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
-
基于增强型傅里叶变换红外光谱的六妹羊肚菌柄腐病检测
查看原文
2026
Food Chemistry: X
中科院一区JCR一区
Guiyan Yang, Leizi Jiao, Ke Wang, Zhen Gao & Daming Dong
计算机标签
机器学习/统计学习 缺陷/异物检测与定位 红外/拉曼光谱数据食品标签
食用菌菇 其他安全问题 光谱/色谱/质谱等分析方法及时检测柄腐病对保障六妹羊肚菌（羊肚菌）产量与品质至关重要。本研究提出一种挥发性增强型傅里叶变换红外（FTIR）光谱法用于柄腐病检测。采用长光程增强FTIR光谱分析并鉴定病害特征挥发性物质，同时利用金属有机框架（MOF）富集增强型FTIR光谱分析特征挥发物的富集增强光谱特性。基于富集增强光谱特征结合化学计量学方法，构建了柄腐病多元定量模型与判别模型。结果表明，氨气为特征挥发性物质，所建定量模型对氨气具有优良的定量能力；采用支持向量机可实现病害等级判别，识别准确率达98.75%。该挥发性增强FTIR技术为羊肚菌柄腐病快速、无损检测提供了可行方法。
-
通过高光谱成像和深度学习实现大气冷等离子体下鱼糜凝胶质量的无损可视化和预测
查看原文
2026
Food Control
中科院一区JCR一区
Huanhuan Li, Yige Wang, Chenhui Li, Xorlali Nunekpeku, Yiping Chen, Wei Zhang, & Wei Sheng
计算机标签
卷积神经网络 循环神经网络 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
鱼肉 质构与流变性质 颜色与外观品质 光谱/色谱/质谱等分析方法 显微与成像技术鱼糜加工行业在维持凝胶品质方面长期面临挑战，尤其是凝胶强度、持水性和白度等直接影响消费者接受度与商品价值的关键属性。本研究考察大气冷等离子体处理对鱼糜凝胶品质的提升作用，并结合高光谱成像和深度学习实现快速、无损品质评估。研究以日本花鲈制备鱼糜，设置 0-90 s 六种 ACP 处理时间，随后进行标准化热凝胶化；45 s 处理效果最佳，显著提高凝胶强度（4166.36 g mm）、持水性（83%）和白度（80.05）。为综合评估凝胶品质参数，研究开发了混合 CNN-GRU 模型。研究采集 90 个样品在 616 个波长下的空间-光谱数据，并通过图像二值化和形态学滤波提取感兴趣区域。为提高模型稳健性和泛化能力，研究对提取光谱进行了数据增强，包括添加高斯噪声、时间扭曲和基于傅里叶的重构。CNN-GRU 模型优于单一模型，对凝胶强度、持水性和白度均取得较高预测精度，Rp2 分别为 0.9224、0.8945 和 0.9189，RPD 分别为 3.59、3.09 和 3.53。此外，研究利用伪彩色图对像素级预测结果进行可视化，展示不同处理下凝胶品质分布的空间差异。结果表明，ACP 可有效改善鱼糜凝胶性能，而 HSI 结合深度学习可为鱼糜生产中的实时品质监测和工艺优化提供有力的无损解决方案。
-
迈向可持续食品包装：可生物降解材料、智能技术与人工智能整合的创新
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Arul Murugesan, & Huanhuan Li
计算机标签
机器学习/统计学习 定量预测/回归分析 时序传感器/物联网数据食品标签
新材料/包装与接触材料 活性包装 智能/指示型包装 可持续性与资源高值化随着全球越来越关注环境问题、食品浪费和安全问题，可持续食品包装的重要性日益增加。尽管传统塑料包装长期以来一直有效，但它对污染的贡献显著，并依赖不可再生资源。为应对这一问题，本综述重点介绍了可持续包装的最新进展，关注可生物降解、可堆肥和可回收材料。此外，还探讨了主动和智能包装系统的整合，以及人工智能（AI）在提高包装效率方面的新兴作用。材料创新方面，例如生物聚合物、基于纤维素的薄膜、藻类衍生涂层和纳米材料，提供了环保的替代方案，同时仍能保持防护屏障、抗菌活性和延长保质期等基本功能。此外，主动和智能包装技术通过抗菌和抗氧化剂增强保鲜，同时还通过嵌入传感器实现对食品新鲜度的实时监测。此外，人工智能技术，特别是机器学习，通过数据分析支持材料选择优化、保质期预测和质量控制。最终，可持续材料与数字技术的协同作用正在改变食品包装的格局。因此，这种综合方法为减少环境影响、提升食品安全以及提高供应链全程的运营效率提供了一个有前景的路径。
-
使用风味组学和机器学习研究硫化合物对酱油风味白酒风味的贡献
查看原文
2026
npj Science of Food
中科院一区JCR一区
Shiqi Yang, Xinyue Zhang, Yi Shen, Jiao Niu, Hehe Li, Yonghua Wang, Jinyuan Sun, & Baoguo Sun
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 红外/拉曼光谱数据 组学数据食品标签
酒精饮料 特征风味 光谱/色谱/质谱等分析方法 风味组学 含硫植物化合物本研究通过将传统风味分析与机器学习方法相结合，系统地研究了硫化合物对酱香型白酒（SSFB）风味的贡献。通过综合二维气相色谱-硫化氢化学发光检测器，共鉴定出88种硫化合物。通过正交偏最小二乘判别分析和气味活性值确认了其显著的风味贡献，相关性分析揭示了它们与8种香气特征的系统关联。结合7种机器学习方法筛选出8种核心硫化合物。双矩阵添加实验表明，这些化合物显著增强了酱香和陈香。值得注意的是，研究揭示了硫化合物的基质依赖性风味调控。在年轻的SSFB中，这些化合物同时增强了酱和陈香以及花香和果香，而在陈年SSFB中，它们则更具体地作用于强化核心的酱香和陈香，对其他香气的贡献减少。
-
使用台式和便携式拉曼光谱仪检测与定量初榨阿甘油掺假：一项比较研究
查看原文
2026
Food Control
中科院一区JCR一区
Meryeme El Maouardi, Mohammed Alaoui Mansouri, Kris De Braekeleer, Juan Antonio Fernández Pierna, Vincent Baeten, Abdelaziz Bouklouze, & Yvan Vander Heyden
计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据食品标签
玉米 豆类与坚果（及籽类） 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 传统统计分析与回归初榨阿甘油具有较高营养和经济价值，容易被廉价植物油掺假。本研究比较了台式和便携式拉曼光谱仪在阿甘油掺假检测与定量中的表现。研究评估了三种仪器：台式 Senterra II、便携式 Rigaku 和便携式 MIRA XTR。真实阿甘油分别与葵花籽油、玉米油、菜籽油和花生油混合，掺假水平为 1%-40% 的 13 个梯度，每种掺假油在每个水平制备 3 个平行样，共得到 156 个掺假样品并重复测量 3 次。数据分析采用分层化学计量流程：首先使用 PCA 进行探索性可视化，然后使用 PLS-DA 区分真品与掺假样品并识别掺假油类型，最后使用 PLSR 定量掺假水平。PLS-DA 模型在不同仪器上均取得可接受到较高的分类性能，PLSR 能以较高准确性定量低至 5% 的掺假水平。便携式 MIRA XTR 综合表现最佳，具有较高分类准确性、较低预测误差和低于 1.7% 掺假物的估计检出限；Senterra II 也表现良好，而 Rigaku 灵敏度相对较弱。该研究支持拉曼光谱结合化学计量学用于阿甘油快速真实性鉴别。
