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
-
基于MOF的荧光检测在食品安全中的文献计量分析：发展、多策略优化及未来AI融合
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Mao Zhang, Yufang He, Zili Tang, Caiyi Qin, Lei Zhang & Hongdong Liu
计算机标签
机器学习/统计学习 深度学习食品标签
探针与分析传感材料 食品安全与风险评估 光谱/色谱/质谱等分析方法食源性疾病发病率的不断上升对全球公共卫生构成了挑战。基于金属有机框架（MOF）的荧光检测凭借高灵敏度、快速响应和操作简便等优势，为食品安全保障提供了一种可靠的解决方案。尽管过去十年间已出现约800篇相关文献，但全面的文献计量分析仍属空白。本研究采用基于CiteSpace的文献计量方法，对相关文献进行定量分析和可视化处理，旨在全面评估食品安全领域的技术发展，并探究当前进展及未来主要趋势。研究强调，通过调控MOF结构以及整合人工智能（AI）进行数据分析和模式识别，可显著提高荧光检测的灵敏度、选择性和效率。这些改进有助于开发出结构定制化、稳定且环保的高性能MOF。本研究通过推动基于MOF的荧光检测与AI的协同整合，为智能食品安全监测系统的发展提供了创新方向。
-
深度学习驱动的可见/近红外光谱设备用于水果品质评估：综述
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Tao Jiang, Jianjun Ding, Yuhang Du, Shaofeng Yuan, Hang Yu & Weirong Yao
计算机标签
深度学习 分类/鉴别/等级评定 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 光谱/色谱/质谱等分析方法背景：可见光和近红外（Vis/NIR）光谱设备的日益普及，加速了其在水果品质评估中的广泛应用。然而，传统的机器学习方法在处理这些设备生成的复杂、非结构化数据时面临挑战，在复杂的应用场景中常常遇到泛化瓶颈。近年来，深度学习（DL）在光谱分析领域取得了显著进展，提高了水果品质评估的准确性，并为该领域的持续创新提供了广阔前景。
范围与方法：本文全面综述了基于深度学习的可见光/近红外光谱设备在水果品质评估中的应用。文中介绍了各种可见光/近红外光谱设备的关键组成部分、优缺点、应用场景，以及相关的深度学习算法和架构。此外，还总结了深度学习与光谱设备在水果品质评估中的融合情况，重点阐述了不同深度学习架构的贡献和局限性，并探讨了当前面临的挑战及未来的研究方向。
主要发现与结论：基于深度学习的可见光/近红外光谱设备在水果品质评估方面展现出巨大潜力。为了实现成本效益和准确性的最优化，设备的选择和深度学习架构的设计应根据特定的应用场景进行定制。尽管仍存在一些局限性，但持续的技术创新有望推动基于深度学习的可见光/近红外光谱系统在工业和商业领域的更广泛应用，从而在未来确保水果品质和真实性的提升。 -
集成人工智能的生物纳米复合食品包装：可持续、功能性和智能化解决方案
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Nima Mobahi, Mohammad Amin Razavi, Mohammad Ekrami, Zahra Emam-Djomeh & Seyed Hadi Razavi
计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定食品标签
包装设计与机械性能 活性包装 智能/指示型包装 循环经济与绿色供应链背景：食品包装在保持产品质量、延长保质期以及确保整个供应链中的食品安全方面发挥着至关重要的作用。然而，人们对环境可持续性、食物浪费和公共健康的担忧日益加剧，这推动了包装从传统形式向具有活性、智能和环保特性的创新系统转变。
范围与方法：本综述批判性地审视了食品包装技术的最新进展，重点关注新兴材料、制造技术以及集成的智能功能。特别关注了生物聚合物基包装的发展，包括蛋白质、多糖和纳米纤维素，这些材料有望成为石油基塑料的替代品。探讨了包含抗菌和抗氧化剂的活性包装方法，以及利用传感器、指示器和数字工具来监测新鲜度和检测腐败的智能系统。还论述了人工智能（AI）和物联网（IoT）技术在智能包装中的整合应用。
主要发现与结论：本综述强调了人工智能和物联网在实时食品质量评估和供应链优化中的作用。它讨论了生命周期评估、监管考量、材料迁移和回收策略，以评估新型包装解决方案的可持续性和安全性。通过识别当前的挑战和研究空白，本综述全面展望了创新和商业化的机会，为推进符合环境、经济和消费者驱动优先事项的食品包装技术提供了路线图。 -
深度学习评估赤藓糖醇在斑马鱼发育、昼夜节律和心血管疾病风险中的作用
查看原文
2025
npj Science of Food
中科院一区JCR一区
Yehua Bao, Boyang Li, Chengtian Zhao, Xiaoting Man, Shuhui Zhang, Jiayi Zhang, Yiwei Du, Keju Gu & Xizeng Feng
计算机标签
深度学习 定量预测/回归分析食品标签
甜味剂 营养与生物功能 过敏原与毒性问题 暴露评估与风险表征 小动物实验赤藓糖醇是应用最广泛的人工甜味剂之一，但其潜在风险仍存在争议。本实验根据预实验确定了赤藓糖醇的浓度（3、5、7 mg/mL），并在胚胎发育的受精后2小时开始暴露，直至120小时。本研究采用深度学习方法来揭示胚胎发育的时间和节奏。赤藓糖醇可能通过延迟幼鱼鳔的发育而导致其运动行为受损。此外，赤藓糖醇会引起昼夜节律紊乱并影响 rev-erba 基因的表达，从而导致血栓形成。血栓的形成伴随氧化应激和炎症。上述发现有助于理解赤藓糖醇对斑马鱼发育、神经行为和心血管疾病的影响，并为赤藓糖醇作为人工甜味剂的安全性提供依据。
-
食品工业中的细菌多糖：合成-结构-性质关系、人工智能驱动的创新、监管挑战与生物经济前景
查看原文
2025
Carbohydrate Polymers
中科院一区JCR一区
Muhammad Wajid Ullah, Sehrish Manan, Khulood Fahad Alabbosh, Mazhar Ul-Islam, Omar Mohammad Atta, Asif Ali Khan, Yimin Fan, Khalid Ali Khan, Noureddine Elboughdiri & Zhiguo Wang
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 设计/生成与推荐 文本/知识库/法规数据食品标签
碳水化合物配料 加工与新加工技术 其他品质相关性质 抗氧化/抗炎等功能 包装设计与机械性能 其他可持续性主题 微生物与发酵实验 标准与法规对比分析 碳水化合物与糖类这篇综述性论文对应用于食品工业的细菌多糖进行了全面深入的探讨。与传统植物、海藻及动物来源的多糖相比，细菌多糖在大规模生产效率和定制化功能特性方面展现出显著优势。这些优势源于其良好的可控生物合成过程，可赋予材料高粘度、凝胶性、成膜性，以及乳化、抗氧化和抗菌等多种功能特性，非常适合于作为功能性食品配料和包装材料。本文系统性地阐述了细菌多糖的分子生物合成机制、结构-性质-功能之间的关系，深入分析了其作为食品成分和包装材料的物理化学及生物学特性。同时，该文前瞻性地探讨了人工智能技术在细菌多糖研究中的变革性作用，特别是在优化合成过程、增强结构-性质建模与功能预测能力、以及加速满足监管要求等方面，认为人工智能驱动的方法是实现可持续发展和满足消费者需求的食品创新的关键。最后，文章也指出了当前阻碍这些多糖实现完全商业化应用的主要挑战，如产量和性质的波动、下游分离纯化困难等，并对其在生物经济领域的应用前景进行了展望。总体而言，这篇综述为读者理解各种细菌多糖在创新食品配方中的应用和益处提供了一个全面的视角。
