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
-
化学计量学辅助近红外光谱用于薏苡的快速生化成分分析与多样性评价
查看原文
2026
LWT
中科院一区JCR一区
Antil Jain, Chubasenla Aochen, Simardeep Kaur, Christine Jeyaseelan, Praveen Kumar Singh, Subarna Hajong, Rakesh Bhardwaj, & Amritbir Riar
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/拉曼光谱数据食品标签
杂粮 品质、结构与理化性质 营养与生物功能 光谱/色谱/质谱等分析方法 发酵工艺与动力学 蛋白质与氨基酸薏苡是在亚洲广泛栽培的一种营养丰富但利用不足的谷物。然而，其大规模成分分析和快速筛选工具开发仍存在不足。本研究采用整合多变量分析和近红外光谱的方法来解决这一问题。研究对 119 份种质材料的 14 项生化性状进行评价，建立了稳健的参考数据集，用于营养多样性的多变量探索以及近红外模型的校准和验证。聚类、PCA 和相关分析等多变量分析揭示了不同材料之间的营养模式差异，使其能够被区分并识别潜在营养结构。结果表明，种质中的系统性变异受多种生化响应共同影响。为建立近红外模型，研究采用 SNV、去趋势和 Savitzky-Golay 等光谱预处理技术提升信号质量并降低基线噪声，从而支持偏最小二乘回归。模型对蛋白质（RSQval = 0.95，RPD = 4.64）和膳食纤维（RSQval = 0.81，RPD = 2.32）取得较高预测性能。研究还使用 Cronbach's alpha（alpha = 0.52-0.98）和相关系数（r = 0.48-0.97）验证一致性。该高通量、无损检测框架有助于工业规模营养筛选，支持品质改良育种、功能食品原料成分评价和发酵相关应用。
-
结合高光谱成像和卷积双向长短期融合网络的稻米组分快速多任务检测
查看原文
2026
Food Control
中科院一区JCR一区
Yuanyuan Xia, Jianping Tian, Yifei Zhou, Dan Huang, Liangliang Xie, Xinjun Hu, Haili Yang, & Jie Shang
计算机标签
卷积神经网络 循环神经网络 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
大米 酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 显微与成像技术 蛋白质与氨基酸稻米组分的快速测定对酿酒原料质量控制具有重要意义。本研究提出将卷积双向长短期融合网络（DBiL-Net）与高光谱成像结合，用于酿酒米中脂肪、蛋白质、水分和直链淀粉含量的多任务预测。研究采集了 11 个稻米品种共 220 个样品的可见-近红外和近红外高光谱图像。经过光谱预处理和样本划分后，研究建立单任务和多任务模型，并与偏最小二乘回归和一维卷积神经网络模型进行比较。DBiL-Net 结合一维卷积特征提取与双向长短期记忆建模，可同时捕捉光谱特征和序列依赖关系。近红外多任务 DBiL-Net 获得最佳整体表现，平均 Rp2 为 0.9703，平均 RPD 为 9.0218。结果表明，高光谱成像结合深度学习能够快速、同步检测稻米多种组分，并支撑酿酒米质量评价。
-
计算机标签
偏最小二乘法 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
酒精饮料 颜色与外观品质 氧化、褐变等化学变化 光谱/色谱/质谱等分析方法 常规理化指标测定 其他植物化学物质本研究旨在评估便携式傅里叶变换中红外光谱仪结合模式识别建模用于实时监测啤酒风味活性化合物和多项品质参数的可行性。研究分析了 151 个商业啤酒样品，涵盖 35 种风格。通过气相色谱-火焰离子化检测分析了三种目标挥发性有机化合物，包括 isoamyl alcohol、furfural 和 acetic acid。为扩大 furfural 浓度范围并使其超过感官阈值，研究将新鲜脱气啤酒暴露于空气中 12 h，随后在 60 摄氏度下热孵育 1 h 以加速老化反应。乙醇含量、比重、真实浸出物、色泽、pH 和 iso-alpha acid 含量等品质参数采用美国酿造化学家协会标准实验室参考方法测定。研究基于 FTIR 光谱数据和参考数据建立偏最小二乘回归模型用于定量分析。所有 VOC 模型的预测值与参考值之间均具有稳健相关性，R_PRE 超过 0.9，RPD 为 2.2-3.3，预测标准误较低。关键品质参数模型也表现出较强预测能力（R_PRE > 0.95，RPD = 2.5-6）。这些结果表明，便携式 FTIR 光谱结合模式识别建模可为酿酒厂提供一种易用工具，用于不同啤酒品种的实时质量控制和风味稳定性监测。
-
食品安全中的人工智能：一项三级研究
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Marina Arribas Lopez, Yamine Bouzembrak, & Bedir Tekinerdogan
计算机标签
大语言模型 深度学习 定量预测/回归分析 时序传感器/物联网数据 文本/知识库/法规数据食品标签
食品安全与风险评估 标准/法规/数据库分析食品安全仍然是防止被污染和有害产品进入消费者手中的关键因素。人工智能（AI）的整合及其处理大量数据集的能力显著提升了食品安全规范，并且在这两个领域的交叉点上出现了大量的初级和次级研究。尽管已有一些研究涉及人工智能在食品安全中的应用，但还没有三次研究对现有系统评价的集体见解进行综合分析。为填补这一空白，本文通过对次级研究的系统性三次分析，提供了人工智能在食品安全应用现状的全面概述。通过系统分析二次研究，本研究识别了关键趋势，例如最常被研究的食品类别、使用的数据来源、普遍的食品安全危害、常用的人工智能算法以及其在该领域实施所面临的挑战。分析显示，乳制品获得了最多的研究关注，传感数据是主要的数据来源。神经网络成为主要的人工智能方法。此外，大多数应用集中于化学食品安全危害的检测，而非生物、物理或一般预测建模。值得注意的是，本研究强调，尽管在生成式人工智能时代非结构化数据的重要性日增，但利用非结构化数据的人工智能算法仍然缺乏。因此，讨论了未来的研究方向，特别是大型语言模型（LLM）在食品安全监测和法规遵从中的变革潜力。
-
可编程生物制造真菌和微藻生物活性多糖：解析结构-活性机制并建立合理的调控策略
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Kejing Song, Jiameng Wu, Xueshan Zhen, Ruiying Zhu, Jian Li, & Peipei Han
计算机标签
机器学习/统计学习 设计/生成与推荐 组学数据食品标签
微藻及藻类产品 加工与新加工技术 营养与生物功能 发酵工艺与动力学 碳水化合物与糖类背景：来自真菌和微藻的微生物生物活性多糖（MBPs）正在成为功能性食品和治疗剂的关键成分。然而，其更广泛的工业应用受到固有结构复杂性和难以捉摸的结构-活性关系（SARs）的限制。目前的大多数研究仍主要是描述性的，并依赖粗略的相关性分析，未能识别决定生物活性的结构特征，从而阻碍了从经验筛选到合理设计的转变。范围和方法：本文综述了真菌和微藻MBPs的生理功能，并分析了其活性背后的多尺度结构决定因素，包括单糖组成、糖苷键模式、分子量分布、分支结构以及高阶构象。它进一步整合了当前在生物合成调控、发酵控制、提取介导的重构、合成后修饰以及人工智能辅助预测方面的进展，以建立一个面向结构的合理工程和可重复制造框架。主要发现和结论：现有证据表明，真菌和微藻MBPs的生物活性是由结构可编程的决定因素所支配，而不仅仅由来源决定，精确的功能优化需要对分子架构和制造变量进行协调控制。在不同的系统中，生物效应集中于一组有限的主导决定因素，尤其是连接拓扑、分子量范围、分支模式、与电荷相关的修饰以及超分子构象，这些因素共同影响受体结合、信号输出、界面相互作用和微生物组可及性。MBPs 转化的主要障碍在于活性基元的因果验证有限、结构定义制造的控制不足以及缺乏可预测的基于 SAR 的设计。未来的进展将依赖于整合结构解析分析、理性调控以及AI辅助的设计-构建-测试-学习工作流程，以实现可编程的糖工程。
