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 339 条结果
-
鲜味肽的计算发现：从基于序列的智能模型到结构–功能机制解析
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
Xiaolong Li, Xinwei Luo, Sijia Xie, Yijie Wei, Feitong Hong, Yuqing Jiang, Xinrui Zhong, Xueqin Xie, Caiyi Ma, Yuduo Hao, Fuying Dao, Kun Yang, Hao Lin, Hongyan Lai, & Hao Lyu
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 设计/生成与推荐 文本/知识库/法规数据 多模态/融合数据 合成/仿真数据为主食品标签
特征风味 营养与生物功能 光谱/色谱/质谱等分析方法 蛋白质与氨基酸鲜味肽是一类天然存在的生物活性肽，具有独特的鲜味特征，并在食品工业中展现出良好的应用前景。然而，基于感官评价、色谱和质谱的传统鉴定方法通常耗时、成本较高且通量较低。近年来，人工智能的发展为鲜味肽的大规模高效筛选提供了计算框架。本文综述人工智能驱动的鲜味肽预测以及分子对接所揭示的结构–功能机制方面的最新进展，系统介绍现有鲜味肽数据库、特征表示策略和前沿人工智能模型，包括机器学习、深度学习及多模型融合方法。此外，文章讨论了利用分子对接阐明鲜味肽与味觉受体，尤其是T1R1/T1R3受体之间相互作用的相关研究，为鲜味肽的理性设计提供机制依据。最后，本文总结人工智能辅助鲜味肽研究目前面临的挑战并展望未来发展方向，为鲜味肽在食品工业中的智能化开发与应用提供指导。
-
用于榅桲果实酶促软化预测的可见/近红外光谱与化学计量学方法
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Reza Akbari, Tarahom Mesri Gundoshmian, Mohammad Tahmasebi, Mahsa S. Razavi, Irene Locatelli, & Silvia Grassi
计算机标签
深度学习 偏最小二乘法 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
新鲜水果 氧化、褐变等化学变化 加工与新加工技术 光谱/色谱/质谱等分析方法 传统统计分析与回归 多酚与黄酮褐变和软化是影响果实采后贮藏品质的关键生理过程，主要受多酚氧化酶（PPO）、过氧化物酶（POD）和果胶甲酯酶（PME）活性的影响。传统酶活测定耗时、成本高且需要化学试剂。为解决这些限制，本研究采用可见-近红外光谱结合先进回归建模，无损预测榅桲果实中 PPO、POD 和 PME 活性。研究建立了多元线性回归（MLR）、偏最小二乘回归（PLSR）和人工神经网络（ANN）模型。所有模型均提供可靠预测（R2 > 0.92，RPD > 2.8），表明该方法具有稳健性。为增强模型可解释性并降低计算复杂度，研究应用一种结合决策树优化和 11 种元启发式算法的新型混合变量选择方法，以识别最具信息量的波长。由学习自动机（LA）和森林优化算法（FOA）筛选的有效波长被用于提升回归算法性能。全光谱模型与基于有效波长的模型表现相当。全光谱模型具有更广泛的化学代表性和潜在更强稳健性，而基于有效波长的模型在降低维度、提升可解释性以及适用于实时或嵌入式传感应用方面具有明显优势。该方法可广泛用于其他水果商品酶促褐变和软化的在线质量控制与实时监测，有助于改善采后管理并减少食物损失。
-
一种机器视觉耦合比色电纺纳米纤维膜，用于猪肉的现场TVB-N预测和新鲜度分级
查看原文
2026
Food Control
中科院一区JCR一区
Tong Wan, Zhiran Liang, Fei Fan, Jingxuan Qiu, Caiyun Liu, & Xin Wang
计算机标签
深度学习 支持向量机 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据食品标签
畜肉 颜色与外观品质 货架期预测与品质劣变动力学 常规理化指标测定 花青素与类胡萝卜素本研究提出了一种机器视觉耦合比色电纺纳米纤维薄膜，用于现场监测猪肉新鲜度。由聚乙烯醇、壳聚糖、桑花青素和纳米ZnO通过静电纺丝制成的食品级薄膜，通过与猪肉表面直接接触，可在3分钟内快速评估新鲜度。优化的薄膜配方在变质过程中表现出从粉红色到蓝色的明显颜色转变，对应于临界新鲜度范围内的pH变化。通过与机器视觉和深度学习算法的集成，该系统使用EfficientNetB0使用支持向量回归和四级新鲜度分类（ 93 ％的准确率）实现了同时TVB-N预测（ R 2 = 0.87 ）。验证结果表明，该系统在实际猪肉样品中的可靠性，预测值和参考值之间具有极好的一致性。这种无损传感平台无需复杂操作即可有效运行，为肉类供应链中的实时质量监控提供了实用的解决方案。
-
AI 驱动设计用于黄瓜保鲜的百里香酚基复合膜
查看原文
2026
Food Packaging and Shelf Life
中科院一区JCR一区
Mi Li, Yuanchang Cao, Yunge Zhang, Jian Ju, Qingmin Chen & Yanli Ma
计算机标签
深度学习 定量预测/回归分析 质构/流变/感官数据食品标签
新鲜蔬菜 保鲜涂膜与保鲜剂 理化与结构表征针对传统活性食品包装研究中存在的活性化合物释放不可控、试错成本高、设计效率低等问题，本研究将深度学习引入活性包装设计，重点开展百里香酚基复合膜的精准设计及其在黄瓜保鲜中的应用研究。首先构建包含99个样本的数据集，涵盖9个输入变量和1个输出变量，采用含线性/非线性激活函数的4层全连接神经网络训练活性化合物“最小有效浓度”预测模型，模型决定系数R²达0.84，可解释84%的因变量变异。在本研究成膜条件下，模型预测百里香酚最小有效添加量为0.1245%（w/w），据此制备实际添加量0.2%–0.4%（w/w）的复合膜。结果表明，该类膜具有优异的力学、热学、阻隔、抗氧化及抗菌性能，其中0.4%百里香酚膜对大肠杆菌和金黄色葡萄球菌的抑菌量分别降低3个和2.5个对数值。将其应用于4℃条件下黄瓜15天保鲜，与未包装对照组相比，失重率降低35%，总色差降低26%，有效延缓硬度下降，调控过氧化物酶（POD）、超氧化物歧化酶（SOD）、过氧化氢酶（CAT）等氧化酶活性，保鲜效果显著提升。综上，本研究证实深度学习可实现活性包装组分的预测建模与优化，为活性食品包装提供标准化、高效的研发框架，具有广阔的工业应用前景。
-
基于机器学习和高光谱成像预测并可视化凡纳滨对虾中冷冻保护剂 L-脯氨酸的分布
查看原文
2026
Food Control
中科院一区JCR一区
Yejun Zhang, Jianan Sun, Jiao Li, & Xiangzhao Mao
计算机标签
深度学习 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
甲壳类 品质、结构与理化性质 冷藏与冷冻保藏 显微与成像技术冷冻保护剂对凡纳滨对虾低温保藏十分重要，其在虾肉中的渗透程度直接关系到冷冻保护效果。然而，传统冷冻保护剂检测方法通常具有破坏性、耗时且不适合实时应用。为解决这一问题，本研究提出一种结合高光谱成像（370-1030 nm）与机器学习的无损方法，用于快速定量并空间可视化去壳虾中冷冻保护剂 L-脯氨酸。研究通过不同预处理方法、特征提取技术和算法构建并比较了 300 个预测模型。最优模型 F-SG-1st-IFS-BP-ANN 在预测集上取得 R2 = 0.98、RMSE = 0.42 mg/g、RPD = 8.06 的表现，训练和预测时间分别为 0.59 s 和 0.0001 s。基于该模型，研究清晰可视化了虾肉内部脯氨酸分布，并能准确区分浓度梯度。该工作展示了一种监测冷冻保护剂扩散的高效新策略，可为冷冻虾制品生产过程优化和在线质量控制提供支持。
