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
-
将化学成分与感官品质联系起来：紫叶茶浸泡液中色泽与口感形成的研究
查看原文
2026
Food Chemistry
中科院一区JCR一区
Gaozhong Yang, Mengxue Zhou, Yanan Li, Paul A. Kilmartin, Zhi Lin, Jiang Shi, & Haipeng Lv
计算机标签
偏最小二乘法 随机森林 分类/鉴别/等级评定 组学数据 质构/流变/感官数据食品标签
茶/茶饮料 颜色与外观品质 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 代谢组学 多酚与黄酮 花青素与类胡萝卜素紫叶茶（PLT）浸液通常呈现出独特的紫红色和苦味，但其化学与感官之间的关系仍未被充分研究。我们对十六种从绿色到深紫色的茶品系进行了177种代谢物的分析，随后通过偏最小二乘判别分析和随机森林鉴定出27种差异代谢物。多变量分析显示，酰化花青素，特别是海葵素和矢车菊素衍生物，是与红色和苦味相关的关键标志物。光二极管阵列检测确认这些色素是主要的发色团。关键的是，添加实验验证了特定花青素比例控制颜色变化，而其积累显著增强了苦味和涩味。分子对接进一步支持了这种感官影响，显示酰化通过氢键和π-π堆积相互作用增强了花青素与人类苦味受体TAS2R14的结合。这些发现将类黄酮途径的重编程与PLT的色彩和感官差异联系起来，为培育高色素、可口的茶树品种提供了分子靶点。
-
机器学习指导的GRAS微藻蛋白提取优化及其面向可持续食品应用的理化特性
查看原文
2026
Food Hydrocolloids
中科院一区JCR一区
Wei Han Foo, Mingmin Chen, Yu Xuan Lim, & Lin Chen
计算机标签
机器学习/统计学习 定量预测/回归分析食品标签
微藻及藻类产品 蛋白质配料 物理辅助加工 过程优化与控制策略 品质、结构与理化性质 常规理化指标测定 光谱/色谱/质谱等分析方法 响应面分析与多因素优化 蛋白质与氨基酸微藻是具有潜力的可持续蛋白质来源，但其难以破坏的细胞包被以及提取过程造成的品质损失限制了蛋白质回收和应用。本研究筛选了6种公认安全（GRAS）微藻，并选择蛋白核小球藻、钝顶螺旋藻和索罗金小球藻开展超声辅助碱法提取研究，内容包括超声浴与探头超声的对比、工艺优化及结构–功能评价。探头超声的效果显著优于超声浴和单纯碱法对照（p<0.05）。钝顶螺旋藻的蛋白质回收率和单位生物质蛋白质产量分别达到96.38%和365.30 mg/g，而对照组分别为71.93%和272.65 mg/g；两种小球藻的提升幅度较小，与其富含纤维素和藻胶素的细胞壁结构一致。响应面法确定了不同藻种的最优条件，基于机器学习的高斯过程回归则提供了不确定性感知建模，改善了小球藻数据集的交叉验证表现，并在响应趋于平台期时支持稳健操作窗口的选择。研究还量化了工艺能耗：优化后的探头超声方案每批需要22.5 kJ，约相当于每千克生物质6.94 kWh；以优化的钝顶螺旋藻为例，每千克回收蛋白约需19 kWh。所得蛋白浓缩物的蛋白质含量为63%–79%（干基）；SDS-PAGE和傅里叶变换红外光谱结果显示，蛋白质特征总体得到保留，未发生广泛断裂。其功能特性高度依赖介质和pH：在去离子水中的溶解度低于25%，但在pH≥7的缓冲液中显著升高。钝顶螺旋藻浓缩物具有较高的吸水能力，约为3.7 g/g；优化后的蛋白核小球藻分离物则具有较高的吸油能力，约为4.2 g/g。乳化性和起泡性均对pH敏感，工艺优化提高了碱性条件下的乳液稳定性，并以藻种依赖方式调节了泡沫性能。总体而言，超声辅助碱法提取为制备多功能微藻蛋白提供了一条能耗透明的路径，并建立了多响应优化框架。
-
RSM-GA-BP优化黄蜀葵叶黄酮的超声–酶辅助深共熔溶剂提取工艺及其机制
查看原文
2026
Ultrasonics Sonochemistry
中科院一区JCR一区
Shengnan Yang, Yixuan Bian, Mengquan Cai, Fengtong Zhang, Jiapeng Shen, Xiaolong Yang, Yue Gao, & Yan Qiu
计算机标签
智能手机/其他 定量预测/回归分析食品标签
其他果蔬制品/植物类 物理辅助加工 过程优化与控制策略 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 响应面分析与多因素优化 多酚与黄酮本研究旨在优化黄蜀葵叶黄酮（AMLF）的超声–酶辅助深共熔溶剂提取（UEADESE）工艺，并阐明其作用机制。首先通过单因素实验筛选提取参数，随后采用响应面法（RSM）进行优化，并构建遗传算法（GA）耦合的反向传播（BP）神经网络，与 RSM 的预测性能进行比较。确定的最优提取条件为：氯化胆碱与 1,4-丁二醇的摩尔比为 1∶6，含水量为 30%，纤维素酶–木聚糖酶总浓度为 2.4%（w/w），纤维素酶与木聚糖酶的质量比为 1∶3（w/w），固液比为 1∶50（g/mL），超声时间为 44 min，超声功率为 180 W。在此条件下，总黄酮最高提取得率达到 37.54 mg/g。分子动力学模拟表明，黄酮通过持续的氢键网络锚定于深共熔溶剂（DES）纳米团簇中，从而提高其溶解度，并抑制具有氧化还原活性的羟基和糖苷基团发生热降解。傅里叶变换红外光谱分析证实，DES 与黄酮之间形成的氢键显著提高了提取效率。DPPH、ABTS、羟自由基清除和总还原力实验表明，UEADESE 提取物的抗氧化活性显著高于常规溶剂提取物。结果证明，UEADESE 是一种可持续且高效的黄蜀葵叶黄酮提取方法，能够较好地保持其抗氧化活性，并为其在功能食品开发中的潜在应用提供科学依据。
-
基于分层多孔铁纳米酶的人工智能处理比色传感器，用于可视化、快速且高灵敏度检测敌敌畏，具有出色的检测范围
查看原文
2026
Food Chemistry
中科院一区JCR一区
Cheng Chen, Taimei Cai, Jianwen Tian, Yanyan Liu, & Hailong Peng
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分成功合成了一种具有优异氧化酶（OXD）样活性的层次多孔铁基纳米酶（pFezyme）。卡巴噻虫胺分解释放出硫化基团（-SH），显著降低纳米酶的OXD样活性。因此，pFezyme被用作比色传感器，实现卡巴噻虫胺的可视化、快速且灵敏的检测。pFezyme比色传感器表现出广泛的检测范围（0.7至3 × 10⁴ nM）、超低检测限（0.48 nM）和快速检测时间（18分钟）。此外，通过将智能手机与pFezyme比色传感器结合，构建了一个集成人工智能（AI）处理的便携式平台。通过智能手机上的基于人工智能的处理，传感器的颜色信号被快速转换为RGB值，在宽广的检测范围（0.7至3 × 10^4 nM）内保持高灵敏度（检测限 = 0.67 nM）。重要的是，pFezyme比色传感器和人工智能集成的便携式平台均能够对食品样品中的卡巴斯氟进行快速且灵敏的检测。
-
基于 Al³⁺/BSA 稳定铜纳米簇的智能手机集成比率荧光传感器用于水产品中环丙沙星的现场可视化检测
查看原文
2026
Food Research International
中科院一区JCR一区
Yujiao Cui, Xiaofei Li, Qingyan Gu, Zhixiang Xu & Longhua Xu
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 质构/流变/感官数据食品标签
肉类/蛋类与水产品 化学污染物 光谱/色谱/质谱等分析方法水产品中环丙沙星（CIP）的残留问题日益引发人们对生物蓄积性和抗生素耐药性的担忧，因此亟需开发高灵敏度、高选择性的检测方法。本文构建了一种基于牛血清白蛋白稳定的铜纳米簇（BSA-CuNCs）与铝离子（Al³⁺）的新型比率荧光传感器，用于环丙沙星检测。环丙沙星与铝离子发生络合作用，可同时猝灭BSA-CuNCs在600 nm处的橙红色荧光，并增强其在490 nm处的本征蓝色荧光，从而产生自校准比率信号（F₄₉₀/F₆₀₀），该信号具有明显的浓度依赖性响应，且溶液颜色可从橙红色直观地变为蓝色。得益于铜纳米簇的大分子表面修饰及比率传感策略，该传感器稳定性好、选择性高、抗干扰能力强。其线性检测范围宽达0.025–50.0 mg L⁻¹（R² = 0.9935），检出限低至0.01 mg L⁻¹，在复杂基质中具有实际应用潜力。在多种水产食品样品中的验证实验表明，回收率为87.0%–108.8%，相对标准偏差（RSD）＜2.4%。为进一步拓展其实际应用范围，本研究搭建了智能手机辅助传感平台，可基于RGB值实现准确定量分析（R² = 0.9929）。采用配对t检验与高效液相色谱法（HPLC）进行统计学比较，结果显示两种方法无显著差异（p＞0.05），表明二者分析结果高度一致。本工作为环丙沙星残留的准确定量检测与直观可视化筛查提供了可靠且通用的方法，同时也为未来在实际应用中实现铝离子与环丙沙星的同步检测奠定了基础。
