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
-
基于多模态数据结合化学计量方法的地理标志保护黄酒分析与鉴别
查看原文
2026
Food Control
中科院一区JCR一区
Xiaodan Liu, Qiuwen Shan, Xianhao Ding, Chao Ji, Yonghui Yu, Huang Dai, Fuwei Pi, Jiahua Wang, & Ming Zhang
计算机标签
机器学习/统计学习 定量预测/回归分析 多模态/融合数据 时序传感器/物联网数据食品标签
酒精饮料 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质地理标志保护黄酒的研究和鉴别对于保护文化遗产、保障消费者权益和维护公平市场具有重要意义。本研究考察了 7 类 GIP 黄酒的游离氨基酸、电子感官特征和挥发性风味化合物，并基于这些特征及其数据融合建立了 6 种化学计量学分类模型。所有 GIP 黄酒中共测定 17 种游离氨基酸、28 个电子鼻特征、8 个电子舌特征和 48 种挥发性风味化合物；除电子鼻谱外，其含量在不同类别之间差异显著。尽管某些类别具有相似味觉和香气谱，基于中层数据融合的模型仍能完全区分所有类别。游离氨基酸与电子舌特征和挥发性化合物高度相关，表明其既是滋味贡献物，也是风味前体。该研究建立了一种用于 GIP 黄酒鉴别的新方法，并阐明了其风味的化学基础。
-
食品冷链被动温控策略与人工智能辅助设计的趋势
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Chi Hu, Xiao Huang, Mingyu Zhang, Zhijun Zhang, Xuanyu Chen, Tingting Huang, Qian Wang, & Chongxing Huang
计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主食品标签
冷藏与冷冻保藏 能耗/水耗与环境影响分析 过程优化与控制策略背景：粮食浪费问题威胁约8亿人，其中超过40%发生在粮食供应链中，而冷链控制被视为解决这一问题的关键方案。然而，食品行业多达35%的能源消耗用于仓储和运输过程中的制冷。在降低能源消耗的同时管理冷链温度，已成为食品行业面临的重大挑战。范围与方法：一些被动温度管理策略引起了学术界的关注，包括热绝缘、相变储能和辐射制冷（RC）。本综述旨在分析这三种策略的特征，系统总结其在食品冷链中的研究进展，并展望未来发展趋势，包括被动温控复合策略和人工智能（AI）辅助的趋势。主要发现和结论如下：保温策略（T策略）建立独立的热空间。相变储能策略（P策略）整合可重复使用的潜热储存单元。辐射制冷策略（R策略）将方法从提供冷能转向主动释放热能。在本综述中，总结研究进展并根据策略特征预测发展趋势是一个亮点。我们的目标是将策略特性与应用需求联系起来，以指导设计阶段。此外，复合温度控制策略由于其显著的协同效应而被深入讨论。最后，预计人工智能的辅助将优化材料性能，并为特定应用设计定制化解决方案。
-
人工神经网络驱动的栅栏处理建模用于红辣椒粉中肠沙门氏菌的有效灭活
查看原文
2026
Food Control
中科院一区JCR一区
Ansh Singh, Abhishek Kaushik, & Neetu Kumra Taneja
计算机标签
深度学习 定量预测/回归分析食品标签
其他果蔬制品/植物类 微生物安全 颜色与外观品质 常规理化指标测定红辣椒中的微生物污染是影响食品安全和国际贸易的全球性问题。本研究证明，通过联合 UV-C 辐照、红外加热和气态二氧化氯处理，并利用人工神经网络对工艺参数建模，可有效灭活红辣椒粉中的肠沙门氏菌。模型用于建立包含 UV-C、红外和二氧化氯熏蒸的顺序栅栏处理方案，以在保持颜色、抗氧化能力和辣椒素含量等品质参数的同时降低红辣椒粉中的沙门氏菌负荷。最优 ANN 架构表现出较高预测性能（R2 = 0.97，MSE = 0.003），有助于筛选有效处理组合。单独 UV-C 处理 120 min 或红外处理 20 min 可实现最大灭活（6 log10），但长时间暴露会造成可见颜色劣变。ANN 优化指导的栅栏方案，即 5 min 红外处理后接 15 min 二氧化氯和 15 min UV-C，在加标红辣椒粉中实现最高沙门氏菌降低量（6 log10），同时保留颜色、抗氧化能力和辣椒素含量等品质属性。该优化处理使 ROS 产生增加 6 倍，可能导致细胞死亡。优化处理下红辣椒粉品质参数保持稳定，但长时间红外暴露会降低 DPPH 自由基清除活性。结果表明，整合多层 ANN 的顺序栅栏处理可在维持产品品质的同时提升微生物安全性，为下一代食品安全处理策略提供基础。
-
定量描述分析与电子鼻结合机器学习方法快速预测消费者对切达奶酪的偏好
查看原文
2026
Journal of Dairy Science
中科院一区JCR一区
Ying Wang, Xinying Xu, Yadong Wang, Jian He, Ziyan Wu, Sharuna De, Xiaoyan Pei, Houxi Leng, & Bei Wang
计算机标签
支持向量机 K-近邻 定量预测/回归分析 时序传感器/物联网数据 质构/流变/感官数据食品标签
奶酪 特征风味 感官科学与消费者研究 问卷/市场与消费者研究 其他植物化学物质切达奶酪的消费者偏好受其香气特征的影响，香气是决定消费者接受度的关键感官属性。本研究创新性地将定量描述分析（QDA）与电子鼻（e-nose）技术相结合，系统地表征了中国市场上 27 种常见切达奶酪的风味特征。我们采用 QDA 对奶酪的六种气味属性进行评估，并利用电子鼻技术快速捕捉挥发性风味化合物。使用获取的 QDA 和电子鼻数据集，采用四种机器学习算法，即逻辑回归、高斯支持向量机、k 近邻和决策树，对中国消费者对切达奶酪的偏好进行分类和预测。该研究招募了152名消费者，他们根据偏好强度将自己的偏好分类为"喜欢""中性"和"不喜欢"。主成分分析显示，QDA和电子鼻数据的前两个主成分累计分别解释了总方差的58.5%和84.3%。在使用全特征集时，四种机器学习模型的分类准确率分别为87.5%、87.5%、75.0%和81.2%。在特征优化（排除QDA指标）后，模型性能显著提高，准确率分别达到87.5%、92.9%、87.5%和92.9%。该研究验证了将感官组学与机器学习方法结合用于预测奶酪消费偏好的有效性和应用潜力。它为根据中国消费者的口味偏好精确开发奶酪产品提供了关键技术支持，并对在乳制品行业实施以口味为导向的监管具有重要的实际意义。
-
开发文化有效的食品图像数据集（CV-FID）：协议及在愉悦食品图像中的应用
查看原文
2026
Food Quality and Preference
中科院一区JCR一区
Roni Aviram-Friedman, Vered Kaufman-Shriqui, Graham Finlayson, & Shiri Sherf-Dagan
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 可见光/RGB/视频数据 质构/流变/感官数据食品标签
感官科学与消费者研究 显微与成像技术 问卷/市场与消费者研究 食品成分/消费数据库分析背景：食品图像在摄食行为研究中被广泛用作真实食品的虚拟替代品。确保科学严谨性需要高质量、标准化且具有文化有效性的食品图像数据集（CV-FID），以考虑不同文化在食品识别和偏好上的差异。目标：本研究提出了一个开发CV-FID的方案，并展示其在创建针对以色列成年人群体的愉悦食品数据集中的应用。方法：CV-FID标准化方案遵循五个阶段的流程：（1）由专家焦点小组选择具有文化相关性的食品项目；（2）进行全面的营养分析；（3）标准化的专业食品摄影；（4）对具有代表性的以色列成年人样本进行规范性评分调查；（5）将食品图像、营养数据和规范性评分整合到指定数据库中。该协议通过开发享乐食品图像数据集（HFID）进行说明。结果：最终的HFID包含45种具有文化相关性的食品项目，这些食品通过高分辨率图像拍摄，并附有详细的营养信息，以及来自157名成人（平均年龄：41.9 ± 15.1岁；平均BMI：26.5 ± 6.0 kg/m²）的全面规范性评分。调查涵盖了识别率、食用频率、感知健康度、感官属性和享乐反应，并通过描述性趋势和相关分析确认了内部效度。结论：CV-FID协议为开发具有文化有效性、高质量的食品图像数据集提供了结构化框架。通过采用该协议，研究人员在未来跨不同环境开发食品图像数据库时，可以确保更高的一致性和适用性。HFID 展示了该协议的应用，并作为营养相关研究的宝贵资源。
