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
-
茶产业的智能化转型：人工智能在管理、采收和加工中的应用
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Xuechen Zhang, Sitan Ye, Yujie Wang, Mostafa Gouda, Yan Hu, Muhammad Adnan Islam, Yong He, & Xiaoli Li
计算机标签
模型轻量化/边缘计算 分类/鉴别/等级评定 时序传感器/物联网数据 公开数据集食品标签
茶/茶饮料 加工与新加工技术 过程监测与在线检测 显微与成像技术背景：茶叶产业已经建立了包括种植、管理、采摘和加工在内的完整产业链，人工智能正在重塑其生产方式和治理模式。范围与方法：本综述聚焦于茶叶生产的三个关键方面--茶园管理、采摘和加工。它对过去五年人工智能技术在整个茶叶生产加工产业链中的应用现状进行了深入分析，涵盖设备、系统和方法论。该综述指出了现存的挑战，并提出了未来的发展路径。主要发现和结论：随着高标准数据库的完善、异构数据协同决策算法的突破以及终端智能体的迭代，人工智能驱动的智慧茶产业将进入一个新的发展阶段。管理方面将整合卫星影像、无人机数据、地面传感器和运营数据，结合领域知识图谱与专业大模型，实现高效精准的管理决策。采摘方面将同步推进轻量化本地模型和依托高速通信的云端推理。设备配置将向模块化机械臂采摘单元以及采摘与分拣一体化系统发展。这将与茶园改造相协调，以实现机器友好适应和品种优化。加工环节将实现茶叶参数的原位在线感知，实现色、香、味、形与加工工艺的精准匹配。在数据、算法和设备的协同驱动下，茶产业将实现全链条的全面智能化升级和高质量发展。
-
人工智能在精准运动营养中的作用：从数据到饮食的转变
查看原文
2026
Food Science and Human Wellness
中科院一区JCR一区
Mohammad Nasb, Ying Zhang, & Ning Chen
计算机标签
机器学习/统计学习 设计/生成与推荐 多模态/融合数据食品标签
血糖、血脂与代谢相关功能 营养与生物功能 碳水化合物与糖类人工智能（AI）在精准运动营养中的整合正在重塑运动员优化饮食摄入以提升表现、恢复和整体健康的方式。本文讨论了AI技术在制定针对运动员不同生理和代谢需求的精准营养策略中的交叉应用。基于AI的机制，如实时饮食监测、连续血糖监测和营养优化系统，为AI通过分析复杂数据集、融合遗传、代谢和环境因素来推进精准营养应用的影响提供了独特见解，从而贡献出能够根据运动员不断变化的需求进行调整的精准饮食建议。然而，该领域中由人工智能带来的障碍，包括伦理考量、数据保密性以及跨不同人群的一致性需求，也同样需要面对。通过使用人工智能，运动员可以在营养计划上获得更高的精准度，从而提升运动表现，并以传统方法无法比拟的方式促进疲劳或伤病的恢复。本文进一步以未来趋势的讨论作结，强调人工智能在提升运动员乃至普通运动爱好者的精准营养参与中的作用。
-
人工智能驱动的淀粉基凝胶3D食品打印可打印性与质构特性预估
查看原文
2026
Food Hydrocolloids
中科院一区JCR一区
Shihao Cui, Ying Cui, Andreas Blennow, Yuyue Zhong, & Xingxun Liu
计算机标签
深度学习 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 质构/流变/感官数据食品标签
碳水化合物配料 3D 打印与结构构筑 品质、结构与理化性质 质构与流变性质 常规理化指标测定 质构与流变测试 碳水化合物与糖类本研究提出了一种人工智能驱动的方法，用于在打印前预测3D打印食品模型的可打印性和质构属性。为实现基于配方的无损预测，研究从打印墨水配方中实验提取了12项关键特征，并据此构建了一个由三个专用神经网络模型组成的新型多阶段深度学习框架。第一个模型为二分类器，用于初步判断墨水是否可打印；若判定为可打印，则进入第二个模型，由可打印性等级分类器将其划分为高、中或低三个等级，从而提供以往研究较少涉及的精细评价。与此同时，第三个模型利用相同的输入特征，同时预测最终产品的硬度、弹性、胶黏性和内聚性等多项质构特性，推动了打印前质量评价的发展。基于系统采集样本构建的数据集，三个模型的平均准确率均接近90%。该研究简化了3D打印食品的打印前评价和无损评估流程，并为该领域的进一步发展奠定了基础。
-
用于基于机器学习番茄尺寸分选的压力不敏感柔性弯曲传感器软夹爪
查看原文
2026
LWT
中科院一区JCR一区
Tianyun Dong, Chengjun Zhang, Hongwei Li, Chaoyue Han, & Jianfeng Ping
计算机标签
随机森林 定量预测/回归分析 时序传感器/物联网数据食品标签
新鲜水果 过程监测与在线检测柔性弯曲传感器能够为机器人番茄分选系统中的软夹爪提供精确检测能力，从而显著提升温和、准确抓取的性能。然而，传统传感器在抓取过程中容易受到接触压力干扰，导致弯曲信号失真并降低分选精度。为解决这一问题，本文提出了一种具有压力不敏感特性的全柔性弯曲传感器。该传感器结合半球形凸起结构与 H 形微通道设计，表现出优异的抗压力干扰能力。实验结果显示，传感器弯曲-压力灵敏度比达到 47.5:1，线性度 R2 = 0.97，响应时间为 144 ms，并具有良好的循环稳定性。研究将该传感器集成到柔性夹爪中，利用随机森林回归模型建立抓取电阻值与番茄尺寸之间的相关关系，实现了高精度尺寸预测。最终，该压力不敏感、高灵敏度柔性弯曲传感器成功应用于机械臂自动分选，为智能农业装备发展提供了重要支持。
-
理解和控制绿叶蔬菜采后黄化：机制、影响因素和新兴 AI 策略综述
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Taishan Huang, Yaqi Zhao, Wenyuan Zhang, Zhanquan Zhang, Haixia Yang, & Jianjun Deng
计算机标签
机器学习/统计学习 定量预测/回归分析食品标签
新鲜蔬菜 颜色与外观品质 营养与生物功能 常规理化指标测定 蛋白质与氨基酸蔬菜是人类膳食的重要组成部分，但在采后处理过程中面临水分流失、变色和腐烂等诸多挑战。其中，绿叶蔬菜采后黄化是最紧迫且具有重要经济意义的问题之一，因为它会显著降低外观吸引力、营养品质和市场价值，也给蔬菜产业可持续发展带来障碍。该现象主要由叶绿素降解驱动，这是一种受多种环境和生化因素影响的复杂生理过程。近期研究表明，叶绿素分解在分子水平受到严格调控，涉及基因表达、酶活性和细胞代谢的协同变化。随着农业科学技术持续发展，多种策略被提出用于减缓采后黄化，包括延缓衰老的基因敲除方法、调节贮藏环境的功能包装材料，以及利用人工智能优化供应链管理和贮藏条件。新兴 AI 技术在实时监测、黄化早期预测和采后环境精准控制方面展现出特别潜力。本文综述了蔬菜采后黄化的机制，分析影响叶绿素降解的内部和外部因素，并评价当前防控策略。文章还强调未来研究方向，指出将 AI 与现代保鲜技术结合，对于改善采后管理、提升蔬菜整体品质和货架期至关重要。为了推动真实采后系统应用，仍需进一步验证和实践这些方法。
