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
-
基于高光谱反射成像的灵武长枣早期碰伤综合评估
查看原文
2025
Food Control
中科院一区JCR一区
Guoling Wan, Jianguo He, Xiaoxue Li, Mei Guo, Qingqing Cao, Jingjing Zhang, Guishan Liu & Xianghong Meng
计算机标签
深度学习 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法鲜食枣质地酥脆，易受机械冲击和挤压而造成损伤，这是消费者购买的主要障碍之一。本研究提出了一种方法，利用高光谱成像技术精确识别和分类不同成熟期灵武长枣的碰伤。结果表明，枣的碰伤变化与550-650 nm、660-750 nm、800-850 nm和950-1000 nm附近的有效光谱变化相关。在比较的模型中，长短期记忆网络（LSTM）模型在识别枣早期碰伤方面明显优于传统机器学习模型。自助软收缩（BOSS）和迭代变量子集优化（IVSO）算法被认为是最佳的特征波长选择方法。对于碰伤等级的判别结果，最优模型在校准集和验证集上的准确率分别达到92.20%和87.80%。此外，基于特征波长的LSTM模型达到了93.55%的预测准确率，成功区分了不同碰伤时间的样本。基于特征波长的最佳简化LSTM模型在2小时内对碰伤和未碰伤枣的判别率达到96%。最后，生成了碰伤位置和等级分布的伪彩色图。本研究证明，高光谱成像与深度学习的结合对于快速评估鲜食枣的隐性碰伤具有最佳能力。
-
DeepMBEnzy：人工智能驱动的真菌毒素生物转化酶数据库
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Pengli Cai, Dongliang Liu, Huadong Xing, Dachuan Zhang, Yingying Le, AiBo Wu, & Qian-Nan Hu
计算机标签
深度学习 定量预测/回归分析 公开数据集食品标签
复合/即食/餐饮食品 过敏原与毒性问题 标准/法规/数据库分析 其他特殊成分真菌毒素是真菌产生的有毒代谢物，会带来显著健康风险。酶促生物转化既是脱除真菌毒素的有前景方案，也有助于解析其细胞内代谢过程，但目前已鉴定的真菌毒素生物转化酶数量有限。本研究通过冷蛋白数据划分策略微调预训练模型，开发了用于真菌毒素生物转化的酶多功能性预测模型 EPP-MB。该模型利用深度学习预测具有真菌毒素生物转化能力的酶，在经实验确认的真菌毒素生物转化酶数据集上验证准确率达到 79%。研究进一步将模型用于预测 4000 多种真菌毒素的潜在生物转化酶，并构建 DeepMBEnzy 数据库，归档每种真菌毒素对应的预测酶及相关信息，提供公开、易用的访问界面。DeepMBEnzy 可促进真菌毒素生物转化候选酶的探索与利用，并为真菌毒素脱毒和食品安全研究提供数据资源支持。
-
食品保护中的纳米纤维传感器：合成、检测与未来展望
查看原文
2025
Food Control
中科院一区JCR一区
José Miguel Contreras Paredes, Maxwell Ogochukwu Ojukwu, Caio Silas Ferreira Ribeiro, Poliana Cardoso, Roberta Hildsorf Piccoli, Tatiana Cardoso e Bufalo, Julio César Ugucioni & Fabiana Silva Felix
计算机标签
深度学习 模拟与数字孪生 文本/知识库/法规数据食品标签
食品安全与风险评估对有效食品安全监测日益增长的需求推动了纳米纤维传感器的发展，与传统的检测方法相比，它们具有显著优势。静电纺丝和溶液吹纺技术因其能够生产具有高比表面积、可调孔隙率和增强功能化潜力的纳米纤维而成为主流合成技术，从而提高了传感器在食品安全应用中的性能。与传统检测方法相比，纳米纤维传感器表现出更高的灵敏度、特异性以及更快的污染物检测速度，从而能够对食源性危害进行早期干预。物联网、人工智能和预测分析等新兴技术的集成，通过实现实时监控、自动化数据分析和先进的污染预测，进一步增强了这些传感器的功能。这些进步使纳米纤维传感器成为确保食品质量和安全的变革性解决方案，为更高效、更智能的食品监测系统铺平了道路。
-
基于HS-GC-IMS检测VOCs的多任务深度学习用于姜黄粉地理溯源与掺假检测
查看原文
2025
Food Control
中科院一区JCR一区
Xiao Han, Tong Wu, Shixin Cen, Jie Yong, Xinrang Tian, Xinyi Li, Rui Sun, Minghui Liu, Heshui Yu & Zheng Li
计算机标签
深度学习 分类/鉴别/等级评定食品标签
其他谷物与块根 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法 其他特殊成分姜黄粉在全球烹饪中的广泛应用及其高市场需求，导致其易受经济利益驱动的掺假行为影响。本研究开发了一种基于顶空气相色谱-离子迁移谱（HS-GC-IMS）的检测方法。构建了利用深度学习算法的多任务学习（MTL）模型，同时执行地理溯源和掺假水平预测。该方法的性能通过与传统化学计量学方法和基于机器学习的单任务学习（STL）模型进行比较评估。化学计量学方法难以准确区分姜黄产地和掺假水平。STL模型在地理溯源中实现了高精度，但在预测掺假水平方面存在局限。相比之下，MTL模型不仅能精确分类姜黄产地，还能有效预测掺假水平，获得0.9651的决定系数、0.5640的均方根误差和0.4296的平均绝对误差。该研究成功建立了基于MTL的HS-GC-IMS方法，为姜黄粉掺假检测和食品安全保障提供了快速、准确的解决方案。
-
结合机器学习的4D打印变形标签用于呼吸跃变型果实的监测与保鲜
查看原文
2025
Nature Communications
中科院一区JCR一区
Xiuxiu Teng, Min Zhang, Arun S. Mujumdar & Chunli Li
计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
发酵食品及酱腌制品 过程控制与数字化 其他方法研发了能够改变颜色和形状的 4D 打印标签，以实现对呼吸性成熟水果的质量评估和维护的双重功能。研究了添加精油乳液和不同几何结构对变形的影响以及相应的机制。与铸型和 3D 打印标签不同，4D 打印标签会根据包装内湿度和二氧化碳水平的变化同时改变颜色和形状，从而能够更准确地直观监测水果质量的变化点。MobileNet 模型对 4D 打印标签的识别准确率达到了 97%，在实现智能预警方面发挥了积极作用。此外，变形以及微观结构的破坏通过一种非费克机制促进了精油的可控释放，从而产生了更好的保存效果。
