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 393 条结果
-
集成智能手机的多发射铕基金属有机框架水凝胶用于牛奶和蜂蜜中抗生素的可视化鉴别
查看原文
2025
Food Chemistry
中科院一区JCR一区
Wenxi Zhang, Xinyuan Zhang, Jing Sun, Yanjie Lv, Xiao Li, Juan Hou & Zhongmin Su
计算机标签
智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据食品标签
其他复合食品 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分多发射荧光传感长期以来一直是一个重要的研究课题，致力于解决区分污染物类似物的难题。基于这一研究热点，一种多发射三配体金属有机框架（CUST-864：[Eu(phen)(atiip)(HIPA)·H₂O]）被成功合成，它能够在牛奶和蜂蜜等实际食品样品中以100%的准确率同时识别六种抗生素。此外，还制备了一种便捷的水凝胶复合材料（H-CUST-864），用于抗生素的现场检测。当与智能手机结合使用时，这种水凝胶材料可实现可视化检测，从而能够对抗生素进行半定量监测。这项工作为具有多发射荧光特性的镧系金属有机框架在可视化监测方面提供了更广阔的应用前景。
-
TTI和pH响应双比色传感器阵列结合级联深度学习方法，用于动态监测新鲜切片水果的新鲜度
查看原文
2025
Food Chemistry
中科院一区JCR一区
Huijie Jia, Chenlin Wu, Min Huang, Qibing Zhu & Min Zhang
计算机标签
逻辑回归/贝叶斯 卷积神经网络 特征工程与选择策略 定量预测/回归分析 缺陷/异物检测与定位 可见光/RGB/视频数据食品标签
新鲜水果 货架期预测与品质劣变动力学 智能/指示型包装 显微与成像技术动态监测新鲜切片水果的保质期面临温度波动和冷链包装失效的挑战，导致理论预测与实际变质不符。本研究开发了一种结合pH响应指示器和时温积分器（TTI）的双比色传感器阵列，以克服单参数限制。基于甲基纤维素的系统整合了（1）对CO₂敏感的pH染料（甲基红/溴甲雷硅绿），通过pH变化追踪新鲜度，以及（2）利用温度依赖的HAuCl₄-l-抗坏血酸反应产生的TTI元素，产生金纳米颗粒的颜色转变。储存过程中包装气氛的变化——如二氧化碳积累——会激活传感器。该阵列在结构和环境方面表现出强烈的稳定性。结合对象检测（YOLOv8）、特征提取（ResNet-18）和贝叶斯建模的级联深度学习框架，在预测芒果/猕猴桃保质期方面实现了93.3%的准确率——分别比独立的TTI和pH传感器提升35%和18%。该系统支持基于智能手机的实时监控和自动警报，为冷链新鲜度追踪提供了实用工具。
-
使用集成计算机视觉系统和卷积神经网络的智能手机应用程序快速无损评估汉源花椒的质量等级
查看原文
2025
Food Control
中科院一区JCR一区
Jinrong Bai, Yingjie Mei, Fang He, Feiwu Long, Ying Liao, Hong Gao & Yina Huang
计算机标签
卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据 大规模数据集食品标签
香精香料 颜色与外观品质 其他理化与结构表征市场上特级汉源花椒（HZB）产品充斥着大量掺假商品，这一问题亟待解决。为此，本研究开发了一款集成了计算机视觉系统（CVS）与卷积神经网络（CNN）的智能手机应用程序，用于花椒的品种识别与等级评定。研究共采集了5360张单粒花椒图像，涵盖不同等级的汉源花椒及其他花椒品种，均使用智能手机拍摄，并用于训练、验证和测试两种分类模型——VGG16 和 ResNet50。结果表明，ResNet50 模型表现更优，准确率超过97%。随后，该模型结合分水岭算法（watershed algorithm），进一步实现了对花椒簇状样本的分割与分类，对特级汉源花椒的识别准确率达到97.67%。此外，上述模型被嵌入到一款智能手机应用程序中，并通过严格的缺陷率评估对该应用的有效性进行了验证。该方法提供了一种快速、无损且用户友好的解决方案，相比传统手段具有显著优势，特别适用于资源有限的场景，既可服务于专业人员，也便于普通消费者使用。
-
一种基于CoFe2O4@Au纳米粒子的电化学/比色双模传感器，用于检测农产品中的AFB1及智能手机成像
查看原文
2025
Food Chemistry
中科院一区JCR一区
Wenpeng Jiang, Wenli Zhu, Qingli Yang, Wei Wu & Xiudian Hou
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
小麦 玉米 豆类与坚果（及籽类） 微生物安全 光谱/色谱/质谱等分析方法本文构建了一种电化学-比色双模式传感器，利用钴铁氧体@金纳米复合材料以及发夹DNA结构的构象变化，实现黄曲霉毒素B1的特异性检测。钴铁氧体@金纳米复合材料表现出优异的类过氧化物酶活性。在比色检测模式下，可借助智能手机实现检测结果可视化。该传感器电化学检测线性范围为0.001~100纳克每毫升，紫外-可见光谱检测线性范围为0.05~100纳克每毫升，智能手机检测线性范围为0.1~100纳克每毫升。在花生、玉米和小麦样品中，基质效应值为91.03%~112.96%。本研究为开发双模式传感器、提升实际样品检测准确度提供了新的研究思路。
-
基于深度学习的聚乳酸包装比色指示剂用于鲜切果蔬的无损新鲜度监测
查看原文
2025
Food Research International
中科院一区JCR一区
Shasha Zhang, Haibin He, Xiaoxue Han, Huayu Gu, Shuaibo Zhang, Zhaorun Tang, Xianwen Ke, Juhua Liu & Xinghai Liu
计算机标签
主成分分析/判别分析 卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
水果/蔬菜与菌菇类/植物类 生物基/可降解材料 货架期预测与品质劣变动力学 智能/指示型包装 显微与成像技术果蔬（F&v）的易腐性对维持食品质量与安全构成重大挑战。然而，目前监测鲜切果蔬新鲜度的方法仍然有限。本研究介绍了一种新型的基于深度学习的比色指示剂系统，用于监测聚乳酸（PLA）袋包装的鲜切果蔬的新鲜度。该系统采用了一种乙基纤维素基指示剂（EMT），该指示剂在储存期间对二氧化碳（CO2）水平（0%–30%）表现出明显的颜色转变。除了其灵敏度外，EMT还表现出显著的稳定性和可重复使用性。此外，以鲜切青椒为模型，首次通过应用机器学习中的特征提取算法（PCA和FLDA）构建了“生理状态-新鲜度-指示剂颜色”的关系。该关联与深度学习算法结合用于图像识别和分析。这种方法减轻或消除了因人类视觉感知个体差异和拍摄条件变化引起的识别错误。结果表明，该系统能够准确、快速、无损地评估鲜切青椒的新鲜度，MobileNetV3-Small识别的平均准确率在k折交叉验证下可达96.09%。所提出的策略为监测农产品新鲜度提供了一种高精度、实时、无损的方法，在食品安全、健康监测和环境保护方面具有潜在应用前景。
