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
-
基于维度转换 Vis-NIR 透射光谱和可解释深浅层模型检测霉心亚健康苹果
查看原文
2026
Food Control
中科院一区JCR一区
Mingcan Zhai, Zhibin Wang, Youfang Yu, He Li, Xiaoming Mo, Mengxu Zhao, Yanyan Li, Zhihua Zha, & Jie Wu
计算机标签
其他深度学习结构 支持向量机 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
新鲜水果 颜色与外观品质 保藏与贮藏 光谱/色谱/质谱等分析方法 显微与成像技术种腔内霉变但果肉仍基本保持可食状态的苹果被定义为亚健康果，其及时检测对贮藏和销售控制非常重要，因为这类苹果难以仅凭外观与健康苹果区分。本研究开发了可实现全透射、漫透射和组合透射的 Vis-NIR 光谱检测系统，并结合维度转换和可解释深浅层学习进行分类。主分类任务共选取 371 个富士苹果，包括 152 个健康果、122 个亚健康果和 97 个病果。550-850 nm 光谱经 GASF、GADF、MTF、SDP 和 RP 等方法转换为二维图像。视觉 Transformer 从转换后的光谱图像中提取 768 个深层特征，并比较 kNN、SVM 和逻辑回归分类器。基于全透射强度光谱转换的 GASF 图像，ViT-kNN 模型整体准确率为 81.33%，F1-score 为 81.33%，Kappa 为 72.18%，Matthews 相关系数为 73.17%。SHAP 分析识别出 84 个有影响特征，其中包括 45 个正向特征和 39 个负向特征；前 5 个主特征贡献约 80% 的分类准确率。外部验证另使用 102 个苹果。该方法为苹果早期或轻微内部霉心病检测提供了无损检测思路。
-
基于挥发性化合物和机器学习的中国白灼鸡（麻黄、土耳和黄油）快速分析
查看原文
2026
Food Chemistry
中科院一区JCR一区
Wei Xuan Chen, Yong Jing Bie, Yuan Xu, Bei Zhou, Xiao Ming Wang, Min Yi Han, Imre Blank, Lei Zhang, Yuan Liu, & Yan Ping Chen
计算机标签
机器学习/统计学习 随机森林 梯度提升决策树 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
禽肉 食品安全与风险评估 其他安全问题 特征风味 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质为了促进家禽产业的智能发展，本研究采用气相色谱-离子迁移谱（GC-IMS）系统分析了三种中国白斩鸡（CBC）品种（麻黄、土耳、黄油鸡）的挥发性有机化合物（VOCs）。开发了一种基于机器学习的CBC分类模型，用于快速、精准的品种识别。基于GC-IMS共鉴定出66种VOCs，通过Extra-Trees和F回归算法筛选出54种关键化合物。乙酸乙酯和3-己烯-1-醇为标志性VOCs。神经网络表现出优异性能（预测准确率=0.9611），显著优于XGBoost、决策树和随机森林模型。结果表明，基于挥发性有机化合物（VOC）的快速区分技术能够高效识别CBC品种，而神经网络（NN）模型为精确分类提供了创新的解决方案。这项研究为中国禽类加工行业的智能化升级提供了强有力的技术支持，通过数据驱动的方法提升了质量控制和生产效率。
-
无菌泡菜发酵中的菌株特异性代谢终点与预测性阶段分类
查看原文
2026
Food Chemistry
中科院一区JCR一区
Yujin Kim, Se Hee Lee, Mi-Ja Jung, Jisu Lee, Yeon Bee Kim, Young-Shick Hong, & Tae Woong Whon
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据食品标签
蔬菜发酵制品 肠道健康与微生物相关功能 发酵工艺与动力学 微生物组/宏基因组学 蛋白质与氨基酸 碳水化合物与糖类发酵是基于底物与微生物群落之间的动态相互作用驱动的。然而，自然群落的复杂性限制了其预测性控制。为了解决这个问题，我们通过在受控温度下接种已定义的乳酸菌（LAB）群落和单一菌株，开发了一个无菌泡菜模型。群落发酵表现出依赖温度的生长和酸化，在 6 ◦C 和 10 ◦C 下增殖稳定，而 15 ◦C 则引起群落结构的快速变化。阶段归一化显示微生物和代谢物谱沿着共同的演替模式趋同。机器学习鉴定出一个由九种代谢物组成的特征（乳酸、蔗糖、果糖、甘氨酸、葡萄糖、琥珀酸、苏氨酸、胆碱和谷氨酸），能够准确分类发酵阶段，并在内部和外部数据集上表现出稳健的性能。网络分析突出了中温乳杆菌（Leuconostoc mesenteroides）和乳酸乳球菌（Lactococcus lactis）作为关键的代谢物种，而单菌关联发酵揭示了菌株特异的代谢终点和策略。这些发现建立了一个可预测的乳酸菌驱动泡菜发酵的框架。
-
声化学能量耦合与普洱茶风味演变的多尺度机制解析
查看原文
2026
Ultrasonics Sonochemistry
中科院一区JCR一区
Shengjie Duan, Huiqing Luo, Lihui Yu, Jinya Dong, Ziqian Qiao, Shan Liu, Yanan Li, Huajie Yin, Rui Zhou, Yuanfeng Chen, Siyu Zhou, Chen Gong, Yan Shen, Zezhu Du, Li Feng, Xiaocui Du, Jun Sheng, Ruijuan Yang, & Chongye Fang
计算机标签
偏最小二乘法 定量预测/回归分析 组学数据食品标签
茶/茶饮料 其他酱腌/发酵食品 物理辅助加工 特征风味 发酵工艺与动力学 微生物组/宏基因组学 风味组学 蛋白质与氨基酸 碳水化合物与糖类 多酚与黄酮 其他植物化学物质普洱茶（Camellia sinensis var. assamica）是一个复杂的多相发酵体系，其风味形成涉及化学转化、能量传递和微生态演替。为阐明声化学能量输入加速风味演变的机制，本研究构建了一个整合风味组学、分子动力学模拟和微生物生态分析的多尺度模型，用于描述超声空化条件下的分子反应和代谢调控。声功率密度从0.3增加至0.8 W/mL时，空化强度、能量吸收、活性自由基浓度和传质系数均显著提高，并形成高能异质微区。声化学耦合降低了酯型儿茶素的反应能垒，促进其向游离酸型多酚转化；高剪切力还使蛋白质和肽发生部分解聚，使呈味氨基酸和可溶性糖增加约1.5—3倍，从而增强茶汤的醇厚和甘甜感。宏组学分析显示，较高声能促进植物乳杆菌和黑曲霉等功能菌群富集，与苯丙氨酸代谢及单萜生物合成相关的通路约富集两倍，推动芳香酯和萜类物质积累。PLSR和RDA模型表明，声功率和空化指标能够定量预测风味输出。不过，技术经济分析和固态介质声传播模型显示，工业放大仍面临能耗、固液混合反应器设计及后续脱水成本等限制。研究揭示了声化学能量驱动普洱茶风味演变的跨尺度机制，并界定了该技术的应用边界。
-
人工智能如何革新食品检测？视觉、嗅觉和味觉与机器学习/深度学习在食品检测中的整合
查看原文
2026
Food Chemistry
中科院一区JCR一区
Changhui Wei, Li Zhou, Buwen Liang, Jing Chen, Guoyi Wang, & Xinxing Li
计算机标签
机器学习/统计学习 深度学习 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 时序传感器/物联网数据 质构/流变/感官数据食品标签
过程监测与在线检测 光谱/色谱/质谱等分析方法人工智能（AI）的快速发展正在深刻地改变食品检测的理论框架和技术范式。本研究重点阐明基于机器学习（ML）和深度学习（DL）的人工智能在特征提取、模式识别和决策反馈中的潜在机制。人工智能算法使计算机视觉、电子鼻和电子舌等感知系统能够克服对手工特征的依赖，实现复杂信号的自动学习和高维表征，从而显著提高检测的准确性和鲁棒性。此外，本文系统分析了人工智能驱动的感知技术的优势和局限性，并展望了多模态数据融合和大型语言模型（LLM）潜在应用的前景。最后，研究总结了人工智能在食品检测中仍然面临的主要挑战，并概述了未来发展的潜在方向。
