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 108 条结果
-
公平的化学感官数据：为风味、食品和健康解锁人工智能
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Valentina Parma, Joel D. Mainland, Liang-Dar Hwang, Richard J. Kedziora, Nicolas Pineau, Richard C. Gerkin, & Masha Y. Niv
计算机标签
模型可解释性 定量预测/回归分析 质构/流变/感官数据食品标签
特征风味 感官科学与消费者研究 标准/法规/数据库分析尽管感官化学科学与食品选择与消费、营养、食品安全及公共健康密切相关，但在数据共享、标准化和基础设施建设方面，其发展落后于其他科学领域。这一差距带来了实际后果：缺乏（共享的）数据以及数据集的分散，阻碍了累积性进展，妨碍了跨组织验证，并限制了有可能彻底改变食品与消费者科学、个性化营养、临床诊断等领域的预测模型的发展。近年来，通过人工智能算法的进步与大规模、高质量且组织良好的数据结合，出现了突破性科学成果。没有这一基础，化学感觉领域可能会进一步落后，无法利用正在革新蛋白质结构预测、药物发现、基因组解析、医学诊断及其他领域的人工智能变革潜力。在本评论中，我们强调其他领域的一些鼓舞人心的示例，认可化学感觉数据组织工作的前沿现状，并概述在化学感觉科学中采用可查找（Findable）、可获取（Accessible）、可互操作（Interoperable）和可重用（Reusable）（FAIR）原则的步骤。最后，我们设想适合与工业开展保密协作的联邦学习场景，并邀请通过 Zenodo 上的"ChemoSensoryData"社区分享已经发表的学术研究的原始数据。
-
利用机器学习支持的代谢组学通过UHPLC-Q-TOF-MS/MS和SHAP解释对金银花进行地理来源鉴定
查看原文
2026
Food Chemistry
中科院一区JCR一区
Qing Xue, Bingjie Zhu, Zheng Li, Yu Tang, & Yi Wang
计算机标签
梯度提升决策树 模型可解释性 分类/鉴别/等级评定 组学数据 中等规模数据集食品标签
其他果蔬制品/植物类 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 代谢组学地理可追溯性对于确保食品和药用植物的真实性和质量至关重要。忍冬（Lonicera japonica Thunb.，金银花，JYH）因其药理和营养价值被广泛消费，但其质量高度依赖产地且容易被掺假。在本研究中，我们将基于超高效液相色谱-四极杆飞行时间串联质谱（UHPLC-Q-TOF-MS/MS）的代谢组学与机器学习相结合，实现对来自八个产地的JYH的精确鉴定。通过分子网络进行的代谢组分析对156个分析样品进行了特征描述，并注释了136种代谢物。在测试的13个模型中，CatBoost表现最佳（AUC = 0.99）。Shapley加性解释（SHAP）分析实现了分类特征的全局和局部解释。精炼的多标记物筛选鉴定出七种关键的判别标记化合物，保持了高准确性（0.87，AUC = 0.99），并显示出明显的来源相关丰度模式。这个可转移且可解释的工作流程为决明子溯源和质量控制提供了稳健的解决方案，并为其他药食同源产品的真实性验证提供了可借鉴的模式。
-
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。
-
基于 β-环糊精辅助共色和机器学习的高稳定性比色水凝胶指示剂用于猪肉新鲜度实时监测
查看原文
2026
Food Control
中科院一区JCR一区
Xiaoxue Han, Shuaibo Zhang, Junping Yin, Shasha Zhang, Muhammad Waqas, Yuye Zhong, Xianwen Ke, & Xinghai Liu
计算机标签
深度学习 模型可解释性 分类/鉴别/等级评定 红外/拉曼光谱数据 质构/流变/感官数据食品标签
生物基/可降解材料 食品安全与风险评估 质构与流变性质 光谱/色谱/质谱等分析方法 常规理化指标测定 花青素与类胡萝卜素对可持续食品安全方案的需求不断增长，推动了无损、实时监测技术的发展，以减少食品腐败造成的浪费。本研究将柠檬酸共色的黑枸杞花青素引入由羧甲基纤维素、β-环糊精和聚乙烯醇组成的可降解基质中，制备出高稳定性水凝胶比色指示剂。与单独使用黑枸杞花青素相比，柠檬酸共色和 β-环糊精包埋构成的双重稳定策略协同提高了花青素结构稳定性。柠檬酸与花青素之间的氢键作用使其在 pH 2 和 pH 3 下的吸光度分别提高 1.88 倍和 1.67 倍；FT-IR 和 UV-Vis 光谱证实了花青素-β-环糊精包合物的形成。所得水凝胶具有良好的机械性能，压缩强度为 130 kPa；其对 pH 和氨具有明显颜色响应，ΔE > 40，并能在 7 min 内快速响应挥发性胺，通过玫红、黄色和绿色等清晰颜色变化实现猪肉新鲜度实时监测。在此基础上，研究采用 VGG-16 深度学习模型进行腐败分类，准确率达到 95.4%，有效降低了人工目视判读的差异。该工作将先进材料设计与人工智能结合，为供应链中食品品质的精准实时监测提供了一种便携、简单且易制备的工具。
-
人工智能在食品功能多糖中的应用：过程优化、结构-功能解析与理性设计
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Zhen Cao, Ting Chen, Jiayan Xie, & Jianhua Xie
计算机标签
模型可解释性 设计/生成与推荐 红外/拉曼光谱数据 组学数据食品标签
复合/即食/餐饮食品 肠道健康与微生物相关功能 过程优化与控制策略 光谱/色谱/质谱等分析方法 发酵工艺与动力学 碳水化合物与糖类功能多糖广泛用作食品配料，但其结构高度异质、结构-功能关系不清晰以及试错式生产流程效率低，限制了进一步应用。本文综合阐述 AI 如何重塑面向食品级配料和配方的功能多糖研究，并将近期进展组织为三个阶段：第一是效率放大，机器学习模型可改进提取和发酵优化，并在结合光谱指纹时实现快速分析；第二是机制信息驱动的假设生成，深度 QSAR、图学习和可解释建模开始揭示结构基序与功能性质之间的定量联系，包括与健康相关的微生物组介导效应；第三是设计辅助，AI 支持以精准导向方式开展多糖工程和配方设计，以实现目标食品功能。通过连接计算进展与实验验证，本文为多糖发现提供了整体路线图，并讨论了数据稀缺与标准化、模型泛化性与可解释性、监管接受度等转化障碍，提出 AI 指导多糖发现和应用的实践策略。
