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
-
基于智能手机的分子印迹纸基传感器用于牛奶、牛肉及水体中双氯芬酸钠的双模式检测
查看原文
2026
Food Research International
中科院一区JCR一区
Yongfei Zhou, Ning Li, Xinhua Zhou, Li Ming, Hongyan Zhang, Xiaobo Zhou & Can Zhang
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
畜肉 液态乳 化学污染物 显微与成像技术本研究构建了一种新型双模式纸基传感器，通过比色法与荧光检测联用，实现对生鲜牛奶、牛肉及水体基质中双氯芬酸钠（DFS）的快速、高灵敏定量检测。该传感器将硫化铜纳米花（CuS）与分子印迹聚合物（MIPs）相结合，具备高特异性与催化效率；同时硝酸铕聚合物（EuPMs）通过荧光猝灭效应提升检测灵敏度。依托智能手机搭建的分析平台可实现现场快速定量检测，且样品前处理简便，在实际基质中的检出限为 0.007 μM，加标回收率为 95.3%～114.4%。该创新方法不仅克服了传统检测方法的局限，还为农业食品供应链与农业环境中的药物残留监测提供了便携、经济的解决方案，有效弥合了传统实验室分析与现场即时检测之间的技术鸿沟。
-
机器学习辅助的拉曼光谱用于原棕榈油质量的无损分析
查看原文
2026
npj Science of Food
中科院一区JCR一区
Selorm Yao-Say Solomon Adade, Akwasi Akomeah Agyekum, Xorlali Nunekpeku, Nana Adwoa Nkuma Johnson, John-Nelson Ekumah, Bridget Ama Kwadzokpui, Hao Lin, Huanhuan Li, & Quansheng Chen
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据 中等规模数据集食品标签
植物油 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸原棕榈油的质量评估在全球范围内仍然是一个关键挑战，尤其是在资源匮乏的地区，传统方法耗时且具有破坏性。本研究探讨了机器学习辅助的拉曼光谱技术，用于棕榈油中过氧化值（PV）和碘值（IV）的无损评估。从加纳五个市场的200个样品中收集了拉曼光谱，二阶导数预处理显著提高了特征分辨率。通过将三种变量选择算法（CARS、GA、UVE）与三种回归方法（PLS、SVM、RF）结合，开发了十二种预测模型。遗传算法-随机森林（GA-RF）模型在PV（Rp = 0.9831, RPD = 7.7397）和IV（Rp = 0.9752, RPD = 6.3927）的预测精度方面表现出色。与不饱和度（1287-1657 cm⁻¹）和氧化（1748-1840 cm⁻¹）相关的关键光谱区域被确定为重要的预测因子。这种方法能够实现快速、无损的质量评估，并在整个棕榈油价值链中具有潜在应用。
-
基于高光谱成像的冻融鸡肉中脂质与蛋白质氧化同步检测及可视化
查看原文
2026
Food Research International
中科院一区JCR一区
Kunshan Yao, Yexin Xu, Jun Sun, Bing Zhou, Bing Zhang, Xiaojiao Du & Yibo Zhang
计算机标签
卷积神经网络 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱 质构/流变/感官数据食品标签
禽肉 冷藏与冷冻保藏 氧化、褐变等化学变化 常规理化指标测定 显微与成像技术 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 脂质与脂肪酸冷冻肉在贮藏过程中的品质下降主要归因于脂质和蛋白质的氧化反应。本研究旨在利用高光谱成像（HSI）技术评估冻融鸡肉中的脂质和蛋白质氧化程度。在十次冻融（F-T）循环过程中，鸡肉中的硫代巴比妥酸反应物质（TBARS）含量从0.0910 mg/kg升至0.5120 mg/kg，羰基含量从1.0560 nmol/mg升至3.9550 nmol/mg。相关性分析结果表明，TBARS与羰基含量之间存在强相关性（r = 0.982）。针对传统方法需为各指标分别训练独立模型而效率低下的问题，本研究提出一种融合格拉姆角差分场（GADF）与多任务卷积神经网络（MTCNN）的新型多任务深度学习框架，以计算机视觉处理模式实现TBARS和羰基含量的端到端同步预测。所构建的GADF-MTCNN模型在相关任务中表现出优异的预测性能，显著优于对比的单输出深度学习模型，其对TBARS的预测结果为：预测决定系数R²p = 0.9458，预测均方根误差RMSEP = 0.0296 mg/kg，相对预测偏差RPD = 4.3030；对羰基含量的预测结果为：R²p = 0.9545，RMSEP = 0.1905 nmol/mg，RPD = 4.7014。此外，通过将所建立的GADF-MTCNN模型应用于高光谱图像，可在像素尺度上同步可视化脂质和蛋白质氧化分布，这有助于冻融鸡肉的贮藏与销售管理。研究结果表明，高光谱成像结合GADF-MTCNN模型在评估冻融鸡肉脂质和蛋白质氧化方面具有巨大应用潜力。
-
弥合基于人类与基于人工智能的食品感知之间的差距：跨性别和年龄组的感官偏好比较研究
查看原文
2026
Food Quality and Preference
中科院一区JCR一区
Emad Rahimipouri, & Arash Ghaitaranpour
计算机标签
大语言模型 分类/鉴别/等级评定 文本/知识库/法规数据 中等规模数据集食品标签
马铃薯 消费者偏好与接受度 传统热加工 问卷设计与实施随着人工智能在消费者研究中的日益整合，本研究探讨了使用 ChatGPT 来模拟与食品相关的偏好。主要目标是评估人工智能生成的回答与真实人类感官选择的吻合程度。共招募了 240 名真实参与者，分为三个年龄组（10 岁以下、20-30 岁和 40 岁以上），性别均等。同时，在 ChatGPT 中生成了 240 个人工消费档案。参与者完成了一份涵盖四个领域的视觉问卷：偏好的土豆形状、偏好的炸制方法、营养信息的影响以及为更健康产品支付更高价格的意愿。结果显示，人类组和人工智能组都偏好厚切薯条和油炸。然而，当提供营养信息时，尤其是在女性和40岁以上的人群中，人们明显倾向于空气炸。总体而言，人工智能的回应在超过80%的情况下与人类数据一致。尽管如此，在需要更高层次推理的问题上，如解释营养标签或进行经济权衡时，出现了差异。在复杂决策情境下准确性降低表明，这些模型在被视为完全可靠的以人为基础的研究替代方案之前，还需要进一步的改进和验证。尽管存在这些限制，研究结果表明，语言模型在早期感觉评估和与消费者相关的决策中具有很大潜力，这一能力在实际参与者有限的情况下尤其有价值，例如在疫情期间。这些见解可以支持开发更符合不同消费者群体偏好的创新食品产品。
-
可解释机器学习用于牦牛乳饲喂模式判别：融合 XGBoost 与多维可解释性分析
查看原文
2026
Food Chemistry: X
中科院一区JCR一区
Bo Hu, Lu Sun, Haiyue Wu, Rong Hu & Zhongxin Yan
计算机标签
机器学习/统计学习 模型可解释性 分类/鉴别/等级评定 质构/流变/感官数据食品标签
液态乳 传统统计分析与回归 脂质与脂肪酸准确判别牦牛乳的放牧（GZ）与补饲（SF）模式对产品真伪鉴别具有重要意义，然而现有方法通常成本高、耗时长。本研究采集了补饲4个阶段的523份泌乳牦牛乳样品，测试21种机器学习算法，基于常规乳成分参数构建快速且低成本的判别方法。集成学习算法表现优于其他算法，其中XGBoost准确率最高（92%），AUC为0.94。包括SHAP、PDP和ICE在内的多维可解释性分析表明，脂肪含量（27.8%）和乳糖（23.1%）是最重要的判别指标，同时揭示了脂肪、乳糖与冰点之间具有生物学意义的交互作用。该可解释分析框架利用常规乳品分析仪即可实现牦牛乳真伪鉴别，为建立牦牛乳放牧标准化认证体系提供方法学基础。
