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 393 条结果
-
利用机器学习和深度迁移学习融合高光谱与RGB数据估算小麦蛋白质和面团流变学特性
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
Shaohua Zhang, Qianya Cheng, Tiantian Wang, Changjun Dai, Jichun Tian, Wei Feng, Chenyang Wang, Tiancai Guo, & Li He
计算机标签
深度学习 偏最小二乘法 梯度提升决策树 迁移学习/领域自适应 特征工程与选择策略 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱 可见光/RGB/视频数据 质构/流变/感官数据食品标签
小麦 品质、结构与理化性质 质构与流变性质 显微与成像技术 常规理化指标测定 蛋白质与氨基酸快速、无损估算小麦蛋白质特性和面团流变学特征，对于保障加工品质、食品安全和品种分类具有重要意义。本研究建立了一个融合高光谱和红绿蓝（RGB）数据的多源遥感框架。研究提取小波特征（WFs）和颜色指数（CIs），并采用Pearson相关分析结合连续投影算法—方差膨胀因子法（SPA-VIF）进行特征选择，随后使用偏最小二乘回归（PLSR）、极端梯度提升（XGBoost）和基于注意力机制的多任务学习模型（MTL-AM）预测小麦蛋白质及流变学性状。结果表明，小波特征与RGB图像的融合显著提高了模型预测精度，XGBoost和MTL-AM的估算性能显著优于PLSR。为进一步提高粉质仪质量数（FQN）的估算精度，组合式MTL-AM—XGBoost模型取得了最高精度，其R²为0.982、RMSE为8.975、MAE为7.087、RPD为6.077。本研究为小麦功能品质的无损、高通量监测提供了一种有效的技术方案。
-
基于多糖并借助机器学习用于鱼类新鲜度监测的花青素负载双层薄膜
查看原文
2026
Food Chemistry
中科院一区JCR一区
Katarina S. Postolović, Ivana D. Radojević, & Zorka D. Stanić
计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据 质构/流变/感官数据食品标签
鱼肉 货架期预测与品质劣变动力学 抗氧化/抗炎等功能 智能/指示型包装 包装系统中的监测与标签应用 常规理化指标测定 花青素与类胡萝卜素已经开发出一种用于监测和保持食品新鲜度的新型多功能包装。制备了基于多糖并掺入红卷心菜花青素的双层薄膜。花青素被包封在基于κ-卡拉胶或海藻酸盐水凝胶的内层，而壳聚糖水凝胶被用作保护外层。卡拉胶-花青素-壳聚糖薄膜表现出均匀性以及快速的pH值和氨气响应。该薄膜显示出显著的抗菌活性和优异的抗氧化活性（87%）。为了利用机器学习模型建立薄膜颜色与鱼类新鲜度之间的定量关系，将薄膜暴露于不同浓度的氨气，并记录相应的颜色响应。人工神经网络表现最佳，获得了0.984的R²得分。最后，在4摄氏度下对鳟鱼片的储存进行了为期12天的监测。结果证实了双层薄膜的优异潜力，这种薄膜可以结合机器学习模型，有效地应用于食品安全监测。
-
使用共聚焦拉曼显微镜结合机器学习区分混合奶酪中的植物蛋白和乳蛋白及其相互作用
查看原文
2026
Food Chemistry
中科院一区JCR一区
Di Lu, Cushla McGoverin, Debashree Roy, Alejandra Acevedo-Fani, Harjinder Singh, Mark Waterland, Yi Zheng, & Aiqian Ye
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
奶酪 蛋白质配料 微观结构与成像 显微与成像技术 光谱/色谱/质谱等分析方法 蛋白质与氨基酸对植物性替代乳蛋白需求的增加促使了混合加工奶酪类制品（HPCAs）的开发，这类制品将植物蛋白与酪蛋白结合。然而，它们复杂的微观结构和分子相互作用仍知之甚少。本研究将共聚焦拉曼光谱与先进的机器学习相结合，对含有绿豆蛋白分离物（MPI）或大麻蛋白分离物（HPI）与酪蛋白的HPCAs进行了高分辨率空间映射和分子表征。这种整合有助于区分蛋白质来源并阐明结构变化。酪蛋白的添加改变了HPI的结构，促进了结构无序、二硫键重排，并使酪氨酸二重峰比从HPI100的4.5急剧下降到HPI50的1.2。相反，酪蛋白与MPI的相互作用导致了微观结构的分离和β-折叠含量的变化（从MPI100中的53%降至MPI30中的20%）。这种综合方法代表了分析复杂食品系统中蛋白质结构和相互作用的一个有力工具。
-
用于食品质量检测的微流控传感器：近期综述
查看原文
2026
Food Control
中科院一区JCR一区
S.R. Priyadharshini, S. Sujith, Pattapu Divya, & C.K. Sunil
计算机标签
智能手机/其他 小样本学习 分类/鉴别/等级评定 可见光/RGB/视频数据 时序传感器/物联网数据食品标签
生物基/可降解材料 化学污染物 过敏原与毒性问题 标准/法规/数据库分析 其他特殊成分食品污染物的快速、准确和现场检测对食品质量与安全至关重要，而传统方法通常复杂、昂贵且耗时。本文综述了用于食品质量检测的微流控传感器近期进展。文章介绍了微流控系统如何将样品制备、反应、检测和分析集成到紧凑的芯片实验室平台中，从而以较小样品体积实现快速响应。综述涵盖光学、电化学、压电、磁性、磁弹性、质量型、智能手机集成和纸基微流控传感器，并讨论其原理、材料、检测灵敏度和实际应用。目标分析物包括食源性病原体、毒素、过敏原、农药、重金属、掺假物和其他化学残留。近期进展包括纳米材料集成检测、智能手机摄像头或应用读数、多重检测、基于人工智能和机器学习的分析、云端或物联网连接，以及可降解纸基器件。文章同时指出真实食品基质干扰、标准化与重复性、传感器和试剂稳定性、规模化制造、材料可持续性和商业转化等主要挑战。综述认为，智能、可持续和物联网赋能的微流控平台可支持加工、零售和供应链场景中的分散式快速可靠食品安全监测。
-
碰伤诱导成熟过程中猕猴桃的理化、微观结构及可见/近红外光学特性
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Youhua Bu, Shuai Li, Mingzhuang Lin, Chengxu Gong, Rui Wang, & Wenchuan Guo
计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
新鲜水果 颜色与外观品质 微观结构与成像 光谱/色谱/质谱等分析方法 显微与成像技术 碳水化合物与糖类为揭示机械碰伤对猕猴桃采后成熟过程中品质劣变和光学特性的影响，本研究分析了三种不同果肉类型猕猴桃碰伤后的理化指标、微观结构和光学特性变化。结果表明，碰伤猕猴桃在后熟过程中颜色变化和软化速率加快，pH 和可溶性固形物含量升高，水分含量和硬度下降。扫描电子显微镜观察显示，健康果肉组织致密且细胞完整，而碰伤导致细胞塌陷、细胞壁破裂和细胞间隙扩大。计算机断层成像分析还显示，碰伤组织孔隙率增加，平均体素灰度值下降。光学特性分析表明，吸收系数和约化散射系数均随成熟降低。其中，吸收系数在 680 nm 和 970 nm 对碰伤高度敏感，而约化散射系数在近红外区域对组织水分和结构变化响应强烈。相关性分析表明，吸收系数与 pH 和 SSC 正相关，与硬度和水分含量负相关；约化散射系数则与硬度和水分含量正相关。基于光学特性的偏最小二乘判别分析（PLS-DA）模型在三种品种中识别碰伤猕猴桃的准确率超过 80%。本研究揭示了猕猴桃后熟过程中光学特性、理化性质和微观结构变化，为后续猕猴桃隐性碰伤无损光学检测提供理论基础。
