通道荧光策略。
-
机器学习驱动的从浮萍科（Lemnaceae）蛋白水解物中发现生物活性肽：鉴定并实验验证20种新型抗高血压、抗糖尿病和/或抗氧化肽
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
机器学习/统计学习 偏最小二乘法 分类/鉴别/等级评定 组学数据食品标签
其他添加剂与配料 抗氧化/抗炎等功能 其他生物活性与健康效应 蛋白质与氨基酸浮萍是一种可持续且富含蛋白质的水生植物，最近被认为是生物活性肽的有前景来源。然而，在如此复杂的混合物中，鉴定它们仍然有限且具有挑战性。在用胃蛋白酶、壶液蛋白酶、胰蛋白酶和帕潘水解浮萍后，经过离心步骤产生两个组分：上清液（DS）和颗粒（DP），有趣的半最大抑制浓度（IC50）对二肽基肽酶（DPP）-IV和血管紧张素转换酶（ACE）抑制作用，尤其是在胃蛋白酶（IC）中，得到了抑制。50= 0.7 mg/mL 和 0.07 mg/mL）。利用偏最小二乘判别分析（PLS-DA）结合定量结构-活性关系（QSAR）模型，推出了五种新的DPP-IV抑制剂（最活跃的：API、IC50= 126.88 μM），十一种新型ACE抑制剂（最活跃：FAR，IC50= 13.54 μM）以及四种新的抗氧化剂（>200 μM）被鉴定出来。三个测试生物活性均有两个序列活跃，揭示了有前景的多靶肽。这些发现凸显了浮萍衍生肽支持健康和代谢平衡的潜力。
思考过程与原因：该研究的对象是浮萍（Duckweed）的蛋白水解物，作为生物活性肽的来源，归类为其他添加剂与配料（A119）。研究的核心目的是发现具有抗高血压、抗糖尿病和抗氧化功能的肽段，这属于生物活性与健康效应（B45）。检测的目标成分是多肽（Peptides, D11）。在AI与数字化方面，研究采用了“机器学习驱动”的方法，具体使用了偏最小二乘判别分析（PLS-DA, E11）结合定量结构-活性关系（QSAR）模型，属于统计学习/机器学习（E01）。模型的任务是对肽段的活性进行筛选/识别（F01）。使用的数据是基于肽段序列/结构的分子数据，归类为组学/分子数据（G15）。
