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
-
食品风味分析的数据挖掘进展：技术、应用与未来方向的全面综述
查看原文
2026
Journal of Future Foods
中科院一区JCR一区
Qihan Wu, Jiawen Yuan, Jie Zhou, Shuai Yu, Xing Xin, Jin Liu & Xiaohui Cui
计算机标签
机器学习/统计学习 深度学习 大模型与 LLM 知识抽取与语义理解 组学数据 文本/知识库/法规数据 多模态/融合数据 公开数据集食品标签
风味组学在食品风味研究领域，存在大量源自风味组学、专业数据库以及社交媒体的结构化与非结构化数据。为从各类异构数据源中高效提取有价值信息并推动其合理应用，学界已开展大量数据挖掘相关研究。本文系统梳理了数据挖掘技术在食品风味领域的应用现状，归纳了多种多元数据处理方案。文章梳理了当前风味组学领域的各类研究成果，介绍了可解决数据集样本量小、人工数据整理流程繁琐等难题的数据预处理方法。此外，本文总结了依托人工智能与大语言模型搭建的新型技术手段，阐释了其在风味分子预测、配方研发方面的应用前景。最后，本文探讨了数据挖掘技术应用于风味研究所面临的挑战与发展机遇。
-
用于评估食品系统中抗氧化活性的人工智能驱动振动光谱方法
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Rili Zha, Fangchen Ding, Julio Nogales-Bueno, María José Jara-Palacios, Berta Baca-Bocanegra, & Dolores Hernanz
计算机标签
深度学习 智能手机/其他 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱食品标签
抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 显微与成像技术 植物化学/生物活性成分背景：食品系统中含有多种生物活性化合物，这些化合物对人类健康具有有益作用，其中抗氧化活性（AA）在缓解氧化应激相关疾病中起着关键作用。用于评估AA的传统分析方法通常劳动密集、破坏性强，并且不适合高通量或大规模评估，而人工智能增强的振动光谱技术能够在各种食品基质中快速、无破坏性且可持续地评估AA。范围与方法：本文系统总结了近红外和中红外光谱、拉曼光谱及高光谱成像等有前景的振动光谱技术的原理、应用及局限性，并回顾了其在食品AA预测方面的最新应用。值得注意的是，结合振动光谱、超参数优化、可解释人工智能、多模态数据融合和自动化机器学习的人工智能策略的进展，被用来提高氨基酸评估的准确性和可靠性。最后，本综述概述了面向大规模和实际AA感测的未来方向，强调端-边-云协作建模、区块链支持的电子标签，以及用于消费者级应用的便携式智能手机光谱仪。主要发现与结论：振动光谱与先进人工智能技术的结合，使在复杂食品系统中进行快速、无损和可扩展的氨基酸评估成为可能，弥合了实验室分析与实际应用之间的差距。基于深度学习的光谱优化、数据融合、可解释人工智能和自动化机器学习框架显著提高了模型的鲁棒性、可解释性和自动化水平。展望未来，端-边-云协作、区块链支持的可追溯性以及便携式智能手机光谱仪将支撑食品系统中大规模氨基酸预测，推动人工智能驱动的食品营养质量和功能价值评估。
-
结构光反射成像结合快速解调和深度学习用于不知火柑早期腐烂检测
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Qicheng Li, Wei Luo, Xin Li, Hailiang Zhang, Jinyang Li, & Jiangbo Li
计算机标签
图像分割网络 缺陷/异物检测与定位 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
新鲜水果 品质、结构与理化性质 显微与成像技术由指状青霉引起的腐烂是柑橘采后品质损失的主要原因之一。早期腐烂缺乏明显外部症状，使有效检测面临挑战。紫外诱导荧光成像能够检测具有强荧光信号的腐烂柑橘（如橙子），但其对某些无荧光响应的柑橘品种（如本研究中的不知火柑）适用性有限。结构光反射成像是检测水果表面缺陷的有前景方法。然而，传统三相移法通常需要采集 3 张相移图像，限制了成像和检测速度；此外，由于果实表面曲率，结构光图像解调后获得的振幅分量图像可能出现明显亮度不均，从而影响腐烂区域识别。为解决这些问题，本研究提出一种将结构光反射成像、快速解调和深度学习分割算法相结合的方法，用于检测早期腐烂不知火柑。研究在 0.25 cycles mm^-1 空间频率下采集 3 张相移图像，并分别使用传统三相移法和螺旋相位变换法恢复振幅分量图像。随后，分别采用全局阈值、分水岭分割和深度学习模型 DeeplabV3+ 分割腐烂区域。DeeplabV3+ 模型在二相 AC 图像（基于两张相移图像并使用 SPT 方法解调）上表现最佳，总体准确率为 99.27%，交并比为 0.812。结果表明，结构光反射成像结合快速解调和深度学习能够有效检测无荧光特征的腐烂柑橘，并为此类腐烂柑橘的快速检测提供可行方案和参考。
-
电化学传感器在蜂蜜掺假检测中的新兴应用
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
S.R. Priyadharshini, S. Sujith, Arunkumar Anandharaj, S. Shanmugasundaram, & Ashish Rawson
计算机标签
机器学习/统计学习 定量预测/回归分析 时序传感器/物联网数据食品标签
蜂蜜等天然糖 其他安全问题 光谱/色谱/质谱等分析方法背景：蜂蜜是一种天然存在的高粘度液体，富含营养物质、抗氧化剂，并具有抗菌特性等。蜂蜜掺假会降低其营养和治疗潜力，并带来经济和公共健康影响。范围和方法：在本综述中，我们讨论了电化学传感器（ES）作为检测蜂蜜掺假物的现代分析工具的应用，包括直接掺假如添加糖浆、人工添加剂，以及间接掺假如喂养蜜蜂糖类。与其他方法相比，电化学传感器使用简单、便携、性价比高，并能提供实时定量。主要发现和结论：本工作强调了传感器开发的几种策略，包括安培法、电位法、电阻法和电位测量传感器。它还描述了利用纳米材料、聚合物、酶和抗体修饰、表面功能化技术以及分子印迹聚合物开发新型电极的新机会。文中提供了智能电化学平台的示例，这些平台结合了人工智能（AI）、物联网（IoT）和深度学习，用于可能的现场及精准蜂蜜真伪检测。文章重点介绍了当前的挑战、新兴方向以及未来潜在研究的路线图，目标是建立可靠、可扩展的电化学解决方案以监测蜂蜜质量。
-
利用大型语言模型维护品牌食品产品数据库
查看原文
2026
npj Science of Food
中科院一区JCR一区
Pascal Hauff, Carolin Krems, & Jan Kohl
计算机标签
大语言模型 知识抽取与语义理解 公开数据集 文本/知识库/法规数据食品标签
营养与生物功能 标准/法规/数据库分析 食品成分/消费数据库分析品牌食品数据对于评估当代饮食行为和全球食品环境至关重要。然而，由于其庞大、快速变化的特性、质量不一以及来源繁多，处理此类数据具有挑战性。为了解决这些限制，我们开发了一个由大型语言模型（LLM）驱动的全自动化数据处理流程，用于收集、标准化和丰富品牌食品数据，实现成分级分析，并促进成分数量和未申报营养成分的估算。对LLM性能的评估表明，经过微调的模型在解析和映射产品数据方面优于人类专家。未经过微调的LLM表现不足，而即使是少量的微调数据也能显著改善结果。总体而言，LLM 提供了一种可扩展的方法来处理品牌食品数据，并支持更一致和标准化的数据整理，其性能超过了单个人工专家的水平。这些结果凸显了 LLM 在改变复杂大规模食品数据库的管理和分析方面的潜力。
