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
-
基于 Al³⁺/BSA 稳定铜纳米簇的智能手机集成比率荧光传感器用于水产品中环丙沙星的现场可视化检测
查看原文
2026
Food Research International
中科院一区JCR一区
Yujiao Cui, Xiaofei Li, Qingyan Gu, Zhixiang Xu & Longhua Xu
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 质构/流变/感官数据食品标签
肉类/蛋类与水产品 化学污染物 光谱/色谱/质谱等分析方法水产品中环丙沙星（CIP）的残留问题日益引发人们对生物蓄积性和抗生素耐药性的担忧，因此亟需开发高灵敏度、高选择性的检测方法。本文构建了一种基于牛血清白蛋白稳定的铜纳米簇（BSA-CuNCs）与铝离子（Al³⁺）的新型比率荧光传感器，用于环丙沙星检测。环丙沙星与铝离子发生络合作用，可同时猝灭BSA-CuNCs在600 nm处的橙红色荧光，并增强其在490 nm处的本征蓝色荧光，从而产生自校准比率信号（F₄₉₀/F₆₀₀），该信号具有明显的浓度依赖性响应，且溶液颜色可从橙红色直观地变为蓝色。得益于铜纳米簇的大分子表面修饰及比率传感策略，该传感器稳定性好、选择性高、抗干扰能力强。其线性检测范围宽达0.025–50.0 mg L⁻¹（R² = 0.9935），检出限低至0.01 mg L⁻¹，在复杂基质中具有实际应用潜力。在多种水产食品样品中的验证实验表明，回收率为87.0%–108.8%，相对标准偏差（RSD）＜2.4%。为进一步拓展其实际应用范围，本研究搭建了智能手机辅助传感平台，可基于RGB值实现准确定量分析（R² = 0.9929）。采用配对t检验与高效液相色谱法（HPLC）进行统计学比较，结果显示两种方法无显著差异（p＞0.05），表明二者分析结果高度一致。本工作为环丙沙星残留的准确定量检测与直观可视化筛查提供了可靠且通用的方法，同时也为未来在实际应用中实现铝离子与环丙沙星的同步检测奠定了基础。
-
基于智能手机的分子印迹纸基传感器用于牛奶、牛肉及水体中双氯芬酸钠的双模式检测
查看原文
2026
Food Research International
中科院一区JCR一区
Yongfei Zhou, Ning Li, Xinhua Zhou, Li Ming, Hongyan Zhang, Xiaobo Zhou & Can Zhang
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
畜肉 液态乳 化学污染物 显微与成像技术本研究构建了一种新型双模式纸基传感器，通过比色法与荧光检测联用，实现对生鲜牛奶、牛肉及水体基质中双氯芬酸钠（DFS）的快速、高灵敏定量检测。该传感器将硫化铜纳米花（CuS）与分子印迹聚合物（MIPs）相结合，具备高特异性与催化效率；同时硝酸铕聚合物（EuPMs）通过荧光猝灭效应提升检测灵敏度。依托智能手机搭建的分析平台可实现现场快速定量检测，且样品前处理简便，在实际基质中的检出限为 0.007 μM，加标回收率为 95.3%～114.4%。该创新方法不仅克服了传统检测方法的局限，还为农业食品供应链与农业环境中的药物残留监测提供了便携、经济的解决方案，有效弥合了传统实验室分析与现场即时检测之间的技术鸿沟。
-
基于机器学习辅助纳米酶传感阵列的咖啡品种简便鉴别策略
查看原文
2026
Food Control
中科院一区JCR一区
Jie Li, Xingna Zheng, Siyu Wang, Yi Ru, Yongxin Li, & Hui Huang
计算机标签
主成分分析/判别分析 智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据食品标签
咖啡饮料 食品安全与风险评估 其他安全问题 蛋白质与氨基酸咖啡品种鉴别对于质量控制、真实性评价和掺假监管具有重要意义，但传统分析方法通常耗时较长，难以满足快速现场检测需求。本研究开发了一种机器学习辅助的纳米酶传感阵列，用于简便识别咖啡品种。研究首先筛选 13 种纳米酶和 1 种天然酶，最终选择 4 个纳米酶通道构建比色传感阵列。该阵列可用于区分咖啡关键成分、二元和三元混合物，并在降低浓度差异干扰的情况下识别咖啡样品。研究采用线性判别分析及其他机器学习方法进行模式识别。该策略成功区分 Arabica 和 Robusta 咖啡，并进一步识别 8 个咖啡子类别；在测试中，64 个样本分类准确率达到 100%。研究还开发了手机应用，用于现场识别和掺假半定量分析，现场应用准确率为 88.9%，正文盲样掺假程度估计准确率超过 94.7%。结果表明，纳米酶传感阵列结合机器学习可为咖啡真实性鉴别提供快速、便携和低成本的方法。
-
基于智能手机辅助的姜黄素荧光传感平台，通过氢键操控检测中国白酒中的酒精含量
查看原文
2026
Food Chemistry
中科院一区JCR一区
Fang Xu, Longfei Su, Zhenxing Guo, Qiang Cheng, Jiachen Guan, Yuhang Guo, Liqiang Xu, & Guoping Sheng
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法酒精含量是中国白酒生产中最重要的质量控制指标之一，其准确测定对于保障产品质量、消费者健康以及税收评估具有重要意义。本研究提出了一种创新的荧光传感平台用于酒精含量测定。研究中使用姜黄素作为荧光指示剂，其对乙醇和水的氢键作用表现出明显的荧光响应。实验结果表明，荧光强度变化与酒精含量（20 - 80 %，体积比）之间呈现优异的线性相关关系，相关系数高（R² = 0.991），精密度优良（相对标准偏差 < 1.67%），准确性高（回收率 96.78 - 102.79%，相对误差 ± 3.22%）。进一步与智能手机技术整合，开发了一种便携式荧光检测平台，该平台能够通过对荧光图像的RGB分析精确测定酒精含量。这一新方法在实际应用中展现出良好的潜力，为食品和饮料行业提供了一种便携且用户友好的酒精含量测定解决方案。
-
整合元素指纹和全反射 X 射线光谱指纹与机器学习用于高级海产品追溯
查看原文
2026
Food Control
中科院一区JCR一区
Nuno M. Rodrigues, Vanessa F. Fonseca, Renato Mamede, Susanne E. Tanner, Bernardo Duarte, & Sara Silva
计算机标签
随机森林 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
鱼肉 新鲜水果 食品安全与风险评估 其他安全问题 标准/法规/数据库分析 矿物质与微量元素海产品消费和需求增加导致食品欺诈问题上升，也推动了海产品追溯法规的发展，以保障海洋资源可持续利用和食品安全。头足类是具有商业价值的海产品资源，容易发生错误标识。普通章鱼在葡萄牙等南欧地区具有较高市场价值。本研究从葡萄牙大西洋沿岸 5 个捕捞区域和 3 个采样时期收集 450 个普通章鱼个体，评估其可食肌肉组织的元素指纹和光谱数据作为机器学习模型输入用于产地判别。研究在多时间数据上训练多种机器学习模型，揭示了模型性能和可解释性之间的权衡。分析显示不同季节之间存在明显分布偏移，可能与该物种复杂生命周期有关。模型性能显著依赖所用季节数据；10 月、9 月及其合并秋季数据训练的模型明显优于 4 月数据训练的模型。无论采用元素指纹还是光谱分析，这一趋势均存在，但多数模型中元素指纹数据总体具有统计学优势。总体性能方面，提升树模型表现突出；保持测试集结果显示，9 月数据的全元素指纹随机森林模型 F1 分数达到 73%。所建立模型具有较好的预测性能和泛化能力，基于 SHAP 的特征重要性分析显示模型决策可得到生物学解释，其中砷在所有采样时期均是区分捕捞区域的关键元素。
