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
-
基于近红外光谱结合多尺度深度集成学习的收获前后植物性食品质量评估
查看原文
2026
Food Chemistry
中科院一区JCR一区
Yu Yang, Yu Zhang, Lanxiang Yu, Pengtao Lv, Yao Qin, Chengxin Cai, Zelong Liu, Dandan Zhai, Peng Li, & Nana Zhang
计算机标签
卷积神经网络 模型设计/优化策略 定量预测/回归分析 红外/拉曼光谱数据食品标签
玉米 新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸在收获前后对植物性食品的内部质量特性进行准确评估，对于成熟度评价和质量分级至关重要。尽管近红外（NIR）光谱学能够提供快速、无损的成分分析，但实际产品由于不同生长和储存环境，化学成分存在显著异质性，而其光谱因泛音带重叠仍高度共线。这种组合掩盖了微小的成分差异，并限制了传统化学计量模型的可靠性。本研究开发了一种多尺度深度集成回归框架（MDER），通过多感受野一维卷积神经网络（1D-CNN）分支和基于注意力的元学习器，将化学信息性变化与冗余光谱相关性区分开来。使用多季节可见-近红外（Vis-NIR）芒果数据集（干物质）和多来源近红外（NIR）玉米籽粒数据集（蛋白质），MDER在测试集上取得了高预测精度（芒果：R² = 0.9352；玉米：R² = 0.9046）。这些结果表明，将MDER与NIR结合为在异质农业条件下进行质量评估提供了一种有效且具有化学意义的方法。
-
新兴技术在加工肉制品中多环芳烃和杂环胺检测、分析、监测与控制中的应用
查看原文
2026
Food Control
中科院一区JCR一区
Samuel Ayofemi Olalekan Adeyeye, & Blessing Rachael Adeyeye
计算机标签
深度学习 定量预测/回归分析 文本/知识库/法规数据 中等规模数据集食品标签
畜肉 食品安全与风险评估 品质、结构与理化性质 标准/法规/数据库分析新兴技术和创新方法正在革新加工肉制品中多环芳烃和杂环胺的检测、分析、监测与控制，以提升食品安全并满足法规标准。本文旨在评估用于加工肉中 PAHs 和 HCAs 检测、分析、监测和控制的新兴技术，重点说明其在改善食品安全、分析精度、风险缓解和法规合规方面的有效性。研究遵循 PRISMA 指导的系统综述方法，从 Scopus、Web of Science、PubMed 和 Google Scholar 检索 2005-2025 年文献，关键词涉及 PAHs、HCAs 和新兴技术。在识别的 238 条记录中，筛选后纳入 96 项研究。纳入标准覆盖关于 PAHs/HCAs 制备、检测和控制的同行评议研究，排除重复文献、非英文论文、摘要以及方法学不清晰的研究。主要发现表明，欧姆加热、红外烹调和低温慢煮等新兴加工技术可通过减少直接火焰暴露有效降低 PAHs 形成。乳酸菌、植物提取物和抗氧化剂等生物基干预措施可进一步抑制或降解 PAHs 和 HCAs。先进包装材料可作为吸附剂，而固相微萃取、分散液液微萃取和 QuEChERS 等分析创新可提高检测灵敏度。人工神经网络等计算工具支持污染物形成的预测建模。未来应聚焦智能加工、预测分析和绿色去污染策略的集成，以实现实时控制。总体而言，创新加工、监测和缓解方法相结合，可为提升加工肉制品系统安全和质量提供可持续路径。
-
肉类工业5.0--肉类加工行业中技术方法和机器人系统的综述
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Chiara André-Zarna, Katharina Simmen, Karl Helge Albretsen, Per Berg, & Eirik B. Njaastad
计算机标签
机器学习/统计学习 分类/鉴别/等级评定食品标签
畜肉 加工与新加工技术 过程控制与数字化背景：肉类加工行业正在经历重大的技术变革，自动化和机器人化日益成为对传统人工劳动的补充。人工智能（AI）、机器人技术和人机协作--工业5.0的核心要素--在这一转变中起着中心作用。这些技术的采用旨在应对长期存在的劳动力短缺问题，而疫情等事件加剧了这一问题，并满足对更安全、更可持续、更具韧性的食品生产系统日益增长的需求。范围与方法：尽管进展不断，但关于二次肉类加工自动化技术的综合概览，尤其是在工业5.0背景下，仍然缺乏。本综述通过审查最新的技术发展、识别当前行业需求并概述主要研究挑战来填补这一空白。重点是对全球按消费量计算最常食用的肉类进行二次加工：禽肉、猪肉、牛肉和小牛肉。主要发现和结论：新兴技术显示出在提高生产力、食品安全和工作条件方面的强大潜力。然而，采用这些技术仍存在主要障碍，包括高昂的整合成本、严格的食品安全合规要求，以及需要能够适应原材料差异的灵活系统。不同肉类的自动化水平差异显著，一般随着动物体型增大而下降。该综述强调，需要可适应的、模块化的自动化解决方案，以支持逐步融入现有运营。应对关键挑战，包括劳动力短缺、卫生加工和环境可持续性，将是确保肉类加工行业更加稳健和面向未来的关键。
-
基于靶向表征与多元统计分析探究 1 - 羟乙基自由基与化学成分的关联 —— 以黄酒为例
查看原文
2026
Food Research International
中科院一区JCR一区
Zhimin Zhang, Zhilei Zhou, Qingxi Ren, Zhongwei Ji, Xibiao Xu, Yuezheng Xu & Jian Mao
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 定量预测/回归分析 质构/流变/感官数据食品标签
酒精饮料 氧化、褐变等化学变化 其他品质相关性质 特征风味 常规理化指标测定 光谱/色谱/质谱等分析方法 其他理化与结构表征芬顿反应是发酵酒精饮料中关键的化学氧化反应，其产生的自由基可能对陈年黄酒的独特风味具有重要贡献。本研究通过电子顺磁共振波谱法鉴定出1-羟乙基自由基是陈年黄酒中的关键自由基，且在陈酿过程中1-羟乙基自由基含量呈波动上升趋势（1957–9526 nmol/L）。为阐明化学成分与1-羟乙基自由基之间的关系，采用高效液相色谱-串联质谱法、电感耦合等离子体质谱法和离子色谱法对黄酒中的39种化合物（酚类、有机酸、金属离子及含硫化合物）进行定量分析。皮尔逊相关分析与偏最小二乘回归结果表明，相关变量可分为促氧化剂（铁、锰、草酸、酒石酸、琥珀酸、戊二酸、咖啡酸和乙酸）与抗氧化剂（谷胱甘肽、L-半胱氨酸和4-香豆酸）两类。本研究为发酵酒精饮料的自由基调控与风味调控提供了全新的理论依据。
-
融合电子感官、非靶向代谢组学与 FT-NIR 光谱及机器学习的诃子产地快速判别与品质评价研究
查看原文
2026
Food Research International
中科院一区JCR一区
Yuhang Li, Wei He, Hanwen Zhang, Yue'e Li, Xiaomeng Li, Guokan Ge, Yawei Huang & De Ji
计算机标签
偏最小二乘法 主成分分析/判别分析 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据 时序传感器/物联网数据 组学数据食品标签
其他果蔬制品/植物类 食品安全与风险评估 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 其他理化与结构表征 代谢组学诃子的准确基原鉴定对于保障其质量与疗效至关重要。为此，本研究首次建立了融合多种现代分析技术的综合质量评价策略。首先采用DNA条形码技术对样品基原进行鉴定；随后利用电子眼和电子鼻客观量化并区分果实的颜色特征与风味轮廓；非靶向代谢组学分析共鉴定出9037个代谢物，全面揭示了两个亚种间存在显著差异的化学特征；抗氧化活性测定表明，诃子在ABTS和FRAP试验中均表现出更优的活性。为实现快速质量评价，本研究构建了基于傅里叶变换近红外光谱的机器学习模型，其中结合线性判别分析的分类模型可对两种基原实现完全区分。此外，通过竞争性自适应重加权采样等算法优选光谱变量所构建的偏最小二乘回归模型，能够精准预测5种关键活性成分含量及3项抗氧化活性指标（校正决定系数、预测决定系数均大于0.92）。该方法为诃子的质量控制提供了高效可靠的分析工具，满足了行业对现场快速分析的需求。
