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
-
未来预制食品的AI加工：进展与展望
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据 高光谱/多光谱光谱食品标签
预制菜/即食菜肴 加工与新加工技术 过程控制与数字化 生产管理与数字化工厂近年来，在现代生活快节奏和消费者对方便性需求日益增长的推动下，预制食品行业发展迅速。由于其易于储存、运输和操作，预制食品在现代餐饮业中扮演着越来越重要的角色。然而，其加工过程面临着若干挑战，包括劳动力短缺、分拣效率低下、清洗不充分、切割过程不安全以及缺乏行业标准。人工智能（AI）的发展将改变预制食品的加工方式。本综述总结了人工智能在预制食品分拣/分类、清洗、切割、预处理和冷冻等方面的应用进展与前景，涵盖数学模型、化学计量学、机器学习、模糊逻辑和自适应神经模糊推理系统等技术。例如，基于计算机视觉的人工智能分拣系统提高了原料分类的准确性，而清洗过程中的深度学习模型结合高光谱成像技术增强了对微生物污染的检测能力。尽管面临管理大规模数据和复杂模型等挑战，人工智能已显示出激发行业实践和研究的巨大潜力。人工智能应用可以提高预制食品加工的效率、准确性和一致性，同时降低劳动力成本、改善卫生监测、减少资源浪费并降低环境影响。此外，人工智能驱动的资源优化已显示出其在降低能耗和促进可持续食品生产实践方面的潜力。未来，人工智能技术有望进一步提高模型的泛化能力和操作精度，推动食品加工业向更智能、更可持续的方向发展。本研究提供了宝贵的见解，以鼓励在食品加工领域的人工智能应用和食品工业技术进步方面进行进一步的创新。
-
基于高光谱成像结合深度神经网络和支持向量机实现常见食源性病原体的高通量、快速、无损检测
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
深度学习 支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 高光谱/多光谱光谱食品标签
乳及乳制品 食品安全与风险评估 过程监测与在线检测 光谱/色谱/质谱等分析方法蜡样芽孢杆菌、金黄色葡萄球菌和大肠杆菌等食源性病原体是全球胃肠疾病的主要原因，并经常污染乳制品。与核酸检测和MALDI-TOF MS相比，高光谱成像（HSI）具有多波段、快速、损伤小、非接触和无损检测等优势。然而，当前的HSI方法需要琼脂平板培养，这既耗时又费力。本研究首次使用24孔板中的细菌肉汤来收集HSI光谱，并结合机器学习进行增强的特征提取和分类。通过数据增强以及主成分分析（PCA）和线性判别分析（LDA）进行降维后，深度神经网络和支持向量机（DNN-SVM）在分类蜡样芽孢杆菌、大肠杆菌和金黄色葡萄球菌时，在训练集上达到了100%的预测准确率，测试集上达到98.31%，验证集上达到93.33%。因此，开发了一种高通量、快速、无损的检测方法，预计可在十分钟内检测24个细菌肉汤样品。这表明HSI有潜力作为一种可行、稳健且无损的解决方案，用于食品中微生物病原体的实时监测。
-
用于解码气味剂结构-咸味增强与香气感知机制的计算方法：从机器学习到分子模拟
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
智能手机/其他 模型可解释性 定量预测/回归分析 时序传感器/物联网数据食品标签
食品添加剂与配料 营养与生物功能 统计建模与仿真 其他植物化学物质结构-咸味增强之间的关系尚不明确，限制了风味气味剂的发展和应用。本研究通过机器学习、分子对接和定点突变模拟，研究了风味气味剂的结构特征与咸味增强感知（SEP）的机制。基于结构的XGBoost模型（R2 = 0.96）对气味剂的最大咸味增强能力表现出更好的预测性能。利用Shapley加性解释（SHAP）分析了气味剂中对SEP有贡献的重要特征。结果表明，苯基和醛基对SEP有显著的积极贡献，其SHAP值分别为+2.94和+0.74。分子对接和定点突变模拟阐明了风味气味剂与嗅觉受体之间的相互作用区域、作用力和关键位点。结果显示，TM3、TM5和TM6是风味气味剂优先与OR1A1和OR1D2结合的主要相互作用区域，从而产生特征香气。氢键和疏水相互作用是关键的驱动力。OR1A1的Phe203、Asn109和Asn155是参与和风味气味剂相互作用的部分重要残基。这些发现为风味气味剂提供了一种快速筛选方法，并揭示了其SEP机制，为在食品工业中应用气味诱导减盐提供了理论指导。
-
机器学习发现青稞蛋白中抑制血管紧张素转化酶的新型降压肽
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
智能手机/其他 定量预测/回归分析 组学数据食品标签
其他谷物与块根 营养与生物功能 维生素高血压是一个全球性的重大健康问题，迫切需要从天然来源开发新的降压药物。本研究旨在从食物来源的生物活性肽中，特别是青稞蛋白中，鉴定新型的血管紧张素转化酶（ACE）抑制剂，以弥补高效天然ACE抑制剂的空白。本研究采用基于机器学习的分析流程结合肽组学技术筛选ACE抑制肽，在四种测试模型中表现最优的梯度提升决策树（GBDT）被用于预测来源于木瓜蛋白酶水解青稞蛋白的肽段的ACE抑制能力。通过计算机模拟和体外实验对筛选出的肽段进行了验证，其中FPRPFL被鉴定为最有效的ACE抑制剂（IC50 = 1.18 μM）。利用酶抑制动力学和消化稳定性模拟研究了其抑制模式和稳定性。通过圆二色光谱、分子对接和分子动力学模拟进一步分析了FPRPFL与ACE的结合模式和作用机制。网络药理学揭示了其多靶点、多途径的降压特性。机器学习与体外实验的结合能够实现生物活性肽的准确鉴定和其功能的全面分析，为阐明肽的作用机制建立了有价值的流程，并为天然ACE抑制剂的工业化规模生产奠定了坚实基础。
-
融合图像与光谱信息的红茶数字拼配优化策略
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
超参优化/自动机器学习 可见光/RGB/视频数据 红外/拉曼光谱数据 多模态/融合数据食品标签
茶/茶饮料 加工与新加工技术 品质、结构与理化性质 过程控制与数字化 显微与成像技术 光谱/色谱/质谱等分析方法筛选、拣选和拼配是精制茶的三大加工程序。其中，拼配是改善茶叶外观和风味的关键步骤，并能够大批量提供标准化的茶叶产品。传统上，茶叶拼配由经验丰富的拼配师根据每种毛茶的感官审评结果进行。在本研究中，机器视觉用于获取金毫、色泽和条索作为主要的图像信息。近红外光谱用于分析茶叶中的各种成分以评估茶汤滋味。然后，将图像信息和光谱信息输入红茶数字拼配模型，实现红茶的数字化拼配，并通过专业审评验证结果。研究选择了GDE3、NSGAII和NSGAIII算法，将茶叶拼配问题转化为一个同时考虑成本和品质的多目标优化问题。GDE3算法的收敛速度和收敛程度均优于其他两种算法。本研究表明，红茶的数字拼配为茶叶标准化提供了一种新颖而有效的方法。
