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 712 条结果
-
利用深度学习和光谱信息提升红花种子品种识别
查看原文
2026
Food Chemistry
中科院一区JCR一区
Hao Huang, Wen-Xia Li, Chao-Chuan Jia, Hui Yan, Shan-Yong Yi, Lei-Lei Gao, Cun-Wu Chen, Bang-Xing Han, & Fang Wang
计算机标签
卷积神经网络 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 红外/拉曼光谱数据食品标签
豆类与坚果（及籽类） 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法为了实现对红花籽的快速且无损的鉴定，构建了一种基于近红外光谱（NIRS）结合化学计量学方法的定性鉴定模型，包括主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）、反向传播神经网络（BPNN）和卷积神经网络（CNN）。结果：利用原始红花籽光谱结合BPNN的模型在品种区分中表现最佳，在训练集和测试集上均达到100%的预测准确率。将原始光谱与CNN结合的模型排名第二，预测准确率分别为100%和97.235%。将神经网络深度学习的强大能力与近红外光谱的固有优势协同整合，为红花种子种质鉴定建立了一个稳健的分析框架。这一方法在食品和医药领域作为溯源验证和质量监控的先进手段显示出巨大的潜力。
-
整合多模态数据融合以全面表征、抗氧化标志物发现及桔梗根地理来源追踪
查看原文
2026
Food Chemistry
中科院一区JCR一区
Yizheng Sun, Hongxu Zhang, Yifan Li, Xiangyang Liu, Shourong Wu, Hui Zhang, & Yong Jiang
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 多模态/融合数据 高光谱/多光谱光谱食品标签
其他果蔬制品/植物类 营养与生物功能 抗氧化/抗炎等功能 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法桔梗根（Platycodonis Radix，PR）是一种常见的功能性食品成分，其质量因产地和生长年限而异，增加了质量控制的难度。为了解决这一问题，我们整合了化学谱分析、抗氧化标志物识别的光谱效应分析，以及高光谱成像（HSI）和质谱（MS）数据的多模态数据融合，以建立稳健的评价框架。通过UPLC-Qtrap-MS/MS和UPLC-Triple-TOF-MS/MS共鉴定出206种化合物，其中140种通过计划MRM进行了半定量分析。对来自六个地区的样品进行了DPPH和ABTS抗氧化活性评估，并通过光谱效应分析识别出24种关键化合物用于定量。包含这24种定量抗氧化标志物、高光谱成像光谱和图像纹理的数据集通过中级数据融合进行了整合。一个堆叠集成模型达到了93.33%的准确率，精确度、召回率和F1分数均超过96%，性能优于单一模态模型。这种方法为PR及相关食品材料的化学特征分析、功能质量评估和地理可追溯性提供了一个稳健的框架。
-
基于蒙特卡罗的预测模型用于支持快餐薯条中丙烯酰胺风险缓解
查看原文
2026
Food Control
中科院一区JCR一区
Jamaludin Nur Hidayah, Ahmad Faizal Abdul Razis, Nuzul Noorahya Jambari, Chai Lay Ching, Lijun You, & Maimunah Sanny
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
马铃薯 植物油 化学污染物 过敏原与毒性问题 常规理化指标测定 标准/法规/数据库分析 其他特殊成分丙烯酰胺是一种可能的人类致癌物，可通过美拉德反应形成，仍是油炸马铃薯产品中的持续食品安全问题。尽管已有标准操作程序，现场观察显示快餐油炸操作仍存在显著差异，这些差异来自原料组成、油脂管理、温度、时间和人工决策。本研究开发并验证了一种基于多元线性回归的蒙特卡罗预测模型，用于利用部分快餐连锁店的实测数据量化细薯条中丙烯酰胺形成。模型在 @RISK 软件中运行，设置 10000 次迭代和 3 次重复，将真实操作变异纳入后生成概率预测，且与实测数据高度一致（Kolmogorov-Smirnov，p = 1.000）。与受控实验室条件下建立的模型不同，该方法反映了商业环境复杂性，因此更适合风险管理。敏感性分析确定葡萄糖含量、水分、油炸时间和温度是最有影响的变量。情景分析表明，将油炸温度保持在 170 °C 以下并将油炸时间限制在 3 min 以内，是影响大且可行的缓解措施。其他关于油脂类型、解冻方式和炸锅使用的情景也揭示了造成未解释变异的操作因素，为风险降低提供补充路径。该模型可在多种油炸实践中提供量化、情景化结果，使监管机构和行业利益相关方在实施前评估干预效果。虽然本文以薯条丙烯酰胺为例，但该框架可适用于其他化学危害和食品部门。
-
检测和量化牛奶中细菌金属蛋白酶AprX的技术：综述
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Aritra Sinha, & Alan L. Kelly
计算机标签
机器学习/统计学习 定量预测/回归分析 红外/拉曼光谱数据 时序传感器/物联网数据食品标签
液态乳 品质、结构与理化性质 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法 蛋白质与氨基酸由嗜冷假单胞菌属分泌的耐热金属蛋白酶AprX，是乳制品质量下降的主要原因，特别是超高温 (UHT) 牛奶。本文综述了AprX在牛奶中的检测和定量技术的发展及现状，包括传统的免疫学测定、酶活性测定和凝胶酶图法，以及现代分子方法，如基于PCR的方法、质谱分析和先进的生物传感器技术。高灵敏度系统，包括间接ELISA（检测限 21.0 ng/mL）、多重qPCR和生物传感器平台，提高了在低浓度下检测AprX活性的能力。比较分析从灵敏度、特异性、周转时间、成本、使用便捷性及工业适用性等方面评估了这些方法。本文还讨论了多组学整合、生物传感器微型化以及人工智能驱动的数据解读等新兴方向。通过对现有和新兴工具的批判性评估，本综述支持乳制品科学家和行业利益相关者选择最佳策略，以检测、监测和减轻牛奶及乳制品中与AprX相关的变质问题。
-
基于滤光片的短波红外成像结合机器学习用于榴莲果肉无损品质评价
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Surasak Promnioy, Kittisak Phetpan, Dimas Firmanda Al Riza, Sneha Sharma, Panmanas Sirisomboon, Anupun Terdwongworakul, Jetsada Posom, & Jeerayut Hongwiangjan
计算机标签
机器学习/统计学习 过程控制与实时优化 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
新鲜水果 品质、结构与理化性质 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 碳水化合物与糖类开发经济可负担的实时质量监测工具，对于榴莲等高价值热带水果的工业应用至关重要。本研究提出一种低成本短波红外多光谱成像系统，该系统采用 3 个离散带通滤光片（880、905 和 940 nm），并结合机器学习算法，用于鲜切榴莲果肉的无损评价。与传统点式近红外光谱和复杂高光谱成像系统相比，所提出的配置在保持对关键组成变化敏感性的同时，显著降低了系统复杂度和成本。该系统能够准确预测干物质含量和淀粉，表明 860-1100 nm 范围内有限的光谱信息可有效捕获与水分和碳水化合物相关的特征。这些结果证实，基于滤光片的短波红外成像可作为高光谱系统在在线水果质量评价中的一种实用且可扩展替代方案。在实践上，该方法能够快速、无损且具有空间适应性地评价榴莲果肉品质，对鲜切榴莲生产和包装过程中的现场分级、成熟度分类和过程控制具有重要潜力，尤其适合中小规模农产品加工者。
