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
-
新一代营养：创新的 AI 定制浓缩成分
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Jerina Rugji, Zeki Erol, Ambreen Hamadani, Migena Gjoni Gündemir, Fulya Taşçı, & Laura Musa
计算机标签
机器学习/统计学习 定量预测/回归分析食品标签
液态乳 乳清及乳清制品 微藻及藻类产品 昆虫蛋白 加工与新加工技术 营养与生物功能背景：对营养密集型和个性化食品的需求日益增长，加速了从多种生物来源提取浓缩营养成分的研究。乳制品流、植物蛋白、藻类、真菌、海藻和可食用昆虫为通过先进的分离和发酵工艺提取高价值化合物提供了丰富的机会。微滤、超滤、纳滤和精密发酵等技术已经将传统的食品加工转变为能够生产具有生物活性、功能性和可持续性的成分的系统。然而，优化这些复杂的生物工艺需要能够管理大型数据集并预测多因素结果的工具。在这种背景下，人工智能（AI）和机器学习（ML）正日益成为强大的推动力，能够设计、建模并控制加工参数，从而提高产量、稳定性和营养物质的生物利用率。范围与方法：本综述综合了从传统（乳制品及副产品）和新型（植物、真菌和昆虫）来源开发浓缩营养成分的最新进展。它还探讨了人工智能和机器学习技术如何优化相关的生物加工过程，包括膜分离、生物工程和精准发酵，以提高效率、可持续性和个性化水平。主要发现与结论：浓缩营养是实现现代食品系统精准化和可持续化的重要一步。人工智能驱动的生物工艺优化能够实现基于数据的营养提取、功能性和配方控制，弥合生物潜力与定制人类营养之间的差距。尽管取得了有希望的进展，但在模型透明度、消费者接受度、监管框架以及人工智能辅助生产的可扩展性方面仍然存在挑战。未来的进展将依赖于可互操作数据系统、伦理框架的发展以及跨学科合作，以在未来十年将生物资源转化为智能营养系统。
-
基于优化机器学习的多传感器融合用于贮藏库尔勒香梨新鲜度无损监测
查看原文
2026
Food Control
中科院一区JCR一区
Zhongbiao He, Jiahao Yu, Xue Zhou, Tengfei Tang, Bin Chen, Huibing Wang, Jingqi Gong, Jiashuo Shi, Xiaoshuan Zhang, & Yongman Zhao
计算机标签
深度学习 支持向量机 分类/鉴别/等级评定 多模态/融合数据 时序传感器/物联网数据食品标签
新鲜水果 品质、结构与理化性质 保藏与贮藏 碳水化合物与糖类高效、无损的新鲜度监测对库尔勒香梨贮藏过程中的质量控制具有重要意义。本研究构建了融合气体组成、环境参数和介电特性的多传感器信息融合策略，并结合优化机器学习模型进行新鲜度分类。研究利用气体传感器、环境传感器和介电测量采集样品信息，同时以硬度、可溶性固形物等品质指标辅助建立新鲜度等级。研究比较了反向传播神经网络、支持向量机和随机森林模型，并采用遗传算法和粒子群优化提升模型性能。研究建立了 L1-L4 介电新鲜度等级，介电参数与硬度和可溶性固形物表现出较强相关性。采用高斯核的 PSO-SVM 模型取得最佳分类效果，准确率为 97.50%，F1 值为 97.49%，偏差较低；基于。NET 的数据采集平台进一步验证了连续监测的可行性。结果表明，多传感器融合与优化机器学习可为贮藏库尔勒香梨新鲜度无损监测提供准确、实用的方法。
-
基于机器学习的多组学在益生菌开发中的应用趋势
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Yu Chen, Zhuqing Xing, Jiachuan Sheng, Xiaoning Liu, Wenke Ding, & Xinya Chen
计算机标签
机器学习/统计学习 定量预测/回归分析 组学数据食品标签
肠道健康与微生物相关功能 基因组学 转录组学 益生菌/益生元/合生元随着计算方法和高通量多组学技术快速发展，机器学习已成为益生菌研究中的重要分析方法。本文总结机器学习辅助技术在基因组学、转录组学、代谢组学、微生物组分析和培养组学中的最新应用，并围绕四个功能目标梳理现有研究：益生菌选择、功能预测、代谢活性预测和益生菌效果优化。文章讨论了机器学习如何促进异质组学数据整合，从而实现更系统、定量的益生菌开发，并重点介绍代表性分析工具和工作流程。与此同时，跨平台数据异质性、功能标签不平衡以及对复杂微生物与环境相互作用捕捉稳健性有限等问题仍然存在。因此，实验验证对于确保生物学相关性仍不可或缺。未来进展将依赖标准化多组学整合和迭代式计算-实验框架，以支持理性益生菌优化。
-
整合元素指纹和全反射 X 射线光谱指纹与机器学习用于高级海产品追溯
查看原文
2026
Food Control
中科院一区JCR一区
Nuno M. Rodrigues, Vanessa F. Fonseca, Renato Mamede, Susanne E. Tanner, Bernardo Duarte, & Sara Silva
计算机标签
随机森林 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
鱼肉 新鲜水果 食品安全与风险评估 其他安全问题 标准/法规/数据库分析 矿物质与微量元素海产品消费和需求增加导致食品欺诈问题上升，也推动了海产品追溯法规的发展，以保障海洋资源可持续利用和食品安全。头足类是具有商业价值的海产品资源，容易发生错误标识。普通章鱼在葡萄牙等南欧地区具有较高市场价值。本研究从葡萄牙大西洋沿岸 5 个捕捞区域和 3 个采样时期收集 450 个普通章鱼个体，评估其可食肌肉组织的元素指纹和光谱数据作为机器学习模型输入用于产地判别。研究在多时间数据上训练多种机器学习模型，揭示了模型性能和可解释性之间的权衡。分析显示不同季节之间存在明显分布偏移，可能与该物种复杂生命周期有关。模型性能显著依赖所用季节数据；10 月、9 月及其合并秋季数据训练的模型明显优于 4 月数据训练的模型。无论采用元素指纹还是光谱分析，这一趋势均存在，但多数模型中元素指纹数据总体具有统计学优势。总体性能方面，提升树模型表现突出；保持测试集结果显示，9 月数据的全元素指纹随机森林模型 F1 分数达到 73%。所建立模型具有较好的预测性能和泛化能力，基于 SHAP 的特征重要性分析显示模型决策可得到生物学解释，其中砷在所有采样时期均是区分捕捞区域的关键元素。
-
一种新型微波传感器与深度学习方法用于鸡蛋新鲜度快速无损评价
查看原文
2026
Food Control
中科院一区JCR一区
Supakorn Harnsoongnoen, Noppakao Seela, Supinya Buttakhot, Saksun Srisai, & Pongsathorn Kongkeaw
计算机标签
卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据 时序传感器/物联网数据食品标签
蛋类及其制品 品质、结构与理化性质 物理辅助加工本研究提出了一种新型平面微波传感框架，并结合深度学习，用于鸡蛋新鲜度快速、无侵入式评价。该传感器采用 Omega 开口环谐振器设计，工作频率范围为 1.5-6.5 GHz，能够捕捉反映内部质量变化的细微介电变化。研究在受控条件下跟踪 20 枚鸡蛋，并比较四种传感器放置方式，其中钝端放置获得了更好的光谱稳定性。研究将光谱特征与物理特征融合，并通过一维卷积神经网络处理，最高决定系数达到 0.951，均方根误差为 0.136。聚类和可视化技术进一步验证了该系统的判别能力。通过将高频微波传感与智能特征学习结合，本研究建立了一条稳健、实时的工业规模无损新鲜度监测路径，为现代食品质量保证提供了具有变革潜力的解决方案。
