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
-
通过绿色提取和生物技术创新实现未来应用的油蛉木生物活性肽下一代营养保健品
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Rabia Durrani, Duo Xu, Mohamed A. Farag, Samiullah Khan, Erwann Durand, Hammad Ullah, Fei Gao, Jiasheng Wu, & Lili Song
计算机标签
机器学习/统计学习 设计/生成与推荐 组学数据食品标签
豆类与坚果（及籽类） 抗氧化/抗炎等功能 加工与新加工技术 蛋白质与氨基酸背景：独树子（Torreya grandis）坚果中的生物活性肽因其多种生理作用而受到关注，包括抗氧化、抗炎、降血压、抗菌和抗肥胖活性，这些肽被视为功能性食品成分。这些肽代表了一种可持续的植物基营养补充品来源。范围与方法：本综述探讨了独树子的营养成分、蛋白质组成及生物活性肽，重点介绍了提取技术的进展，例如绿色溶剂，特别是深共晶溶剂（DES），以及酶解法，以提高肽产量和功能性。主要发现与结论：与传统方法相比，DES提取可提高蛋白质产量并保持肽的功能性，从而获得独特的抗氧化肽。酶解产物表现出适合食品应用的增强生物学特性。以防御素4为例的生物活性肽显示出对多种病原体的抗菌作用。此外，赤檀（T. grandis）肽显示出在调节脂质代谢和肠道微生物群方面的潜力，有助于抗肥胖。然而，生物利用度低、酶解降解、加工不稳定性以及体内验证有限等挑战阻碍了其商业应用。克服这些限制需要进一步的机制研究和可扩展的生产方法，包括合成生物学和先进的包封技术。整合组学方法和人工智能驱动的生物活性预测能够加速发现和商业化。跨学科的协作努力对于充分实现赤檀的潜力至关重要。大果紫檀生物活性肽作为可持续的、促进健康的成分，用于管理氧化失衡。虽然对大果紫檀蛋白的研究显示出前景，但缺乏与其他坚果蛋白的广泛比较研究。这突显了进行更多研究以探索其相对营养效果、生物利用度及潜在应用的必要性。
-
肉豆蔻与银叶肉豆蔻挥发油的气相色谱‑质谱（GC‑MS）指纹图谱对比分析：筛选用于肉豆蔻安全性与质量控制的潜在标志物
查看原文
2026
Food Chemistry: X
中科院一区JCR一区
Suthiwat Khamnuan, Aekkhaluck Intharuksa, Ampai Phrutivorapongkul, Tinnakorn Theansungnoen, Siripat Chaichit, Kannika Thongkhao, Pawitrabhorn Samutrtai & Kasirawat Sawangrat
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 小规模数据集食品标签
豆类与坚果（及籽类） 过敏原与毒性问题 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质肉豆蔻（Myristica fragrans Houtt.）因其芳香与药用特性被广泛应用，但其与近缘物种银叶肉豆蔻（M. argentea）的掺伪行为会降低产品品质并引发健康风险。本研究采用气相色谱‑质谱联用技术（GC–MS），对 22 份市售肉豆蔻样品（假种皮、种子及粉末）的挥发油化学成分进行分析。结合热图、主成分分析（PCA）、偏最小二乘判别分析（PLS‑DA）及投影变量重要性（VIP）得分的多元统计分析结果显示，两个物种间存在显著化学差异。用于物种区分的关键标志物包括桧烯、α‑蒎烯、β‑蒎烯、黄樟醚及肉豆蔻醚；其中肉豆蔻特征性成分为桧烯（31.64±7.97%）、α‑蒎烯（10.57±5.29%）、β‑蒎烯（9.76±1.76%）与松油烯‑4‑醇（4.98±1.30%）。在银叶肉豆蔻中大量存在的黄樟醚具有潜在致癌性，这一结果凸显了食品安全风险。综上，GC‑MS 化学轮廓分析可作为肉豆蔻物种真伪鉴别、掺伪检测的可靠技术手段，为香料行业的消费者权益保护提供技术支撑。
-
利用人工智能评估可食用昆虫的化学成分和安全性：功能创新路线图
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Fernando E. Alejandro Ruiz, Eduardo Tejera, Andrea M. Liceaga, & José M. Álvarez-Suárez
计算机标签
机器学习/统计学习 定量预测/回归分析 多模态/融合数据 组学数据食品标签
昆虫蛋白 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 蛋白质与氨基酸背景：可食用昆虫越来越被认为是可持续且富有营养的传统动物蛋白替代品，但它们的广泛应用受到成分差异、食品安全问题、鉴定挑战和消费者信任的限制。解决这些问题需要能够处理复杂生物化学和环境数据的综合分析方法。范围和方法：本文评论了人工智能（AI）如何在营养剖析、技术功能建模、生物活性化合物发现、安全评估和可追溯性等方面支持可食用昆虫研究。我们并非评述单独的算法，而是提出了一个概念性路线图，将多组学数据、光谱指纹和环境元数据整合到预测和决策支持框架中，以符合监管和治理需求。主要结论：人工智能使分析方向从描述性分析转向对昆虫组成、功能性和安全性的预测性和可扩展模型。通过将分子特征与过程及系统级监测相结合，基于人工智能的框架可以支持动态风险分析、物种鉴定以及昆虫食品创新路径的开发。本文评论的新颖之处在于将人工智能定位为一个统一的、跨尺度的促进工具，将化学、安全性、功能性和治理联系在一个连贯的未来可食用昆虫系统路线图中。
-
基于多元统计分析筛选秭归脐橙品种的关键品质指标
查看原文
2026
Food Chemistry: X
中科院一区JCR一区
Mingfang Tao, Peng Zhang, Tiancai Wang, Dan Zheng, Zhenzhen Xia, Xun Zhang, Yinjun Li, Youxiang Zhou & Xitian Peng
计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 质构/流变/感官数据食品标签
新鲜水果 品质、结构与理化性质 理化与结构表征 多酚与黄酮本研究从理化特性、生物活性物质及挥发性成分三个方面，对 5 个代表性秭归脐橙品种进行了全面表征。所有指标在不同脐橙品种间均存在显著差异（p <0.05，η²> 0.78）。纽荷尔脐橙（NO）在蛋白质、维生素 C、总可溶性固形物、可溶性糖、总酚、总黄酮含量及抗氧化活性方面表现最优。通过相关性分析、层次聚类分析（HCA）、正交偏最小二乘判别分析（OPLS-DA）等多元统计方法并结合市场相关指标，筛选出 14 项秭归脐橙特征品质指标。经主成分分析（PCA）（KMO > 0.6，巴特利特检验 p < 0.05），将上述指标按特征值＞1 归为 3 个主成分，累计方差贡献率达 93.125%。以 14 项指标标准化值的加权求和计算各品种综合品质得分，结果显示纽荷尔脐橙得分最高。本研究结果可为秭归脐橙的营养评价与加工利用提供理论依据。
-
基于拓扑集成框架的改进型FTIR食品真实性分类方法
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
Hsin-Chun Yu, & Yu-Kai Chen
计算机标签
机器学习/统计学习 模型可解释性 特征工程与选择策略 分类/鉴别/等级评定 红外/拉曼光谱数据 公开数据集食品标签
食品安全与风险评估 光谱/色谱/质谱等分析方法 传统统计分析与回归保障食品的真实性与品质是食品科学和技术领域的一项重要挑战，尤其是在产品组成差异细微且无法通过肉眼辨别时。傅里叶变换红外（FTIR）光谱是具有应用潜力的食品真实性鉴别工具，但实际光谱常存在基线漂移、散射效应和吸收峰重叠，增加了可靠判别的难度。这类非线性及相互重叠的光谱信号可能限制主成分分析、偏最小二乘回归等传统化学计量学方法的性能，因为这些方法虽然广泛用于降维和回归，却往往难以泛化至非线性光谱数据。为解决上述问题，本研究提出一种新框架：利用滑动窗口嵌入和拓扑数据分析（TDA）提取光谱的局部、中尺度及全局结构，随后使用以透明基础学习器构成的Bagging集成模型进行稳健预测。研究采用UCR时间序列分类档案中的6个食品相关FTIR基准数据集，在官方固定训练—测试划分下进行综合评估，未实施额外的特定数据集预处理。根据文献报告结果，在标准化UCR基准设置下，该方法相较20种常用的距离型、特征型、集成型及深度学习型时间序列分类器表现出持续稳健的性能，并在不同食品类别中取得较高的分类准确率和Macro-F1值。分析还表明，多尺度拓扑描述符能够增强模型的可解释性，并揭示光谱变异特征。总体而言，该框架兼顾透明性、稳健性和计算效率，可为后续在受控采集条件下评估测量特异性影响的研究提供可复现的基准参考。
