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
-
汉堡肉饼煎制过程的有限元建模：脂肪含量的影响及基于神经网络的脂肪损失预测
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
E. Hernández-Alhambra, P. Guiu, A. Ferrer-Mairal, M.A. Martínez, B. Calvo, J. Grasa, & M.L. Salvador
计算机标签
智能手机/其他 定量预测/回归分析 合成/仿真数据为主食品标签
畜肉 传统热加工 品质、结构与理化性质 统计建模与仿真 脂质与脂肪酸本研究开发了一种改进的接触式烹饪模型，将脂肪含量及其保持能力的差异纳入考虑，以准确模拟不同组成的产品。该方法通过区分肌纤维和组织间液体来表征肉组织的结构异质性，并模拟水分和脂肪在这些区域之间的迁移。模型还考虑了传热和肉品变形，并将组织表征为超弹性材料。该计算框架用于模拟脂肪含量为3%～24%、烹饪过程中定期翻面的汉堡肉饼煎制过程，并通过实际烹饪实验进行验证。尽管脂肪含量增加未显著影响水分损失或中心温度（P＞0.05），但对表面温度、脂肪损失、总烹饪损失和收缩率等烹饪性能及产品质量指标产生了显著影响。这些变化会进一步影响产品质构和消费者感知。此外，脂肪含量较高的汉堡肉饼表现出较低的硬度、内聚性、胶黏性和咀嚼性。该模型成功预测了上述趋势，表明其能够捕捉脂肪含量所产生的非热学效应；模型生成的数据还可用于训练、验证和测试一个简单神经网络，以预测不同水分、脂肪和蛋白质组成汉堡肉饼在烹饪过程中的脂肪损失。
-
从机器学习到神经影像：风味预测与识别技术综述
查看原文
2026
Food Research International
中科院一区JCR一区
Jingtao Wang, Shan Wang, Dongliang Li, Wu Fan, Zhongwang Jiang, Jiabao Zhang, Qingzhao Shi, Qidong Zhang & Guobi Chai
计算机标签
机器学习/统计学习 深度学习食品标签
特征风味 感官评价与方法学 消费者偏好与接受度风味科学正经历一场范式转变，从传统的描述性研究转向预测性与机制性科学。以往综述多聚焦于单一技术突破，而本文则通过整合一套多尺度研究框架——从分子水平预测到中枢神经系统解读——提供了独特的系统性视角。本文首先阐述了人工智能与计算模拟如何通过构效关系建模和配体-受体相互作用建模，彻底革新风味化合物的计算机虚拟预测。同时，详述了基于功能性嗅觉/味觉受体构建的生物传感器，如何在仿生界面为风味识别提供前所未有的客观性。尤为关键的是，本文强调了神经影像技术（脑电图、功能磁共振成像）在直接解码大脑对风味的整合感知反应中的不可或缺作用——而这正是感官体验的最终评判标准。通过将这些进展整合成一条连贯的“从分子到大脑”研究路径，本文不仅为风味科学的未来发展指明方向，还为该领域提出了统一框架，凸显了这种整合思路在指导食品理性设计、推动产业创新中的关键作用。
-
使用CNN-LSTM混合模型对红薯淀粉中玉米掺假进行定量分析
查看原文
2026
Food Chemistry
中科院一区JCR一区
Hongyi Ge, Xuye Yuan, Heng Wang, Keke Jia, Yuying Jiang, Chunyan Guo, Wenhui Zhou, Yuan Zhang, Wenyue Cao, Yitong Zhou, Tianzhi Zhang, & Xinxin Liu
计算机标签
卷积神经网络 循环神经网络 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱食品标签
玉米 其他根茎类 碳水化合物配料 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 碳水化合物与糖类淀粉作为主要的储存碳水化合物，是人类饮食中的重要能量来源。由于外观相似，不同类型的淀粉在视觉上往往难以区分。传统的淀粉检测方法存在多种局限性，如准确性低、预处理过程复杂以及样品损坏。因此，为实现淀粉掺假快速而准确的定量，采用了太赫兹时域光谱（THz-TDS）技术。首先，从一系列掺假样品中获取时域光谱数据。然后，应用四种预处理方法对原始光谱进行处理。使用完整光谱和SPA选择的光谱特征作为输入，开发传统回归模型，以及基于混合卷积神经网络与长短期记忆网络（CNN-LSTM）的深度学习模型。结果表明，CNN-LSTM 模型取得了最佳性能（Rp = 0.9765，RMSEP = 4.85%），表明其在淀粉质量快速无损监测方面具有潜力。
-
使用多层感知器人工神经网络对食品系统中单核细胞增生李斯特菌、无害李斯特菌和需氧腐败菌生长的稳健预测
查看原文
2026
International Journal of Food Microbiology
中科院一区JCR一区
Mônica da Silveira Treme, Wagner Augusto Müller, Morgana Kronbauer, Sandro Binsfeld Ferreira, & Suse Botelho da Silva
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
微生物安全 货架期预测与品质劣变动力学 微生物计数与生长曲线腐败微生物和致病细菌会对食品安全和稳定性产生负面影响，导致潜在的健康风险和经济损失。预测性微生物学是预测食品基质中微生物行为的重要工具，而监督机器学习在处理复杂数据集（例如，多变量和非线性关系）方面表现出有效性。本研究旨在利用人工神经网络开发一个针对单核细胞增殖李斯特菌（Listeria monocytogenes）、无害李斯特菌（Listeria innocua）及好氧腐败菌在食品及培养基中的生长预测模型。模型开发涉及将多层感知器算法应用于从ComBase平台获取的数据集。我们评估了不同的模型，以了解数据集大小、附加输入变量、食品基质数据和微生物数据对模型性能的影响。实验数据也用于模型验证。结果显示所有模型的统计指标均良好（𝑅² = [0.847-0.929]，𝑅𝑀𝑆𝐸 = [0.55-0.852]，𝐵𝑓 = [1.002-1.011]，𝐴𝑓 = [1.071-1.108]），表明所提出方法在预期应用中的有效性。此外，使用实验数据对牛肉中总好氧腐败菌的生长进行模型验证，证明该模型能够准确描述微生物生长动力学。这些发现强调了多层感知器模型在预测各种食品基质和培养基中微生物生长的潜力，表现出稳健的性能和良好的泛化能力。
-
环介导等温扩增在主动检测水产品欺诈中的视觉检测方法的系统综述
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Xiong Xiong, Yan Guo, Tianlong Wang, Hongwei Song, & Ying Yang
计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据 文本/知识库/法规数据食品标签
鱼肉 其他安全问题 光谱/色谱/质谱等分析方法由于全球掺假和标签错误的趋势上升，水产品物种的鉴别成为一个重大问题，这对经济、环境甚至公共健康都有显著且令人担忧的影响。环介导等温扩增（LAMP）由于其快速的周转和简化的等温操作条件，正成为水产品鉴别的一种有前景的方法。尽管传统LAMP结果解释方法的准确性较高，但它们通常耗时且劳动强度大，需要使用复杂的分析仪器和熟练的技术人员。相反，可视化检测由于其简单、经济、便携且适合现场检测的优点而具有优势。在本综述中，我们总结了视觉LAMP检测的最新进展，重点介绍了利用金属离子与焦磷酸离子之间配位化学的检测技术创新。我们还介绍了使用基于智能手机分析pH敏感指示剂进行定性和定量检测的各种策略。此外，还分析了基于扩增产物的方法，包括依赖序列和非依赖序列的方法。基于当前技术发展的状况，我们最后提出了若干对未来研究方向的关键建议，以加速这些技术在水产品鉴定中的广泛应用和实际实施。
