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 339 条结果
-
食品安全中的人工智能：一项三级研究
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Marina Arribas Lopez, Yamine Bouzembrak, & Bedir Tekinerdogan
计算机标签
大语言模型 深度学习 定量预测/回归分析 时序传感器/物联网数据 文本/知识库/法规数据食品标签
食品安全与风险评估 标准/法规/数据库分析食品安全仍然是防止被污染和有害产品进入消费者手中的关键因素。人工智能（AI）的整合及其处理大量数据集的能力显著提升了食品安全规范，并且在这两个领域的交叉点上出现了大量的初级和次级研究。尽管已有一些研究涉及人工智能在食品安全中的应用，但还没有三次研究对现有系统评价的集体见解进行综合分析。为填补这一空白，本文通过对次级研究的系统性三次分析，提供了人工智能在食品安全应用现状的全面概述。通过系统分析二次研究，本研究识别了关键趋势，例如最常被研究的食品类别、使用的数据来源、普遍的食品安全危害、常用的人工智能算法以及其在该领域实施所面临的挑战。分析显示，乳制品获得了最多的研究关注，传感数据是主要的数据来源。神经网络成为主要的人工智能方法。此外，大多数应用集中于化学食品安全危害的检测，而非生物、物理或一般预测建模。值得注意的是，本研究强调，尽管在生成式人工智能时代非结构化数据的重要性日增，但利用非结构化数据的人工智能算法仍然缺乏。因此，讨论了未来的研究方向，特别是大型语言模型（LLM）在食品安全监测和法规遵从中的变革潜力。
-
基于深度学习的新型比色传感器阵列用于实时肉类新鲜度评估
查看原文
2026
Food Hydrocolloids
中科院一区JCR一区
John Smith, Jane Doe, Robert Brown, Lisa Johnson & Michael Wilson
计算机标签
深度学习 卷积神经网络 定量预测/回归分析 可见光/RGB/视频数据食品标签
肉类/蛋类与水产品 智能/指示型包装 常规理化指标测定实时监测肉类新鲜度的系统对于确保食品安全和提高食品供应链效率至关重要。本研究提出了一种新型比色传感器阵列，结合了离子液体调谐的花青素和纳米二氧化硅涂层，以提高稳定性和灵敏度。传感器阵列针对肉类腐败过程中产生的常见胺气体进行了测试，表现出高精度和耐用性。通过与深度卷积神经网络集成，实现了对新鲜度参数的定量预测，准确率超过97%。该系统在智能肉类包装的实际应用中显示出巨大潜力。
-
人工智能赋能高价值水果动态可持续保鲜研究
查看原文
2026
Food Research International
中科院一区JCR一区
Zhaoxuan He, Shenggui Lin, Xingyu Liu, Wenqian Li, Yanyong Mao & Hao Shi
计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化 模拟与数字孪生食品标签
新鲜水果 生物基/可降解材料 保鲜涂膜与保鲜剂 活性包装 智能/指示型包装 其他可持续性主题 其他理化与结构表征由于呼吸失衡、微生物侵染以及环境波动，高价值果实采后在贮藏和运输过程中的品质保持仍是一大难题。近年来，人工智能驱动的薄膜技术取得进展，为果实的动态可持续保鲜提供了创新策略。通过将壳聚糖、海藻酸钠、纤维素等天然高分子基材与智能响应剂及人工智能算法相结合，这类智能薄膜可实时感知并适应温度、湿度及气体组分的变化。机器学习辅助设计可实现材料组分、气体渗透性及主动释放动力学的预测优化，而嵌入式传感器与数字孪生系统则支撑微环境的闭环调控。本文综述了人工智能集成薄膜从材料设计、过程调控到实际应用的研究进展，重点阐述其自适应气体调控、pH响应性、抗菌性能及机械稳定性。材料科学、人工智能与食品技术的协同融合，正为下一代智能包装系统奠定基础，以实现高价值果实精准且可持续的保鲜。
-
基于稳定同位素和元素化学计量学的不同产地肉桂追溯
查看原文
2026
Food Control
中科院一区JCR一区
Honghui Xiao, Bo Huang, Qingquan Huang, Karyne M. Rogers, Yalan Li, Menglin Zhang, Zhongxiong Hou, Chunlin Li, Yuwei Yuan, Yi Luo, & Hao Wu
计算机标签
深度学习 偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据食品标签
其他果蔬制品/植物类 其他安全问题 品质、结构与理化性质 传统统计分析与回归 矿物质与微量元素全球肉桂市场存在质量不一致问题，导致产地造假和潜在欺诈证据出现。本研究采用稳定同位素和元素分析技术，并结合化学计量学方法，对来自五个主要生产国家的肉桂样品进行产地追溯和鉴别，包括缅甸、印度、越南、印度尼西亚以及中国广东和广西。研究使用 5 种稳定同位素和 29 种元素含量，并结合偏最小二乘判别分析、随机森林和反向传播神经网络三种化学计量方法构建产地判别模型。结果显示，PLS-DA 模型取得最高肉桂分类准确率，在区分五个国家、中国与非中国生产国家以及中国广东和广西区域样品的三个模型中，判别率分别为 91.7%、96.7% 和 90.9%。BPNN 模型表现次之，RF 模型性能较低。基于 PLS-DA、RF 和 BPNN 模型变量重要性分析，研究识别出关键判别变量。Li、δ34S、Ni 和 Na 是实现五国产地分类的重要变量；在区分中国与非中国生产国家时，Ni、Li 和 Na 是关键变量；δ34S 和 Cd 对区分中国广东和广西产区贡献显著。该研究表明，所提出方法可有效区分肉桂产地，并为相关产品的产地保护和品牌发展提供可靠技术参考。
-
基于数据融合和可解释分析快速同步检测玉米中曲霉和黄曲霉毒素 B1 含量
查看原文
2026
Food Control
中科院一区JCR一区
Wenhui Jiang, Yi Zhang, Changxin Yang, Wei Liu, Changhong Liu, & Lei Zheng
计算机标签
深度学习 支持向量机 定量预测/回归分析 多模态/融合数据 红外/拉曼光谱数据食品标签
玉米 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法 微生物计数与生长曲线玉米在贮藏过程中极易受到黄曲霉感染，并进一步导致黄曲霉毒素 B1 污染，对食品安全和人体健康构成严重威胁。本研究通过融合近红外光谱和电子鼻技术，开发了一种同步检测方法。研究构建了随机森林、支持向量回归和前馈神经网络模型，并引入数据融合与特征选择策略。结果表明，基于中层融合的连续投影算法-FNN 模型显著优于单一模态模型，在真菌菌落数和 AFB1 含量预测中分别取得 R2P 为 0.9595 和 0.9867、RMSEP 为 0.2408 log CFU/g 和 24.7404 μg/kg、RPD 为 4.9671 和 8.6701 的表现。重要的是，SHAP 分析的引入使深度学习模型从黑箱转变为可解释系统，揭示预测主要由底物降解和氧化应激诱导挥发物等特定生化机制驱动，从而验证了检测逻辑的科学基础。本研究为玉米品质监测提供了快速、准确且机理可解释的框架，并为未来开发便携式现场检测设备奠定了基础。
