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
-
迈向智能食品安全：机器学习在黄曲霉毒素检测与风险预测中的应用
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Mayuri Tushar Deshmukh, P.R. Wankhede, Nitin Chakole, Pawan D. Kale, Mahendra R. Jadhav, Madhusudan B. Kulkarni & Manish Bhaiyya
计算机标签
机器学习/统计学习 深度学习 强化学习 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据食品标签
食品安全与风险评估 化学污染物 光谱/色谱/质谱等分析方法黄曲霉毒素对人类健康构成严重威胁，其潜在的破坏性影响在日常食品供应中难以察觉，尤其是在花生、玉米和香料等食品中，在气候条件适宜其生长的热带和亚热带地区更为突出。现有的黄曲霉毒素检测方法成本高昂且耗时，无法在实践层面实现快速、广泛的实时监测部署。本综述提供了一个具有里程碑意义的综合性视角，阐述了各种形式的人工智能（AI）如何推动农业系统中黄曲霉毒素检测和定量分析的发展。特别是，本综述通过理解监督学习、无监督学习和强化学习在用于黄曲霉毒素检测和定量的光谱、图像和行为数据分析中的应用，探讨了食品科学与人工智能的融合。结合基于AI的智能手机诊断、智能存储系统以及用于图像分析的深度学习模型等前沿应用，本综述考察了已开发模型的各种案例和评估，解决了诸如数据稀疏、跨食品基质的泛化能力以及监管透明度等关键现实挑战。最后，本综述探讨了采纳不断发展的AI策略的意愿，并展望了未来更快、更智能、更易获得的黄曲霉毒素检测方法，以期实现更重大的公共卫生保护和可持续的食品体系。无论您是研究新模型开发的独特研究者、制定食品安全法规的政策制定者、设计课程的学者，还是探索下一代食品技术的科学家，本文都是一个及时且便捷的知识获取平台，引领我们迈向更安全、由AI驱动的食品体系。
-
AI与NMR协同增强食品成分分析的方法：一篇全面综述
查看原文
2025
Trends in Food Science and Technology
中科院一区JCR一区
Ruge Cao, Jingxin Li, Han Ding, Tingting Zhao, Zicong Guo, Yaying Li, Xingchun Sun, Fang Wang & Ju Qiu
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/回归分析食品标签
食品安全与风险评估 化学污染物 光谱/色谱/质谱等分析方法背景：人工智能（AI）与核磁共振（NMR）光谱学的融合正在成为食品成分分析中的一种变革性方法，为确保食品质量和安全提供了创新解决方案。将AI算法与NMR光谱学结合，有望提高食品科学中结构分析的精度和效率，应对复杂数据解读中的挑战，并推进食品真实性、原产地追溯和污染物检测的方法学。
范围与方法：本综述考察了AI技术，特别是机器学习（ML）模型，包括监督学习（SL）、无监督学习（UL）和深度学习（DL），在增强NMR数据解读和分析中的应用。我们讨论了NMR基本原理，并探讨了AI在解决谱图复杂性和改进食品成分表征方面的整合。这种结构化方法评估了AI在食品科学背景下进行谱图预测、模式识别和数据驱动模型开发中的作用。
主要发现与结论：AI-NMR整合在各种食品化学应用中显示出巨大潜力，从预测结构特性到检测掺假物和污染物。SL模型在谱图预测上提供了准确性，UL模型增强了模式识别能力，而DL方法则能够分析复杂的NMR谱图。然而，挑战依然存在，特别是在模型的可解释性、数据可用性以及在实际条件下的鲁棒性方面。应对这些挑战需要AI专家和食品化学家之间的跨学科合作，以释放AI-NMR在食品分析和质量控制中的全部潜力，并可能彻底改变该领域的方法学。 -
机器学习在柑橘精油行业中的应用：关于工艺优化、鉴定以及风味和生物活性化合物开发的综合综述
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Ruijie Mai, Yang Li, Jingnan Ren, Gang Fan & Jinchu Yang
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 设计/生成与推荐食品标签
香精香料 食品安全与风险评估 特征风味 副产物与废弃物高值利用 过程优化与控制策略 植物化学/生物活性成分背景：柑橘精油（富含风味物质和生物活性化合物）是从柑橘果皮（作为加工副产品，约占果实质量的40%-50%）中提取而来，这实现了柑橘的综合利用，同时减轻了环境污染。提取工艺参数、分析技术以及化合物研发的日益复杂化，产生了大规模、复杂的数据集，因此需要应用先进的计算分析技术（机器学习，ML）来进行高效的数据处理与分析。
范围与方法：本综述系统地介绍了机器学习模型构建的一般流程（包括数据收集、预处理、模型选择和模型评估），重点阐述了其应用（包括工艺优化、产量预测、溯源、掺假鉴别、关键风味化合物的表征与鉴定，以及风味和生物活性化合物的预测与合成）。后续章节批判性地探讨了主要的挑战和局限性，并最终提出了未来的展望。
主要发现与结论：机器学习已渗透到精油产业的各个环节，大约从2020年开始，其应用逐渐从传统的机器学习算法（依赖人工特征提取）向深度学习算法（采用神经网络进行自动特征学习）过渡。这一技术演进显著提高了生产效率、质量控制、风味调控以及生物活性化合物的研发水平。为进一步推动机器学习在该领域的应用，未来应优先致力于：建立全面的公共数据库；开发特定领域的数据预处理方法；确定质量控制的关键特征；推进混合建模和多任务建模；开展计算模拟和生物学验证；提高可解释性和商业适用性。 -
分馏、功能以及环境-经济权衡的综合建模，以支持向可持续植物基成分的转型
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Syahmeer How, Vincent Desaulniers Brousseau, Deepa Agarwal, William Kaye-Blake, Roman Buckow & Mike Weeks
计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析食品标签
谷物/块根/豆与坚果类 加工与新加工技术 蛋白质与氨基酸背景：为响应全球对可持续食物来源日益增长的需求，植物基成分（PBI）已成为动物基成分的极具前景的替代品。然而，当前的作物生产系统面临着资源利用效率低下、副产品未被充分利用以及显著环境影响等相关挑战。解决这些问题不仅需要加工方面的进步，还需要强大的建模框架，以支持在技术、经济、环境和功能等维度的决策制定。
范围与方法：本综述探讨了用于评估和优化通过干法、湿法、混合法和油料种子分馏途径生产植物基成分的最新建模方法进展。它强调了技术经济评估（TEA）、生命周期评估（LCA）、火用分析和计算建模在评估过程可持续性和可行性方面的作用。重点在于用于预测单元操作中质量和能量平衡的过程建模，以及用于预测成分功能的人工智能（AI）和混合模型的整合。本综述还讨论了新兴的集成建模结构化框架，例如那些将TEA和LCA联系起来的框架，并考虑了如何扩展这些框架以纳入与食物系统相关的供应链动态、产品功能和社会文化约束。
主要发现与结论：本综述主张开发超越TEA-LCA的集成建模框架，将功能、供应链和特定情境因素纳入其中。这种多学科方法为将植物基成分（PBI）整合到高效、低浪费且经济可行的食品生产系统中提供了一条途径，该系统与全球可持续发展目标相一致。 -
食品衍生的DPP4抑制剂：基于高通量虚拟筛选与深度学习的药物发现
查看原文
2025
Food Chemistry
中科院一区JCR一区
Jiahua Tao, Liang Chen, Jiaqi Chen & Lianxiang Luo
计算机标签
深度学习 分类/鉴别/等级评定 定量预测/回归分析食品标签
营养强化剂 品质、结构与理化性质 其他生物活性与健康效应 动力学建模二肽基肽酶-4（DPP-4）是治疗2型糖尿病的关键靶点。本研究概述了六种源自食品来源并经过改造的化合物，以形成有前景的糖尿病治疗候选药物。这些化合物通过虚拟筛选、深度学习算法、ADMET表征评估和分子动力学模拟的结合被鉴定。此外，还使用味觉预测模型评估这些DPP-4抑制化合物的风味。经过全面评估，我们得出结论，鉴定出的六种食品来源DPP-4抑制剂具有显著的治疗成功潜力。这项研究极大地促进了新型膳食补充剂的发现，用于管理2型糖尿病。
