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
-
突破苦味壁垒：结合计算机筛选、感官科学和双路径脱苦技术的前沿策略
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Xiao Chen, Yiyue Chen, Kang Chen, Liyan Zhao, Leiqing Pan, Zixuan Gu, Zhi Cheng & Weijie Lan
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 定量预测/回归分析 质构/流变/感官数据 多模态/融合数据食品标签
特征风味 感官评价与方法学背景：苦味是影响消费者接受度和饮食选择的五种基本味觉之一。食物中的苦味成分具有来源广泛、结构多样、味觉机制复杂等特点。准确发现和识别食物中的苦味成分是改善食物适口性的重要前提。
范围与方法：本综述探讨了利用计算方法（即数据库搜索、机器学习以及分子对接/模拟）识别苦味分子的进展。尽管基于计算机的方法加快了苦味化合物的筛选速度，但其预测往往缺乏生物学和感官背景。本综述通过提出一个将计算工具与感官引导验证相结合的闭环框架，系统地解决了这一差距。重要的是，我们强调了新兴的苦味抑制策略，包括技术引导的脱苦策略（超声处理、热/微波处理和发酵）以及感知修饰方法（针对味觉通路的苦味阻滞剂和通过不一致香气实现的香气-味觉相互作用）。这种双路径策略为设计适口的功能性食品提供了可操作的见解。
主要发现与结论：本综述的发现强调了计算机驱动筛选的快速性，同时也指出了其局限性，例如无法捕捉基质效应以及对现有数据质量的依赖。感官分析填补了计算预测与实际感知之间的差距。人工智能、分子对接/模拟与感官验证的整合，构建了一个用于苦味化合物识别的闭环系统。食品苦味领域的进一步研究应侧重于收集苦味受体的结构数据、开发针对关键苦味分子的定制脱苦方法，以及绘制香气-苦味相互作用的确切神经通路，以广泛应用多感官整合脱苦策略。 -
推进微塑料检测与预测：传统方法与机器学习在环境与食品安全应用中的融合
查看原文
2025
Trends in Food Science and Technology
中科院一区JCR一区
Chi Zhang, Liwen Xiao, Jing Jing Wang, Qinghe Song & Song Miao
计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 缺陷/异物检测与定位食品标签
食品安全与风险评估 化学污染物背景：微塑料已成为一种重要的环境威胁，迫切需要开发先进的检测和分析方法。传统的识别技术受限于准确性和处理效率，阻碍了对微塑料在环境和食品中普遍存在及其影响的全面理解。
范围与方法：机器学习和深度学习模型在微塑料研究中受到关注，为提高微塑料检测准确性和预测能力提供了潜力。本综述全面探讨了将机器学习和深度学习模型整合到微塑料研究中，特别是在检测和预测方面的应用。我们批判性评估了当前机器学习方法的局限性，例如有限数据集对机器学习方法有效性的挑战。为解决这些问题，我们强调了数据增强和合成数据生成作为提高模型鲁棒性并克服小型和不平衡数据集限制的关键策略的重要性。
主要发现与结论：本综述强调了将机器学习模型与检测和预测方法结合在微塑料研究中的巨大潜力。强调了数据增强技术对提升模型性能的关键作用。本文还指出了当前机器学习方法在微塑料分析中的局限性，强调了对真实世界样品和纳米级微塑料进行进一步研究的必要性。此外，本文强调了这些技术在食品安全中未来应用的广阔前景。 -
用于风味感知的人工智能：将嗅觉机制整合到食品类别感官评价中
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Xin Lei, Yueguang Wang, Zhenfu Zhu, Oujun Dai, Sihang Chen, Chengrong Wen & Jie Pang
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 定量预测/回归分析 组学数据 质构/流变/感官数据 多模态/融合数据食品标签
感官评价与方法学 风味组学背景：风味是决定食品质量和感官体验的关键因素，其评价传统上依赖于评估人员和仪器。然而，传统方法在客观性、效率、经济成本和吞吐量方面面临着重大挑战。近年来，人工智能（AI）为这些瓶颈问题提供了新的方法和解决方案。
范围与方法：本文系统综述了用于食品群体感官评价的人工智能驱动模型，特别强调将风味感知机制（尤其是嗅觉）整合到群体感官分析中。此外，本文从感知科学、计算智能和风味组学等跨学科角度出发，对模型的构建及其实际应用进行了深入分析。特别是，基于嗅觉感知原理，本综述研究了风味化合物的识别机制，并探讨了人工智能驱动的风味预测、质量分级和机制解释的策略。
主要发现与结论：与传统方法相比，人工智能驱动的嗅觉感知评价方法在组内和组间差异分析、效率、对风味物质的洞察以及高通量和高模态数据分析方面有了很大改进。此外，结合特定的算法和模型，在感官评价的基础上可以实现可解释性分析和风味预测，在食品科学领域具有广泛应用的巨大潜力。 -
基于人工智能的水果蔬菜干燥系统多目标优化：全面综述
查看原文
2025
Food Research International
中科院一区JCR一区
Yujuan Zhong, Min Zhang, Min Feng, Gennady Semenov & Dongxing Yu
计算机标签
机器学习/统计学习 深度学习 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
水果/蔬菜与菌菇类/植物类 干燥设备 干燥保藏 过程监测与在线检测水果蔬菜水分含量高、营养丰富，但易腐败且货架期短。干燥是延长货架期和减少资源浪费的关键技术。然而，传统干燥方法受到效率低、能耗高和产品质量不稳定的限制。人工智能凭借其自学习、自适应能力和模拟复杂非线性关系的能力，为应对这些问题提供了创新解决方案和有效工具。本文全面综述了人工智能在水果蔬菜干燥中的应用。首先，我们介绍了机器学习、深度学习、模糊逻辑、专家系统和计算机视觉系统的基本理论及其在水果蔬菜干燥中的应用优势。随后，详细阐述了人工智能在干燥过程建模与预测、实时质量监测以及智能控制与优化方面的案例研究，并讨论了其在优化传统干燥和与场辅助干燥技术结合方面的应用。此外，分析了人工智能在水果蔬菜干燥中的局限性及未来发展趋势，为该领域的研究人员提供更多见解。
-
利用多模态数据融合和可解释深度学习技术快速检测自然陈年玉米种子的可行性
查看原文
2025
Food Chemistry
中科院一区JCR一区
He Li, Yilin Mao, Yanan Xu, Keling Tu, Han Zhang, Riliang Gu & Qun Sun
计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据 红外/拉曼光谱数据 多模态/融合数据食品标签
玉米 显微与成像技术 光谱/色谱/质谱等分析方法种子存活率作为质量评估的关键指标，直接影响田间幼苗的出苗。现有基于自然陈年种子的无损玉米种子活力检测模型，主要依赖单模态数据如MV和RS，准确率低于70%。为阐明不同数据对模型准确性的影响，本研究提出了MSCNSVN模型，通过使用MV、RS、TS、FS和SS等传感器收集玉米种子多传感器信息来检测种子存活能力。我们的发现表明：（1） 单模态FS数据集实现了最佳预测精度，其中FS570/600贡献最大;（2）多模态数据融合优于单模态数据，准确率提升了10%，而MV + RS + FS数据集的准确率最高;（3）MSCNSVN模型表现优于基线模型;（4）使用双变异数据集和胚乳表面数据集建模，准确率提升了2%–3%。
