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
-
基于高光谱成像和深度学习技术的草莓果实早期碰伤自动检测
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Chanjun Sun, Lei Zhang, Lixiang Zhai, Tingting Shen, Jianrong Cai, Xiaobo Zou, & Zhiming Guo
计算机标签
深度学习 偏最小二乘法 分类/鉴别/等级评定 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
新鲜水果 品质、结构与理化性质 保藏与贮藏 显微与成像技术草莓因其感官品质而受到消费者喜爱。然而，其组织结构柔嫩，在采后处理过程中容易发生机械损伤（如碰伤）。这些不明显的损伤会在运输和贮藏过程中加速微生物感染和腐败。因此，早期无损检测碰伤对于商品草莓品质保障至关重要。本研究探讨了利用高光谱成像快速检测草莓早期碰伤的可行性。首先建立基于全波长（460-1030 nm）的偏最小二乘-线性判别分析（PLS-LDA）模型用于草莓碰伤判别，准确率达到 99.21%。为提高检测效率，分别通过 RGB、子窗口置换分析（SPA）和随机蛙算法（RF）各选择 3 个特征波长。基于 SPA 和 RF 特征波长的模型获得了与全波长模型相当的性能。随后，研究基于特征波长合成图像，利用 YOLOv5 模型实现碰伤位置自动识别，F1 分数超过 93.03%。结果表明，高光谱成像结合特征波长是快速检测早期碰伤的有效工具，YOLOv5 模型能够实现草莓碰伤区域的自动识别。
-
生鲜农产品智能冷链物流：关键技术、挑战与未来趋势
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Jiawei Han, Chuanheng Sun, Zengtao Ji & Xinting Yang
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食品标签
冷藏与冷冻保藏 循环经济与绿色供应链 过程监测与在线检测 过程优化与控制策略背景：冷链物流（CCL）对于保障新鲜农产品的质量与安全、减少损耗至关重要。然而，传统的冷链物流系统存在环境感知能力弱、响应滞后以及协同效率低等问题。这些不足增加了链条断裂、产品损失和排放增加的风险。因此，迫切需要进行智能化转型，以应对高损耗和高排放的双重挑战。
范围与方法：本综述首先阐述了智能冷链物流概念的演变过程，然后评估了在多维传感、自适应控制和协同管理方面的最新进展。综述综合了一系列具有开创性和代表性的研究，在一个整合框架内描绘了当前的现状、核心挑战和新兴趋势。
主要发现与结论：下一代信息技术（如物联网、人工智能和区块链）推动了闭环式智能农业冷链物流的实现，通过多维传感、自适应调节和协同控制，显著提高了环境控制的精准度、能源效率和碳排放管理水平。目前仍存在诸多关键挑战，包括传感器在恶劣条件下出现漂移、多源数据融合及实时分析困难、模型对变化的适应性较差，以及区块链成本高昂且存在隐私问题等。克服这些挑战需要强大的多模态传感技术、有效的协同框架以推动绿色转型，以及具有标准化执行接口的数字孪生平台，从而增强韧性、减少产品损失并优化能源使用。 -
基于快速 XRF 技术结合先进机器学习的红茶全球产地溯源研究
查看原文
2026
Food Research International
中科院一区JCR一区
Yicong Li, Nicholas Birse, Wanqi Jia, Manus Carey, Yunhe Hong, Xiaotong Liu, Di Wu & Christopher T. Elliott
计算机标签
偏最小二乘法 支持向量机 随机森林 K-近邻 主成分分析/判别分析 深度学习 分类/鉴别/等级评定 质构/流变/感官数据食品标签
茶/茶饮料 食品安全与风险评估 光谱/色谱/质谱等分析方法建立完善的红茶溯源体系对防范茶叶欺诈至关重要。开发快速、准确、环保且便捷的红茶产地鉴别方法，对于保护地理标志（GI）产品具有重要意义。本研究采用X射线荧光光谱法，对全球十大主要产茶区的791份正宗红茶样品进行元素含量测定。检测了茶叶产品中15种元素的浓度，并构建了十大地理标志产区的特征元素图谱。此外，采用两种无监督分析技术对高维数据进行可视化处理，并运用六种监督模型对十大地理标志产区进行判别分析。结果表明，随机森林、支持向量机、k近邻、线性判别分析以及深度学习多层感知器（MLP）等机器学习模型，其预测性能均优于传统的偏最小二乘判别分析模型，其中阿萨姆红茶的识别F1分数从66.1%提升至87%–97.7%。MLP模型表现最优，在对十大地理标志产区的532份正宗样品进行产地预测时，总体F1分数达到97.7%。本研究为构建全球综合性红茶溯源体系奠定了基础，对全球范围内防范茶叶欺诈具有重要意义。
-
柑橘风味的神经感官评价：面向情感驱动食品创新的层级空间融合方法
查看原文
2026
Food Research International
中科院一区JCR一区
Qian Zhao, Peilin Yang, Yushen Liang, Zhenzhen Xu, Jianle Chen, Shiguo Chen, Xingqian Ye & Huan Cheng
计算机标签
其他深度学习结构 分类/鉴别/等级评定 时序传感器/物联网数据 质构/流变/感官数据食品标签
香精香料 感官评价与方法学 消费者偏好与接受度 其他理化与结构表征 行为实验与选择实验情绪驱动型食品在食品行业中日益受到关注；然而，传统感官评价仍受主观自我报告的限制。为更全面地理解风味感知，本研究将情绪评估与内隐神经生理测量相结合，用于不同柑橘风味的评价。提出一种新颖的层次空间融合策略（HSFS），基于定制的愉悦度-唤醒度-支配度（PAD）量表，将脑电图（EEG）信号与自我报告的情感反应进行融合。结果表明，对柑橘风味的潜意识反应以积极情绪为主，且情绪状态与风味接受度评分之间存在显著相关性。尽管个体间的情绪标签表现出一致性，但其潜在的脑电图激活模式却存在显著差异。在最优参数（学习率=0.0001，批次大小=64，隐藏层维度=640，4个注意力头与网络层）下，所提出的HSFS-Transformer模型有效融合了全局与局部注意力模块的综合特征。该模型在二分类和四分类情绪识别中表现优异，准确率分别达到88.84%和82.05%。此外，模型展现出稳健的性能，F1分数分别为86.12%（二分类）和81.72%（多分类），科恩Kappa系数分别为72.26%和75.21%，证实了预测结果的可靠性与一致性。对比实验进一步验证了该架构的有效性，凸显其在捕捉脑电图信号复杂且稀疏动态变化方面的优势。本研究通过连接神经生理认知与消费者反馈，推动了感官分析技术的发展，为情绪调节功能食品的精准配方设计及数据驱动的产品创新提供了极具前景的工具。
-
食品安全纳米传感器最新进展：原理、应用与未来展望
查看原文
2026
Food Control
中科院一区JCR一区
Sujia Jiao, Ting Zhang, Jiawei Liu, Yu Han, Qingchun Yin, Jing Wei, & Long Wu
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 时序传感器/物联网数据 文本/知识库/法规数据食品标签
复合/即食/餐饮食品 食品安全与风险评估 品质、结构与理化性质 标准/法规/数据库分析为克服传统食品安全检测的局限，需要快速、灵敏且便携的分析创新。纳米传感器利用纳米材料特有的物理化学性质，在病原体和污染物检测中展现出强大潜力。本文概述了纳米传感技术的最新进展，涵盖材料设计及其在多类食品安全指标监测中的应用，并重点讨论了纳米传感与人工智能、物联网和芯片实验室等新兴技术的融合。然而，本文也指出，纳米传感器从实验室走向复杂食品基质的实际应用仍受到显著信号干扰和功能化纳米材料长期稳定性不足的限制。尽管这些智能平台具备实时决策潜力，但也带来了数据可靠性、标准化和监管接受度方面的新复杂性。通过将当前传感器性能与全球安全标准进行比较，本文强调未来发展应优先构建稳健、低成本、可持续的传感平台，并在真实食品加工条件下进行严格验证。
