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
-
基于智能手机辅助的姜黄素荧光传感平台，通过氢键操控检测中国白酒中的酒精含量
查看原文
2026
Food Chemistry
中科院一区JCR一区
Fang Xu, Longfei Su, Zhenxing Guo, Qiang Cheng, Jiachen Guan, Yuhang Guo, Liqiang Xu, & Guoping Sheng
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
酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法酒精含量是中国白酒生产中最重要的质量控制指标之一，其准确测定对于保障产品质量、消费者健康以及税收评估具有重要意义。本研究提出了一种创新的荧光传感平台用于酒精含量测定。研究中使用姜黄素作为荧光指示剂，其对乙醇和水的氢键作用表现出明显的荧光响应。实验结果表明，荧光强度变化与酒精含量（20 - 80 %，体积比）之间呈现优异的线性相关关系，相关系数高（R² = 0.991），精密度优良（相对标准偏差 < 1.67%），准确性高（回收率 96.78 - 102.79%，相对误差 ± 3.22%）。进一步与智能手机技术整合，开发了一种便携式荧光检测平台，该平台能够通过对荧光图像的RGB分析精确测定酒精含量。这一新方法在实际应用中展现出良好的潜力，为食品和饮料行业提供了一种便携且用户友好的酒精含量测定解决方案。
-
正面同步荧光光谱结合偏最小二乘回归用于五香粉组分的快速定量分析
查看原文
2026
Food Research International
中科院一区JCR一区
Fei-Yue Chen, Li-Fen Zhang, Hong-Yan Pan, Xia Huang, Pei Yi, Zhi Jin, Peng-Hui Zhu & Jin Tan
计算机标签
偏最小二乘法 主成分分析/判别分析 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
香精香料 食品安全与风险评估 光谱/色谱/质谱等分析方法五香粉是中式烹饪的基石，但其商业配方常与传统配方相悖，引发质量欺诈问题，因此亟需快速、无损的检测控制方法。本研究率先将正面同步荧光光谱法（FFSFS）结合偏最小二乘回归（PLSR），用于同时定量分析五香粉中的五种成分：八角、花椒、小茴香、桂皮和丁香。本研究按照典型配方范围制备了100个实验室配制的校正样品和20个外部验证样品。采用正面入射几何结构采集FFSFS光谱（激发波长λex=250–600 nm，波长差Δλ=30–200 nm），以减轻散射效应。投影变量重要性（VIP）得分筛选出2188个关键变量，其中得分最高的变量对应黄酮类化合物荧光发射（λex=450–600 nm，Δλ=80–180 nm），次要聚类则与蛋白质色氨酸及苯丙素类标志物相关。主成分分析（PCA）基于这些荧光团特征实现了清晰的成分区分。采用PLS2算法同时定量五种目标成分的质量分数（wt%），各成分预测精度如下：八角和花椒预测准确度较高（预测决定系数R2p分别为0.830和0.825；残差预测偏差RPD=2.1），而小茴香、桂皮和丁香因基质干扰及荧光信号较弱，预测性能中等。VIP分析阐明了模型性能差异的化学根源，将模型稳健性与荧光团丰度及稳定性相关联。该FFSFS-PLSR分析体系为五香粉成分定量提供了首个快速、非靶向指纹图谱方法，可为质量控制提供强有力工具，并为进一步提升性能指明方向。
-
一种识别红糖产地的新方法：多重化学谱结合机器学习构建准确可靠的产品溯源策略
查看原文
2026
Food Control
中科院一区JCR一区
Xinyao Li, Yashu Zhang, Haiqin Lu, Kai Li, & Zhi Huang
计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
糖、焙烤与糖果制品 其他安全问题 品质、结构与理化性质 光谱/色谱/质谱等分析方法 矿物质与微量元素可靠的产地识别对于红糖质量保障和产品溯源具有重要意义。本研究提出了一种将多重化学谱与机器学习结合的溯源策略，用于识别红糖地理来源。研究收集了来自中国广西、广东、贵州、香港和云南 11 家糖企的 55 批红糖样品。研究采用 ICP-OES 测定 K、Ca、Mg、P、Mn 和 Fe 等 6 种矿物元素，并采用 LC-MS/MS 测定 15 种酚类化合物。研究利用方差分析和主成分分析评价区域差异，并通过三折交叉验证建立随机森林和支持向量机模型进行产地分类。结果显示，K 是最具区分能力的矿物标志物；基于 6 个主成分的 PCA 能揭示区域差异，但不能完全区分所有产地。机器学习显著提升了产地判别效果：随机森林模型准确率约为 96.4%，支持向量机模型准确率约为 98.2%，召回率、精确率和 F1 值同样较高。结果表明，矿物元素和酚类化合物谱结合机器学习可为红糖产地溯源提供准确可靠的策略。
-
深度学习模型在食品风味数据分析中的综述
查看原文
2026
Journal of Future Foods
中科院一区JCR一区
Jiawen Yuan, Qihan Wu, Jie Zhou, Shuai Yu, Xing Xin, Jin Liu & Xiaohui Cui
计算机标签
卷积神经网络 循环神经网络 生成对抗网络 图神经网络 其他深度学习结构食品标签
特征风味 风味组学深度学习是人工智能的核心分支，凭借强大的数据处理与模式识别能力，在食品风味分析、预测及优化领域展现出巨大潜力。本文综述了深度学习在食品风味领域的应用，探讨了多种深度学习算法与模型，包括人工神经网络、卷积神经网络、循环神经网络、自编码器、图神经网络以及生成对抗网络。此外，文章还论述了深度学习在该领域的最新研究进展与发展趋势。相较于传统风味分析方法，深度学习方法在食品风味领域具备显著优势与重要应用前景。随着未来相关技术的持续发展，食品行业有望涌现出更多深度学习相关应用。
-
一种基于碳点的创新三通道探测策略，用于食品基质中槲皮素的超灵敏检测
查看原文
2026
Food Chemistry
中科院一区JCR一区
Ping Li, Zhen-quan Yang, Lixia Xiao, Xuechao Xu, Tianzu Guan, Wenyuan Zhou, Xiaowei Tang, Xiaojuan Gong, & Qin Hu
计算机标签
智能手机/其他食品标签
营养与生物功能 光谱/色谱/质谱等分析方法 多酚与黄酮本研究以三发射碳点（TE-CDs）为荧光探针，开创性构建了一种三通道检测策略，可实现槲皮素（QRT）的超灵敏检测。该三发射碳点在290 nm激发光下，可分别于350 nm、415 nm、485 nm三处产生特征发射峰。具体而言，槲皮素的加入会对三条发射光谱产生差异化荧光猝灭效应，由此建立一种全新的槲皮素三通道传感检测方法。该荧光探针的线性检测区间为0.0–60.0微摩尔每升，检出限（LOD）低至0.06微摩尔每升。值得注意的是，槲皮素可使体系荧光由亮青色转为暗青色，基于该显色变化，本研究分别搭建智能手机一体化检测平台与一次性纸质检测器件，二者对应的检出限分别为0.49微摩尔每升、0.72微摩尔每升。上述两种传感检测平台已成功应用于多种食品样品中槲皮素的检测，检测结果良好。该研究证实了三发射碳点作为三通道可视化荧光探针的应用价值，为槲皮素现场快速检测领域带来关键性突破。
