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
-
通过协同共静电纺丝与深度学习，以蛋白质强化淀粉制备表面活性复合纤维
查看原文
2026
Food Hydrocolloids
中科院一区JCR一区
Jieying Li, Peilong Li, Amin Zarei, Leila Khazdooz, Amin Zadehnazari, Arkaye Kierulf, James Smoot, Mohammad Yaghoobi, & Alireza Abbaspourrad
计算机标签
深度学习 过程控制与实时优化食品标签
乳清及乳清制品 碳水化合物配料 蛋白质配料 其他加工技术 微观结构与成像 显微与成像技术 蛋白质与氨基酸 碳水化合物与糖类颗粒淀粉的应用本身受到其粒径大和表面高度亲水的限制。为解决这一问题，本研究探索采用淀粉与乳清蛋白共静电纺丝的方法，制备界面性能增强的复合纳米纤维：淀粉提供结构刚性和 pH 稳定性，而乳清蛋白赋予表面活性。研究构建并验证了一个深度学习神经网络，用于系统分析共静电纺丝过程中的形态变化规律，并揭示二者在纤维制备中的协同作用。单独使用淀粉时，在低固体分数条件下（<0.1，静电纺丝成纤率<41%）无法形成纤维；加入蛋白质（20 w/w% 和 40 w/w%）后，体系表面能降低，实现了由珠状结构向纤维结构的转变，静电纺丝成纤率达到 100%。通过调节蛋白质与淀粉的比例，纤维直径可控制在 142～581 nm。可视化技术证实，嵌入的蛋白质均匀分布于碳水化合物骨架中。纺丝后热处理可诱导纳米纤维发生氨解反应，使蛋白质浸出率由 10% 降至 3%，并增强其结构完整性。由这些热活化复合纳米纤维形成的棒状颗粒具有更高的油—水界面活性，并可制备稳定的 Pickering 乳液。本研究利用可食用生物聚合物探索调控材料形态和表面性质的策略，从而拓展其材料应用范围，同时证明深度学习可作为设计功能材料的通用平台。
-
低血糖指数食品：健康影响、影响因素及创新设计策略的综合综述
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Tianyi Yuan, Wenwen Yu, & Yitao Chen
计算机标签
机器学习/统计学习 设计/生成与推荐食品标签
血糖、血脂与代谢相关功能 营养与生物功能 碳水化合物与糖类背景：代谢性疾病在全球的流行迫切需要有效的饮食干预。血糖生成指数（GI）是一个关键的营养工具，用于根据餐后血糖反应（PPGR）对富含碳水化合物的食品进行分类，但其应用在变异性和预测准确性方面面临挑战。范围与方法：本综述对GI概念进行了全面而批判性的评估。系统地审查了影响GI值的因素，从食品微观结构和加工方式到个体生理差异，并探讨了传统测量方法的局限性。文章进一步综合了开发低GI食品的策略，并评估了新兴数字技术在推进该领域中的作用。主要发现与结论：证据强有力地支持低GI饮食对代谢健康的益处。然而，血糖反应并不是食品的固有特性，而是受到食品基质以及个体间显著差异的深刻调控，这些差异主要由肠道微生物群和代谢表型驱动。为克服这些复杂性，将人工智能与先进的体外模型相结合，为血糖生成指数（GI）的准确预测提供了有希望的途径。GI应用的未来在于个性化营养，通过连续血糖监测和数据驱动的框架，将这一生理概念转化为有效的公共健康策略和功能性食品创新。因此，本综述提供了从基础食品科学到实际应用的关键桥梁，将GI定位为个性化营养和新一代功能性食品设计的动态工具。
-
基于气相色谱 - 电子鼻（GC-E-nose）的香气轮廓分析用于黄精基原物种产地溯源及九蒸九晒炮制效应量化研究
查看原文
2026
Food Chemistry: X
中科院一区JCR一区
Maidinai Sabier, David D. Kitts, Aobo Zhu, Suying Huang, Yue Li, Pan Wang, Jinping Si & Xinfeng Zhang
计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
水果/蔬菜与菌菇类/植物类 传统热加工 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质传统九蒸九晒（NSND） 炮制过程中的香气演变，是建立黄精（PR）质量控制与真伪鉴别体系的关键，但其变化背后的化学机制仍缺乏深入阐释。本研究采用快速气相色谱‑电子鼻（flash GC–E-nose），对 4 种黄精在 10 个九蒸九晒阶段的挥发性物质变化进行轮廓分析，并初步鉴定出71 种化合物。研究观察到显著的香气演变轨迹：炮制前期，青气类醛类与醇类物质减少，反映脂质氧化途径受到抑制；炮制后期，焦香、芳香类及含硫香气物质增加，与持续发生的美拉德反应、糖裂解反应及 Strecker 降解一致。不同黄精种间在酯类、酮类、酚类物质生成上存在特异性差异，进一步表明其前体物质库与热反应活性存在区别。多变量统计分析（方差分析 ANOVA、主成分分析 PCA、层次聚类分析 HCA）可清晰区分黄精品种与蒸制阶段，揭示出一致的化学转化规律。上述机制性研究成果，为黄精挥发性物质轮廓分析奠定了理论基础，可为后续开发基于香气特征的黄精质量评价与真伪鉴别技术提供支撑。
-
天然着色传统中国淀粉的形态学表征及基于机器学习的高光谱鉴定
查看原文
2026
Food Chemistry
中科院一区JCR一区
Zhiwei Wan, Chenghao Zhang, Xuewen He, Yuanwei Tang, Liangyu Xia, Xiujuan Li, Chenhua Liao, & Liping Liu
计算机标签
机器学习/统计学习 支持向量机 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 高光谱/多光谱光谱 可见光/RGB/视频数据食品标签
碳水化合物配料 食品安全与风险评估 其他安全问题 常规理化指标测定 显微与成像技术 光谱/色谱/质谱等分析方法 碳水化合物与糖类作为一种非物质文化遗产，由天然着色传统淀粉制成的食品产品由于染色淀粉掺假而面临市场信任危机。本研究旨在开发一个综合识别系统，以区分天然着色淀粉和商业作物淀粉。实验设计结合了形态学、比色法和彩色光谱分析。数据使用机器学习算法进行处理，并通过五折交叉验证评估模型性能。结果显示颗粒形态存在显著差异，平均尺寸分别为 19.86 μm（鱼腥草淀粉）、26.41 μm（姜黄淀粉）、27.29 μm（金薯淀粉）和 18.26 μm（青冈栎淀粉）。从色度学上看，天然着色的淀粉分布在紫红色、黄色和棕色区域，而商业作物淀粉则集中在白色区域。主成分分析显示，前三个主成分分别占方差的92.71%、2.32%和2.10%，累计解释了97.13%的方差。使用基于机器学习的方法，支持向量机（SVM）模型实现了完美准确率（100%），优于随机森林（94.52%）和人工神经网络（99.60%）模型。这种多技术融合系统为鉴定和保护非物质文化遗产食品提供了一种无损、高效且实用的解决方案。
-
用于颗粒食品近红外分析的简单散射描述符框架：以阿拉比卡咖啡品种分类为例
查看原文
2026
Food Control
中科院一区JCR一区
Krzysztof B. Beć, Justyna Grabska, Vanessa Moll, & Christian W. Huck
计算机标签
支持向量机 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据 合成/仿真数据为主食品标签
茶/茶饮料 咖啡饮料 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 标准/法规/数据库分析表面散射是颗粒食品近红外分析中的主要混杂因素。在烘焙咖啡粉中，非均匀散射会掩盖品种差异。常规做法通过扩展散射校正或多元散射校正等基于参照的多项式投影消除散射，但在异质基质中该方法对阶次敏感，并可能去除与分析物相关的方差。本文改为显式编码散射信息，计算每条光谱的多项式斜率、曲率和三次基线系数，并将其作为描述符加入增强矩阵中训练模型。研究使用来自 25 个批次、覆盖 7 个阿拉比卡品种的 300 条漫反射 FT-NIR 光谱（10000-4000 cm-1）。该策略提高了测试集真实性鉴别效果：线性判别分析准确率由 70.8% 提高到 83.3%，线性支持向量机由 63.9% 提高到 84.7%，二次判别分析保持较高水平（88.9%）。该方法将散射视为信息而非盲目消除对象，提供了一种可解释、易实施的散射感知方案，也适用于可可、茶叶、香辛料等其他颗粒状和微结构食品。
