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
-
生鲜供应链中的智能标签系统：从单功能到多参数集成
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Fangye Zeng, Min Zhang, Chung Lim Law, & Luming Rui
计算机标签
机器学习/统计学习 过程控制与实时优化 时序传感器/物联网数据食品标签
货架期预测与品质劣变动力学 包装系统中的监测与标签应用 智能/指示型包装背景：生鲜食品供应链正经历显著的食品损失和浪费。同时，生鲜食品的腐败过程复杂，监测单一参数不足以有效应对这一挑战。因此，能够监测多参数并提供主动警报和决策支持的综合标签系统，在生鲜食品供应链中显示出巨大的应用潜力。范围与方法：本文系统回顾了生鲜食品供应链中智能多参数综合标签的研究进展和未来发展趋势。首先分析了各种生鲜食品的变质机制及关键环境参数的影响机制。随后，重点强调了从单功能传感单元向多参数综合系统的发展路径。本文讨论了引入无线传感、机器学习、区块链和数字孪生等先进技术的重要性。最后，围绕仓储、物流和零售三个主要应用场景进行了案例研究，同时探讨了关键挑战和应用前景。主要发现和结论：智能指示标签领域正在从单一传感、被动指示向多参数集成和主动预警/决策发展。通过三种集成策略--标签阵列、材料与功能集成以及系统集成--实现了多参数的同时感知。引入无线传感、机器学习、区块链和数字孪生技术，使整个供应链的监测数据能够实现及时、透明、可信和可追溯。这使生产者和经营者能够有效调控环境条件和价格决策，减少食品浪费，并显著增强消费者信任。
-
用于食品食材识别与营养素估算的视觉–语言模型比较研究
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
Shenglong Wang, Guorui Sheng, Hongfei Yan, Weiqing Min, & Shuqiang Jiang
计算机标签
其他深度学习结构 分类/鉴别/等级评定 定量预测/回归分析 多模态/融合数据 可见光/RGB/视频数据 文本/知识库/法规数据 大规模数据集 公开数据集食品标签
复合/即食/餐饮食品 品质、结构与理化性质 营养与生物功能 显微与成像技术 食品成分/消费数据库分析 常量营养素（宏量）准确评估食品组成对于理解其营养和感官特性至关重要。传统膳食评估方法通常受到主观输入和可重复性不足的限制。本研究探索视觉–语言模型在自动化食品组成分析中的应用，重点考察食材识别和营养素估算两项任务。研究使用Nutrition5K数据集评估多种先进视觉–语言模型；该数据集包含真实食品图像及食材级标注。为提高模型对复杂食品结构的敏感性，作者提出一种渐进式多视角图像识别方法，以增强食材识别能力；同时提出利用食材标签引导营养素估算的提示策略。结果显示，大多数视觉–语言模型能够有效识别食品中的主要成分，但在定量估算营养素含量方面仍存在困难，尤其是在处理复合菜肴或视觉信息模糊的食品时。研究结果揭示了人工智能辅助食品组成分析的潜力与局限，并为未来融合化学、视觉和计算信息的方法提供了参考。
-
从检测链到预防趋势：陆地和海洋食品安全系统的人工智能治理框架
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Joothykannan Krisnanmoorthy, & Yudi Fernando
计算机标签
机器学习/统计学习 知识抽取与语义理解 文本/知识库/法规数据食品标签
鱼肉 食品安全与风险评估背景：人工智能（AI）技术正在从被动的污染检测向预测性预防系统根本性地改变食品安全，但其部署面临治理缺陷，威胁到公平的采用。范围与方法：本文分析了1766篇出版物（2015-2025），评估了陆地和海洋供应链中的AI检测系统、预测分析和区块链可追溯性。主要发现与结论：计算机视觉在病原体检测中达到95-99%的准确率，而区块链将可追溯性从数天缩短到数秒。我们的分析显示出关键的技术与治理失衡（比例为7.5:1），以及海洋系统的严重代表性不足（陆地占主导地位的比例为2.3:1；非法、不报告和不规范捕鱼研究赤字为57:1），尽管水生食品为33亿人提供了全球动物蛋白的17%。欧盟、美国和亚太地区的零散监管框架造成了部署不确定性，尤其是对中小企业而言。尽管海洋食品系统对全球动物蛋白做出了贡献，但它们仍然严重服务不足，而治理未能充分应对有害藻华、重金属生物累积和非法捕鱼问题。我们提出了一种针对陆地和海洋食品安全系统的人工智能治理框架，该框架包含自适应监管机制。
-
基于光谱重塑和动态注意力驱动深度学习的蓝莓早期碰伤无损检测
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Yuping Huang, Zhouchen Bian, Khurram Yousaf, Xuzhong Cao, Haojun Jin, Dong Hu, Ye Sun, Weijun Xie, & Chenlong Fan
计算机标签
深度学习 偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
新鲜水果 微观结构与成像 显微与成像技术蓝莓果皮柔软，在采收和运输过程中极易发生碰伤。因此，早期检测碰伤对提升经济价值和满足市场需求至关重要。本研究旨在通过整合光谱数据重塑方法和引入动态注意力融合机制的改进深度学习模型，建立一种早期蓝莓碰伤无损检测新框架。研究还进行微观结构分析，以增强光谱数据解释性。比较了使用一维光谱曲线的传统模型和使用包含重塑光谱数据二维图像的深度学习模型。结果表明，在 400-1000 nm 范围内，偏最小二乘判别分析（PLSDA）和支持向量分类（SVC）取得相近准确率；在 1350-2200 nm 范围内，SVC 表现更好，准确率为 91.2%。深度学习模型在重塑的二维光谱数据集上表现突出，其中 DAF-EfficientNetV2 在原始和增强数据集上均取得最高分类准确率，即在 400-1000 nm 范围内分别为 98.5% 和 99.7%，在 1350-2200 nm 范围内分别为 95% 和 99.2%。这些结果证明，将所提出的光谱数据重塑方法与注意力增强深度学习模型结合具有有效性。
-
机器学习和现代生物分析技术在人类嗅觉受体去孤儿化中的最新进展及应用：综述
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Zhilin Hao, Chang Liu, Sensen Zhang, Boyang Li, Hanyu Wang, Jingcheng Zhang, Baoguo Sun, Jian Mao & Jianping Xie
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
特征风味 感官评价与方法学背景：人类嗅觉受体（ORs）在气味感知和食物风味识别中起着核心作用，直接影响消费者的偏好和饮食行为。然而，大多数人类嗅觉受体仍处于“孤儿”状态，这限制了我们对嗅觉机制及其在食品科学和健康领域实际应用的理解。
范围与方法：本综述总结了嗅觉受体去孤儿化的最新进展，涵盖了嗅觉受体的结构与分类、可用的数据资源，以及在识别嗅觉受体-配体对方面机器学习技术和现代生物分析工具的进展。
主要发现与结论：基于机器学习的预测模型和结构生物学显著提高了嗅觉受体-配体识别的准确性和可解释性。同时，改进的嗅觉受体表达系统和功能测定方法增强了配体验证效果。基于嗅觉受体的生物传感器在食品质量快速评估中展现出广阔的应用前景。这些联合方法有助于更深入地理解气味感知，并为食品质量评价、感官增强以及功能性成分开发等实际应用提供支持。
