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
-
深度学习增强的鹰嘴豆蛋白抗高尿酸血症肽生成与筛选：从多酶优化到分子机制
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Liling Zhang, Zihan Zhang, Yang Hu, Xiao Yu, Wei Liu, Shuai Jiang, & Ling Jiang
计算机标签
大语言模型 深度学习 设计/生成与推荐 合成/仿真数据为主食品标签
豆类与坚果（及籽类） 血糖、血脂与代谢相关功能 加工与新加工技术 体外模型 细胞模型 嘌呤食源性生物活性肽被认为是高尿酸血症管理中具有潜力的功能性成分，但多酶水解策略受限于筛选效率低，仍未得到充分探索。本研究建立了一种由大语言模型引导的策略，将深度学习辅助酶组合选择与实验验证结合，用于从鹰嘴豆蛋白中生成抗高尿酸血症肽。最优酶组合为 Flavourzyme、胃蛋白酶和胰酶，所得水解物 MGI 在 10 mg/mL 下表现出 94.1% 的黄嘌呤氧化酶抑制活性，优于单酶处理。MGI 在模拟消化后仍保留 91.5% 的活性，并能在 HK-2 细胞中显著降低细胞内尿酸水平、氧化应激和炎症反应。分子对接进一步识别出 LLF、GFM、FSF 和 SWL 四种三肽，它们可通过氢键和疏水相互作用与黄嘌呤氧化酶形成有利结合。该研究为提升蛋白水解肽生物活性提供了可操作的计算-实验结合策略，并支持鹰嘴豆来源肽在高尿酸血症管理功能食品中的开发。
-
基于植物的超氧化物歧化酶提取的进展：关于来源、提取方法、纯化系统、机器学习优化及未来方向的见解
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Fatemeh Koushki, Mohsen Mokhtarian, Xiaomeng Wu, Xiaojun Liao, Ahmad Kalbasi-Ashtari, Jagodage Nanayakkara Nayanajith Kumara, Indrawati Oey, & Hong-Wei Xiao
计算机标签
机器学习/统计学习 定量预测/回归分析 红外/拉曼光谱数据食品标签
其他果蔬制品/植物类 非热加工技术 光谱/色谱/质谱等分析方法 蛋白质与氨基酸背景：植物来源SOD因其在减少氧化应激中的关键作用及在食品、制药和生物医学领域的应用而成为现代研究的重点。对天然抗氧化剂兴趣的增加加速了寻找富含SOD的植物来源及通过先进技术提高其提取效率的研究。范围和方法：本综述重点介绍了用于工业应用的植物来源SOD的提取和纯化的最新进展。涵盖了传统方法、缓冲液辅助提取法及绿色技术，包括超声、酶法、脉冲电场、高压及保留酶活性的混合方法。文中评估了各方法的优点、局限性及实际应用中的挑战。由于SOD的敏感性以及对工艺自动化的需求，强调了机器学习（ML）辅助和智能提取策略。最后，讨论了SOD在开发具有生物活性的食品产品中的未来研究和实际应用。主要发现和结论：综述表明，植物是SOD提取的宝贵来源，强调了准确计量的重要性以及经济可行来源的选择。在新技术的范围内，超声辅助酶法等混合方法由于其成本效益高且工业应用成熟，似乎是最实际的选择。使用色谱方法可以获得高纯度的SOD，其纯度可通过电泳和SOD检测试剂盒轻松测定，并可通过ML辅助技术进行预测。未来的研究应集中于可扩展的、成本高效的方法、可持续的采购、彻底的酶表征以及工艺标准化，以充分释放基于植物的SOD在治疗和工业上的潜力。
-
基于高光谱成像和注意力机制多指标融合的冻融鸡胸肉无损检测与可解释性分析
查看原文
2026
Food Control
中科院一区JCR一区
Wenlong Li, Yuqing Wu, Zhihua Li, Xiaowei Huang, Xinai Zhang, Xiaobo Zou, & Jiyong Shi
计算机标签
卷积神经网络 循环神经网络 分类/鉴别/等级评定 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
复合/即食/餐饮食品 食品安全与风险评估 品质、结构与理化性质 显微与成像技术冷链中的冻融循环会对鸡胸肉品质造成不可逆损害，严重影响产品完整性并增加消费者安全风险。传统理化检测方法难以准确表征这一劣变过程。因此，本研究结合高光谱成像和可解释深度学习，通过无监督注意力融合构建综合质量指数，用于评价鸡胸肉多维品质劣变。同时，广义二维相关光谱阐明了冻融循环期间发生的转化过程。基于光谱信息构建的 CNN-LSTM 混合模型表现优异，Rp 达到 0.976。研究进一步使用 SHAP 分析解释模型，并基于最优模型生成可视化结果，从而实现对冻融循环期间鸡胸肉品质劣变的精准监测。该方法为冷链和食品供应链中的实时质量监测提供了准确、可解释的解决方案。
-
基于深度学习的食品科学与技术图像识别：端到端工作流程与领域特定解决方案
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Bin Liao, Yiming Wang, Xiang Li, Yongqiang Cheng, Guohua Zhao, & Yun Zhou
计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据 小规模数据集食品标签
品质、结构与理化性质 食品安全与风险评估 显微与成像技术基于深度学习的图像识别正在日益重塑食品科学，使在线分级、快速质量评估和食品安全监测的智能系统成为可能。然而，这类方法在食品相关领域的应用通常受到分散的实践、有限的领域特定指导以及方法学不一致的阻碍。本综述综合了一个模块化的端到端工作流程，涵盖任务制定、模型开发和应用，专为食品科学设计。通过三个具有代表性的案例研究来说明常见的应用和实践，同时突出显示一些反复出现的挑战，如数据可用性有限、标注不一致以及子模型集成障碍，这些因素限制了可重复性和可扩展性。提出了一套针对特定领域的策略来应对这些挑战，涵盖任务分解、数据集优化、标注与标签管理、图像预处理、数据增强、架构选择以及子模型集成。展望未来，我们建议未来的工作应优先开发标准化工具包--任务指导系统、统一建模工具链和模型集成平台--以实现可靠、可推广且具有影响力的计算机视觉解决方案，用于食品科学与技术中的实际问题。
-
基于多层级融合策略的紫金蝉茶品质分级
查看原文
2026
Food Control
中科院一区JCR一区
Wencong Liu, Qiaoyi Zhou, Shuen Yang, Feihu Song, Zhenfeng Li, Jiecai Wang, Chunfang Song, & Caijin Ling
计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 多模态/融合数据 红外/拉曼光谱数据食品标签
茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 显微与成像技术紫金蝉茶具有与叶蝉取食程度相关的独特品质特征，但客观分级仍具有挑战性。本研究提出了一种结合计算机视觉和近红外光谱的多层级融合策略，用于紫金蝉茶品质分级。研究共采集 163 个茶样，并根据取食程度划分为三个等级：轻度取食 60 个、中度取食 60 个、重度取食 43 个。研究从计算机视觉系统提取图像特征，并利用 CARS、SPA 和 PCA 等方法处理 NIR 光谱特征，随后构建 AdaBoost、SVM、KNN 和随机森林等分类模型，用于单源数据和不同融合层级的分级。特征级融合中，SVM 最高准确率为 97.20%；决策级融合中，LDA-SVM 图像模型与 PCA-RF 光谱模型组合达到 98.15%；混合融合模型表现最佳，采用 LDA 图像特征和 SPA 筛选光谱变量，准确率达到 98.45%。结果表明，多层级图像-光谱融合可为茶叶品质分级提供准确、无损的方法。
