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
-
人工智能增强的可持续食品油炸：全面综述
查看原文
2025
Food Research International
中科院一区JCR一区
Xuan Wang, Min Zhang, Chung Lim Law & Luming Rui
计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 可见光/RGB/视频数据食品标签
传统热加工 食品安全与风险评估 过程控制与数字化 脂质与脂肪酸油炸是一种重要的食品加工方法，油炸食品因其独特的色泽、风味和质构在日常饮食中也扮演着重要角色。然而，由于食品油炸过程在持续高温条件下进行，不可避免地会产生某些有害物质。此外，煎炸油的反复使用进一步加剧了这一情况。同时，油炸食品的高油脂含量也是消费者关注的问题。人工智能与传统分析技术的结合为有效控制上述问题提供了创新解决方案。本文回顾了过去十年来不同研究者的关键研究成果，重点介绍了人工智能在油炸食品的工艺优化、过程控制和品质保障中的应用。特别是机器学习、人工神经网络和计算机视觉系统在监测煎炸油劣变和预测有害物质形成方面发挥了重要作用。在食品油炸领域，人工智能的引入既带来了优势也带来了挑战。人工智能凭借其强大的自学习能力，展现出高效率、高精度、多目标优化和强可持续性等优势。同时，人工智能正处于快速发展阶段，在食品油炸应用中也面临着数据困境、投资压力大、监管困境等挑战，仍有相当大的提升潜力。展望未来，随着人工智能技术的不断进步以及与物联网、区块链等支撑技术的融合，可以实现油炸食品的个性化定制、智能化生产、全链条监管与追溯。在人工智能技术的支持下，食品油炸行业将向智能化和可持续方向发展。
-
比色和荧光探针配合智能手机应用监测鱼类新鲜度
查看原文
2025
Food Chemistry
中科院一区JCR一区
Xiaofei Sun, Xin Jiang, Xinyi Zhao, Zengdong Wang, Jie Yuan, Yang Li, Xuepeng Li, Jianrong Li, Lijun Tang & Keli Zhong
计算机标签
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
鱼肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法本研究合成了一种基于吩噻嗪的新型“关-开”型荧光探针MPZ，化学名称为(E)-5-((10-乙基-2-甲氧基-10H-吩噻嗪-3-基)亚甲基)噻唑烷-2,4-二酮。该探针可通过去质子化作用，在7秒内快速检出生物胺，兼具比色与荧光双通道检测特性。研究自主开发了一款用于鱼类新鲜度可视化便携检测的应用软件——“Visual Evaluation”。该软件集成图像采集、红绿蓝（RGB）数值可编辑扫描、数据分析拟合、数据存储及结果验证等多项功能。更为重要的是，由该应用软件与负载MPZ的滤纸标签（MPZ/FPS）构成的智能检测平台，可对三文鱼中的挥发性盐基氮总量进行定量检测，且经中国国家标准方法验证，具备良好的检测准确度与可靠性。该智能检测平台有望为便携式可视化检测领域提供新思路，同时也可为商户及监管部门提供一种无需仪器、可智能读数的三文鱼新鲜度评估新工具。
-
未来预制食品的AI加工：进展与展望
查看原文
2025
Food Research International
中科院一区JCR一区
Jinjin Huang, Min Zhang, Arun S. Mujumdar & Chunli Li
计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
预制菜/即食菜肴 加工与新加工技术 冷藏与冷冻保藏 可持续性与资源高值化 光谱/色谱/质谱等分析方法近年来，在现代生活快节奏和消费者对方便性需求日益增长的推动下，预制食品行业发展迅速。由于其易于储存、运输和操作，预制食品在现代餐饮业中扮演着越来越重要的角色。然而，其加工过程面临着若干挑战，包括劳动力短缺、分拣效率低下、清洗不充分、切割过程不安全以及缺乏行业标准。人工智能（AI）的发展将改变预制食品的加工方式。本综述总结了人工智能在预制食品分拣/分类、清洗、切割、预处理和冷冻等方面的应用进展与前景，涵盖数学模型、化学计量学、机器学习、模糊逻辑和自适应神经模糊推理系统等技术。例如，基于计算机视觉的人工智能分拣系统提高了原料分类的准确性，而清洗过程中的深度学习模型结合高光谱成像技术增强了对微生物污染的检测能力。尽管面临管理大规模数据和复杂模型等挑战，人工智能已显示出激发行业实践和研究的巨大潜力。人工智能应用可以提高预制食品加工的效率、准确性和一致性，同时降低劳动力成本、改善卫生监测、减少资源浪费并降低环境影响。此外，人工智能驱动的资源优化已显示出其在降低能耗和促进可持续食品生产实践方面的潜力。未来，人工智能技术有望进一步提高模型的泛化能力和操作精度，推动食品加工业向更智能、更可持续的方向发展。本研究提供了宝贵的见解，以鼓励在食品加工领域的人工智能应用和食品工业技术进步方面进行进一步的创新。
-
一种用于可见醛类和酮类检测的简单高效策略及其在白酒等级鉴别中的应用
查看原文
2025
Food Chemistry
中科院一区JCR一区
Meixia Wu, Qikai Yang, Jinbin Zhang, Junjie Jia, Yao Fan, Hengye Chen, Songtao Wang, Haiyan Fu & Yuanbin She
计算机标签
支持向量机 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
酒精饮料 光谱/色谱/质谱等分析方法一种新型比色传感器阵列，采用盐酸羟胺盐（HAs）和染料，能够快速检测醛类和酮类（AKs），用于白酒质量评估。为克服传统方法耗时且材料合成复杂的局限性，这项研究利用AKs的亲电性，使其与羟胺发生亲核反应，释放出氯化氢（HCl），并引发指示剂的颜色变化。AKs的亲电性是产生独特指纹颜色模式的关键因素。通过对局部电子附着能的密度泛函理论计算，揭示了在20种AKs中观察到不同颜色模式的背后机制。研究引入粒子群优化算法结合变权偏最小二乘支持向量机，对混合化合物中的3-羟基-2-丁酮和缩醛进行定量分析。将该阵列应用于27种浓香型白酒，可在4分钟内实现高准确度的鉴别。这项技术结合了理论见解与实际分析能力，且无需复杂的材料合成，在酒精饮料的快速质量评估方面展现出巨大潜力。
-
一种基于天然颜料的纳米比色传感器，用于水产产品的新鲜度评估
查看原文
2025
Food Chemistry
中科院一区JCR一区
Qingmin Chen, Yuying Han, Yilin Wang, Shang Wang, Jie Wei, Tianhui Jiang, Xiaomei Chen, Shaofeng Yuan, Dong Li & Quansheng Chen
计算机标签
偏最小二乘法 定量预测/回归分析 可见光/RGB/视频数据食品标签
其他肉与水产品 品质、结构与理化性质 光谱/色谱/质谱等分析方法本文提出一种基于纳米比色传感器（NCS）监测水产品新鲜度的创新方法。研究采用六种多孔有机框架（POFs）对四种食品安全性天然色素进行改性与增敏处理；依据色素与氨气的RGB响应作用，筛选出四种最优纳米色素。同时，色素经纳米化处理后，其可见-近红外光谱发生显著变化。实验结果表明，最优纳米比色传感器对水产品挥发性盐基氮（TVB-N）含量具备良好的预测效果。基于图像数据构建的预测模型未体现出纳米化优势，而依托光谱数据建立的模型则兼具高准确率与稳定性。结合变量组合种群分析-迭代保留信息变量（VCPA-IRIV）算法构建的最优偏最小二乘（PLS）模型，其预测集相关系数（Rp）达0.9891，剩余预测偏差为6.66。由此可见，利用多孔有机框架对色素进行纳米改性，在构建高精度、高稳定性的水产品新鲜度预测模型方面具备良好应用前景。
