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
-
人工智能赋能高价值水果动态可持续保鲜研究
查看原文
2026
Food Research International
中科院一区JCR一区
Zhaoxuan He, Shenggui Lin, Xingyu Liu, Wenqian Li, Yanyong Mao & Hao Shi
计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化 模拟与数字孪生食品标签
新鲜水果 生物基/可降解材料 保鲜涂膜与保鲜剂 活性包装 智能/指示型包装 其他可持续性主题 其他理化与结构表征由于呼吸失衡、微生物侵染以及环境波动，高价值果实采后在贮藏和运输过程中的品质保持仍是一大难题。近年来，人工智能驱动的薄膜技术取得进展，为果实的动态可持续保鲜提供了创新策略。通过将壳聚糖、海藻酸钠、纤维素等天然高分子基材与智能响应剂及人工智能算法相结合，这类智能薄膜可实时感知并适应温度、湿度及气体组分的变化。机器学习辅助设计可实现材料组分、气体渗透性及主动释放动力学的预测优化，而嵌入式传感器与数字孪生系统则支撑微环境的闭环调控。本文综述了人工智能集成薄膜从材料设计、过程调控到实际应用的研究进展，重点阐述其自适应气体调控、pH响应性、抗菌性能及机械稳定性。材料科学、人工智能与食品技术的协同融合，正为下一代智能包装系统奠定基础，以实现高价值果实精准且可持续的保鲜。
-
超声辅助槲皮素处理去除牛奶中单菌种和双菌种生物膜：基于GA-ANN的建模与优化
查看原文
2026
Ultrasonics Sonochemistry
中科院一区JCR一区
Abhishek Kaushik, Ansh Singh, Neetu Kumra Taneja, & Pankaj Taneja
计算机标签
智能手机/其他 定量预测/回归分析食品标签
液态乳 物理辅助加工 微生物安全 生物膜与耐受性研究 多酚与黄酮食品工业中的单菌种和双菌种生物膜对全球食品安全构成重要威胁。本研究考察超声与槲皮素协同处理去除牛奶中大肠杆菌和鼠伤寒沙门菌单菌种及双菌种生物膜的效果，并分别采用响应面法（RSM）和遗传算法—人工神经网络（GA-ANN）进行模拟与优化，以超声振幅、处理时间和活性物质浓度作为输入变量。槲皮素单独处理表现出明显的剂量和时间依赖性；在4 mg/mL、处理4 h时，鼠伤寒沙门菌和大肠杆菌单菌种生物膜分别最多降低2.49±0.08 log和2.14±0.14 log，但其对双菌种生物膜的作用减弱，说明双菌种生物膜具有更强的结构稳定性和耐受性。GA-ANN的预测精度高于RSM（R²>0.98，IoA>0.99），并能描述各输入变量之间的协同作用。模型给出的最佳条件为超声振幅70%、超声时间20 min和槲皮素浓度4 mg/mL，在该条件下生物膜降低7.19 log。结果表明，GA-ANN适用于复杂多菌种生物膜体系的预测和优化，超声与槲皮素联合处理可作为提高食品加工表面和食品基质微生物安全性的栅栏技术。
-
机器学习辅助解析克鲁维毕赤酵母发酵苹果酒过程中无机氮对香气调控的机制
查看原文
2026
Food Research International
中科院一区JCR一区
Yuxiang Zhang, Lixiang Zhang, Weiyi Fan, Fei Wang, Yitong Shen, Yahong Yuan, Jianping Wei & Tianli Yue
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 组学数据 质构/流变/感官数据食品标签
酒精饮料 其他加工技术 特征风味 光谱/色谱/质谱等分析方法 微生物计数与生长曲线 发酵工艺与动力学 风味组学非酿酒酵母已被证实能够提升并丰富苹果酒的香气轮廓。本研究旨在阐明无机氮的调控作用，并通过探究氮源种类与浓度对克鲁维毕赤酵母发酵性能及香气生成的影响，改善苹果酒的香气品质。以酿酒酵母WLS21为参照，研究了三种无机氮源（氯化铵、硫酸铵、磷酸氢二铵）在两种浓度（140和200毫克酵母可利用氮/升）条件下对克鲁维毕赤酵母X31–10发酵苹果汁的影响。监测酵母生长情况，并采用气相色谱-质谱联用、气相色谱-离子迁移谱及机器学习技术分析挥发性化合物，构建香气成分图谱并鉴定关键差异化合物。氮源对两株菌株的生长及香气生成均具有显著影响，其中对克鲁维毕赤酵母的影响尤为突出。机器学习筛选出8种可区分两株菌株的关键化合物，以及5种克鲁维毕赤酵母中依赖氮源的生物标志物，其中乙酸2-甲基丁酯、癸酸乙酯和丁酸乙酯为两者共有，表明这些化合物是响应氮源调控的关键差异物质。克鲁维毕赤酵母的酯类合成受氮源种类影响显著：与酿酒酵母相比，添加磷酸盐和硫酸盐可显著提升酯类物质的总体生成量，尤其对乙酸异戊酯和乙酸2-甲基丁酯影响明显。氮源浓度进一步调控克鲁维毕赤酵母关键酯类的合成：高浓度氯化铵和磷酸氢二铵可持续增加乙酸异戊酯、乙酸己酯等关键酯类含量，而硫酸铵的作用则具有化合物特异性。上述研究结果表明，通过氮源管理可有效优化克鲁维毕赤酵母发酵苹果酒的风味品质。
-
基于近红外光谱与反向传播神经网络算法的苦荞粉中掺假作物粉定量分析
查看原文
2026
Journal of Future Foods
中科院一区JCR一区
Yue Yu, Yinghui Chai, Yujie Yan, Zhongyang Ren, Jiating Zhao, Zhanming Li & Lin Chen
计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
杂粮 食品安全与风险评估 光谱/色谱/质谱等分析方法苦荞粉因其营养价值和价格较高而备受推崇，但在市场上容易受到掺假。近红外光谱技术通常用于营养成分检测，近年来已被用于食品真实性验证。本研究收集了苦荞粉中掺入全麦粉、燕麦粉、大豆粉、大麦粉和高粱粉的样品的近红外光谱数据。利用偏最小二乘回归、支持向量回归和反向传播神经网络，我们预测了苦荞粉中的掺假物含量。结果表明，BPNN算法的预测决定系数超过0.97，预测均方根误差低于0.02，在预测掺假的作物粉方面优于PLSR和SVR模型，展现出更高的准确性和泛化能力。NIRS与BPNN的结合被证明对苦荞粉中作物粉的定量分析有效，表现出稳健的预测性能和快速的农产品掺假检测能力。
-
基于稳定同位素和元素化学计量学的不同产地肉桂追溯
查看原文
2026
Food Control
中科院一区JCR一区
Honghui Xiao, Bo Huang, Qingquan Huang, Karyne M. Rogers, Yalan Li, Menglin Zhang, Zhongxiong Hou, Chunlin Li, Yuwei Yuan, Yi Luo, & Hao Wu
计算机标签
深度学习 偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据食品标签
其他果蔬制品/植物类 其他安全问题 品质、结构与理化性质 传统统计分析与回归 矿物质与微量元素全球肉桂市场存在质量不一致问题，导致产地造假和潜在欺诈证据出现。本研究采用稳定同位素和元素分析技术，并结合化学计量学方法，对来自五个主要生产国家的肉桂样品进行产地追溯和鉴别，包括缅甸、印度、越南、印度尼西亚以及中国广东和广西。研究使用 5 种稳定同位素和 29 种元素含量，并结合偏最小二乘判别分析、随机森林和反向传播神经网络三种化学计量方法构建产地判别模型。结果显示，PLS-DA 模型取得最高肉桂分类准确率，在区分五个国家、中国与非中国生产国家以及中国广东和广西区域样品的三个模型中，判别率分别为 91.7%、96.7% 和 90.9%。BPNN 模型表现次之，RF 模型性能较低。基于 PLS-DA、RF 和 BPNN 模型变量重要性分析，研究识别出关键判别变量。Li、δ34S、Ni 和 Na 是实现五国产地分类的重要变量；在区分中国与非中国生产国家时，Ni、Li 和 Na 是关键变量；δ34S 和 Cd 对区分中国广东和广西产区贡献显著。该研究表明，所提出方法可有效区分肉桂产地，并为相关产品的产地保护和品牌发展提供可靠技术参考。
