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
-
人工智能驱动的策略：增强乳酸菌作为功能性益生菌的应用——健康促进与工业应用优化
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Du-Min Jo, Seok-Chun Ko, Kyung Woo Kim, Dongwoo Yang, Ji-Yul Kim, Gun-Woo Oh, Grace Choi, Dae-Sung Lee, Nazia Tabassum, Young-Mog Kim & Fazlurrahman Khan
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 设计/生成与推荐食品标签
肠道健康与微生物相关功能 菌种筛选与特性评价 益生菌菌株背景：乳酸菌（LAB）因其益生菌特性和促进健康的作用而被广泛认可，包括调节肠道菌群、免疫调节和代谢支持。然而，传统的功能性乳酸菌菌株鉴定和应用方法劳动强度大，且可扩展性有限。随着对精准益生菌和微生物组靶向疗法需求的不断增长，迫切需要能够系统优化乳酸菌功能的先进方法。
范围与方法：本综述探讨了人工智能（AI）技术，包括机器学习、深度学习和混合模型，如何促进基于乳酸菌的益生菌研究和应用。我们将当前的人工智能应用分为三个主要领域：（i）功能性菌株发现；（ii）代谢建模和个性化健康干预；（iii）工业规模的配方设计和质量控制。
主要发现与结论：人工智能技术能够准确预测益生菌的特性，如抗菌肽（AMP）的产生、短链脂肪酸（SCFA）的合成以及与宿主的相互作用潜力。它们还有助于发现功能性代谢物，并简化发酵和配方等工业流程。这些进展支持益生菌开发向数据驱动的精准方法转变。未来的持续发展将依赖于标准化的数据、可解释的模型以及跨学科整合。 -
基于深度神经网络的多目标预测在挥发组学中的应用：模拟改性气氛下热杀索丝菌产生的挥发性有机化合物
查看原文
2025
Food Research International
中科院一区JCR一区
Linyun Chen, Lotta Kuuliala, Christophe Walgraeve, Kristof Demeestere, Frank Devlieghere & Bernard De Baets
计算机标签
深度学习 分类/鉴别/等级评定 定量预测/回归分析 组学数据食品标签
肉类/蛋类与水产品 保藏与贮藏 微生物安全肉类微生物腐败与挥发性有机化合物（VOCs）和异味的产生有关。虽然预测建模有助于货架期确定，但预测挥发组非常复杂，因为相关的微生物代谢极易受到包装内O2/CO2组成的影响。传统的监督学习主要侧重于预测单一目标，而本研究引入了多目标预测（MTP）的概念，通过研究预测在不同包装气氛下热杀索丝菌产生的多种VOCs来展示该方法。所用数据集包括接种了热杀索丝菌的840个猪肉模拟培养基样品的总菌落数（TPC）、O2/CO2体积比和VOCs浓度，这些样品在20种不同气氛（O2: 0%–70%, CO2: 0%–60%，N2作为填充气: 0%–100%）下储存了不同时间（0–10天）。由于某些VOCs可以通过代谢途径相互关联，本研究首次在食品领域引入了一种双分支神经网络，用于预测配对输入之间的相互作用，即：（1）每个培养基样品中的微生物数量和气体比例，以及（2）每种VOC的代谢信息。基于MTP的回归和分类模型能够在基于其他19种气氛的数据进行训练和验证后，预测特定气氛下的VOCs水平。总体而言，这些结果表明了MTP在挥发组学中的巨大潜力。当处理基于真实肉类基质的更复杂数据集时，获取更多数据来表示实例（例如，肉类/微生物样品的微生物组或食品组学信息）和目标（例如，VOCs的化学信息）至关重要。
-
用于检测食品欺诈的新兴技术：21世纪20年代现状综述
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Xavier Marín, Eduard Grau-Noguer, Guillem Gervilla-Cantero, Carolina Ripolles-Avila & Manuel Castillo
计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定食品标签
食品安全与风险评估背景：食品欺诈是指为了经济利益而故意掺杂或虚假陈述食品产品的行为。在21世纪20年代，它已成为一个日益严峻的全球性挑战，对公众健康、消费者信心和经济都有着重大影响。复杂的国际供应链、经济压力以及新冠肺炎疫情暴露出来的漏洞，都增加了欺诈行为发生的可能性。
范围与方法：本综述探讨了食品领域新兴技术和数字化在应对食品欺诈方面的最新进展。我们概述了先进的分析方法，包括光谱法、成像法、色谱法、光谱技术、分子DNA检测以及新型传感器平台，这些方法用于更快速、更灵敏地鉴定食品和识别掺杂物。作为这些仪器进展的补充，机器学习（ML）、其他人工智能（AI）工具和区块链系统等数据驱动方法增强了食品供应链中的模式识别和可追溯性。
主要发现与结论：将基于人工智能的预测分析与传统及新兴的实验室方法相结合，显著提高了欺诈检测能力，而区块链和物联网（IoT）创新则实现了对食品真实性的安全、实时追踪。本综述讨论了上述技术如何共同增强揭露欺诈的能力，并强调需要跨学科合作、协调统一以及更新监管框架来支持这些技术的应用。它还整合了2020–2024年的欺诈事件数据、按食品基质和全球区域进行的分类，以及对新兴方法和数据处理与模式识别工具的详尽综述。总之，新兴的分析和数字工具有望大幅减少食品欺诈，但需要持续的投资和全球合作，才能在未来充分保障食品的完整性。 -
供应链中智能海鲜安全领域的人工智能：最新进展与未来展望
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Xidong Jiao, Jinlin Zhu, Weijian Ye, Hao Zou, Bowen Yan, Nana Zhang, Jun Qiang, Yifan Tao, Hao Zhang, Dachuan Zhang & Daming Fan
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 过程控制与实时优化 可见光/RGB/视频数据 时序传感器/物联网数据 多模态/融合数据食品标签
肉类/蛋类与水产品 食品安全与风险评估 智能/指示型包装 包装系统中的监测与标签应用 过程监测与在线检测 显微与成像技术 光谱/色谱/质谱等分析方法背景：水生蓝色食品对全球粮食安全和营养至关重要，但该行业面临着来自食品安全、供应链复杂性和可持续性问题日益严峻的挑战。在 海鲜供应链中整合人工智能（AI）技术，为提高检测准确性、确保安全性、提升效率和促进可持续发展提供了变革性的机遇。
范围与方法：本综述系统总结了在人工智能支持的智能安全监测和加工策略方面的最新进展，这些策略涵盖了从水产养殖生产到收获后处理及零售的整个水生食品链。重点发展体现在四个主要领域：（i）用于有效供应和增强海鲜韧性的智能水产养殖系统；（ii）利用智能包装、传感器和计算机视觉技术的人工智能驱动的海鲜新鲜度监测；（iii）鱼类产品的自动化预处理，包括物种分类、形态计量估计和智能切割系统；（iv）人工智能引导的海鲜掺假检测，如物种替代、原产地误标和冻融欺诈。最后，我们讨论了当前的挑战，并对推进用于海鲜安全检测和可追溯性的人工智能驱动系统提出了展望。
主要发现与结论：人工智能是确保水产品有效供应和维护食品安全的关键手段。它在无损传感、多维数据处理和实时决策支持方面展现出了卓越的能力。尽管取得了显著进展，但模型泛化性、数据集标准化以及可现场部署的智能系统的开发等挑战仍然亟待解决。未来的研究方向包括将人工智能与新型传感器平台整合、开发强大的多模态数据融合技术，以及改进预测模型，以实现具有韧性和可持续性的水生食品供应链。 -
加工肉制品中的减盐：维持咸味感知的综合策略与机制
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Yingming Xiang, Xueyi Lin, Meixia Zheng, Kaibo Deng, Song Miao, Baodong Zheng & Longtao Zhang
计算机标签
机器学习/统计学习 深度学习 设计/生成与推荐食品标签
肉类/蛋类与水产品 营养与生物功能 感官评价与方法学 消费者偏好与接受度 动力学建模 钠/钾/镁等常量矿物质背景：饮食中钠摄入过多与高血压和心血管疾病密切相关，而加工肉类中的钠是我们日常饮食中的主要来源之一。然而，氯化钠在肉类体系中发挥着关键作用——赋予风味、溶解肌原纤维蛋白以形成凝胶、确保微生物稳定性以及增强持水性——因此，简单地减少盐的用量往往会降低产品质量和消费者接受度。因此，需要找到既能降低配方中的钠含量，又不降低感知到的咸味或整体风味的策略。
范围与方法：我们在Web of Science、Scopus和Google Scholar等数据库中，使用关键词（减盐策略、加工肉类、咸味感知、盐味觉受体、盐替代品）进行了文献检索。筛选的研究主要集中在2005年至2025年，同时通过滚雪球法和专家推荐补充了其他参考文献。
主要发现与结论：单一的减盐策略很难在大幅降低钠含量的同时，保持产品质量和感官接受度。综合策略是利用人工智能重新设计配方，并将新型加工方法与多感官增咸机制以及受控的钠离子释放相结合。这种方法即使在产品钠含量逐步降低的情况下，也能维持对咸味的感知。本综述整合了盐味觉感知、肉类基质中钠离子释放动力学以及互补的减盐策略，为肉类产品减盐提供了基于科学的路线图，并为开发更健康的加工肉类提供了实用指导。未来的研究应致力于寻找具有成本效益和环境可持续性的解决方案，利用天然增咸剂，并加深对食品基质中钠离子释放机制的理解。
