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
-
利用拉曼光谱对牛奶/奶粉中掺假物和污染物的质量分析与检测
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
B. Sudarshan Acharya, Sreerag Nair, & Abdul Ajees Abdul Salam
计算机标签
深度学习 偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据 高光谱/多光谱光谱食品标签
液态乳 乳粉 其他安全问题 化学污染物 光谱/色谱/质谱等分析方法 显微与成像技术 其他特殊成分牛奶和奶粉是全球营养的重要组成部分，但仍容易受到掺假和污染的影响。通过添加水、尿素、硫酸铵、硫氰酸盐、洗涤剂、三聚氰胺，或通过乳清和碳水化合物填充物改变成分进行掺假，会破坏营养质量，降低消费者信心，并对监管控制构成挑战，尤其是在婴儿配方奶粉产品中。迫切需要一种适用于不同乳制品基质、快速、无损且能够监测多种掺假物的现场分析平台。本综述汇总了2015年至2025年初关于牛奶和奶粉鉴定的拉曼光谱学进展，包括传统拉曼光谱、表面增强拉曼光谱（SERS）、傅里叶变换拉曼、超光谱拉曼成像、共聚焦/映射方法及便携式系统。我们对预处理和化学计量学方法如主成分分析、偏最小二乘回归以及偏最小二乘判别分析，及用于分类和定量的机器学习和深度学习流程进行了批判性评估。我们比较了特定物种的应用，包括牛、水牛、山羊、骆驼、驴、人乳（大宗营养素、性别相关特征、微塑料、抗生素）以及奶粉流程，同时关注基质效应、荧光干扰和验证方法。拉曼光谱能够提供蛋白质、脂质和碳水化合物的化学特异性指纹，而常见掺假物则呈现诊断性峰位。表面增强拉曼散射(SERS)基底通常可将灵敏度扩展至ppm至ppb水平，并抑制荧光，从而支持三聚氰胺、尿素、硫酸铵、硫氰酸盐、苯甲酸盐及选定抗生素的快速检测。高光谱成像提供空间分辨的图谱，可区分多种掺假混合物及粉末的热结构行为。化学计量模型在分类和浓度预测上实现了高精度，而深度学习架构在非线性基质变化和仪器漂移下提高了鲁棒性。在基材重复性、校准传递、富脂系统中的荧光以及现场条件下对新兴掺假物和微量防腐剂的检测方面仍存在挑战。未来的进展将依赖于具有自适应激光功率控制的多激发仪器、结合等离子金属、介电壳和分子识别的通用SERS基材，以及标准操作规程。
-
果胶–多酚相互作用：相互作用机制、表征方法、功能与生物活性协同效应及人工智能视角的综合综述
查看原文
2026
Food Hydrocolloids
中科院一区JCR一区
Xuerou Kong, Jixiang Zhang, Hengyi Tang, Huanhuan Liu, Xin Jia, Lijun Yin, Qiaomei Zhu, & Qingbin Guo
计算机标签
机器学习/统计学习 深度学习食品标签
品质、结构与理化性质 营养与生物功能 抗氧化/抗炎等功能 肠道健康与微生物相关功能 光谱/色谱/质谱等分析方法 碳水化合物与糖类 多酚与黄酮果胶和多酚是植物体系中天然存在的生物活性分子，因其独特的结构和生物活性而受到广泛关注。二者可通过非共价作用和共价作用形成复合物，其相互作用受果胶结构、多酚类型、体系温度和pH等多种因素影响。果胶与多酚的相互作用能够显著增强其功能特性，例如改善果胶的凝胶性能、乳化性能和成膜能力，并可提高其生物活性，例如调节肠道菌群和增强抗氧化能力，从而对食品的加工特性、感官品质、营养功能和稳定性产生重要影响。本文综合阐述果胶–多酚的相互作用机制、先进表征技术，以及这种相互作用对所构建复合物功能特性和生物活性的影响；同时讨论人工智能在果胶–多酚复合物研究中的潜在应用，为此类复合物在食品加工中的有效利用提供理论基础和实践方向。
-
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。
-
比较机器学习策略以提高乳酸菌 PC4 发酵绿豆乳的抗氧化特性和香气质量
查看原文
2026
International Journal of Food Microbiology
中科院一区JCR一区
Ping Tang, Aliah Zannierah Mohsin, Nurul Hanisah Juhari, & Anis Shobirin Meor Hussin
计算机标签
深度学习 支持向量机 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据食品标签
豆类与坚果（及籽类） 其他酱腌/发酵食品 特征风味 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 发酵工艺与动力学本研究比较了最小二乘支持向量机（LSSVM）和人工神经网络（ANN）模型，并与 NSGA-II 算法结合，用于优化由植物乳杆菌 PC4 发酵绿豆乳。鉴于其优越的预测精度和泛化能力，LSSVM 被选为最终的多目标优化和实验验证模型。LSSVM 在预测精度和泛化能力上始终优于 ANN，尤其在数据不足的情况下，其所有响应的 R² 值均超过 0.97。通过 LSSVM 预测的最佳发酵条件（6.0 小时，37.0°C，接种量 1.99%）经过实验验证，显示在大多数参数上误差极小（< 5%）。GC-MS 分析证实，LSSVM-NSGA-II 优化的发酵条件有效抑制了异味醛（如己醛、壬醛），同时促进了有益挥发物的形成，包括 1-己醇、乙酰丁醇、酯类和芳香化合物。这些在抗氧化和香气特性上的针对性改进，凸显了这一数据驱动方法在提升植物基发酵饮料功能性和感官属性方面的有效性。
-
新鲜农产品青霉腐烂的无损诊断和早期预警系统：新兴技术综述
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Wenpeng Ma, Te Ma, Dongchao Ji, & Satoru Tsuchikawa
计算机标签
深度学习 模型可解释性 缺陷/异物检测与定位 多模态/融合数据 高光谱/多光谱光谱食品标签
新鲜水果 新鲜蔬菜 货架期预测与品质劣变动力学 过程监测与在线检测 光谱/色谱/质谱等分析方法 显微与成像技术背景：由青霉菌引起的收获后腐烂是全球粮食安全的主要威胁，对易腐作物造成了巨大的损失。传统的检测方法（人工检查、微生物培养、分子检测）具有主观性、耗时或破坏性，无法满足工业对快速、无损和在线监测的需求。传感器微型化、计算能力和深度学习的最新进展，使得无损检测（NDT）从单一缺陷识别发展为自适应学习的多模态感知系统。范围与方法：本综述系统地审查了食品供应链中用于早期青霉菌诊断的新兴无损检测技术。基于视觉/光学的方法（可见光-近红外光谱、超光谱/多光谱成像、结构光照明）与嗅觉传感（电子鼻、光学阵列传感器、指示气体监测）以及补充的物理方式（软X射线、电学特性、声学）一起进行了分析。综述跟踪了从实验室验证到工业应用的技术演变，强调了机械机理理解、算法创新和多模态融合策略。主要发现和结论：三类技术群已出现：（1）通过关键波段选择和结构光照明实现工程收敛的视觉/光学；（2）提供症状前优势但需解决漂移和跨域迁移问题的嗅觉/气体传感；（3）提供互补内部证据的物理/结构方式。定量证据表明，感染相关的变化最早可在接种后24小时被识别，报告的分类性能通常超过90%。关键的缺口包括早期阶段的标准化注释、跨批次验证以及可解释的机制建模。未来的工业应用需要一个协调的"传感-算法-工艺"框架，从高光谱验证过渡到可部署的多光谱/结构光系统，并建立分层的"预警-定位-复核"架构，以实现坚固、可追溯的青霉菌预警系统。
