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
-
利用语义分割预测3D打印植物基肉制品蛋白质组成和硬度等多项属性
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
Sol Kim, Ji-Hoe Kim, Jaehwi Seol, Jeonghyeon Pak, Hyoung Il Son, & Soo-Jung Kim
计算机标签
卷积神经网络 循环神经网络 图像分割网络 定量预测/回归分析 缺陷/异物检测与定位 可见光/RGB/视频数据 质构/流变/感官数据食品标签
小麦 大米 豆类与坚果（及籽类） 3D 打印与结构构筑 品质、结构与理化性质 质构与流变性质 显微与成像技术 蛋白质与氨基酸三维（3D）食品打印能够逐层制造植物基肉制品（PMA），但可靠的加工过程质量评价仍面临挑战。本研究开发了一种多属性深度学习框架，利用打印过程中采集的RGB表面图像，以无损方式在线预测由配方决定的蛋白质组成和硬度。预测目标包括小麦面筋（WG）、大豆分离蛋白（SPI）、大米蛋白（RP）和硬度。研究采用以ResNet-50为骨干网络的DeepLabv3+模型，对孔隙、聚集和铺展等与可打印性相关的结构特征进行分割，平均交并比（mIoU）为0.558，平均准确率（mAcc）为0.620。随后，将RGB图像和分割掩膜输入EfficientNet—双向长短期记忆网络，进行多输出预测。五折交叉验证结果显示，WG、SPI、RP和硬度的决定系数R²分别为0.857、0.777、0.875和0.839，相应的均方根误差分别为4.035%、2.629%、3.224%和0.219 N。结果表明，基于RGB图像的语义分割能够捕捉与打印过程相关的形态特征，并支持对组成和质构属性的同步预测。该框架为3D食品打印系统的图像化质量监测提供了一种低成本、无损的方法。
-
使用掩码光谱进行黄曲霉毒素B1检测的自监督学习
查看原文
2026
Food Chemistry
中科院一区JCR一区
Wenwen Guo, Hongfei Zhu, Xianpeng Wang, & Zhongzhi Han
计算机标签
深度学习 小样本学习 特征工程与选择策略 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
玉米 豆类与坚果（及籽类） 化学污染物 过敏原与毒性问题 光谱/色谱/质谱等分析方法 其他特殊成分黄曲霉毒素是一种高度有毒的次级代谢产物，广泛存在于花生和玉米籽粒中。本研究提出了一种基于自监督学习（SSL）的策略，用于花生和玉米中黄曲霉毒素B1的精确检测。首先，构建了一个SSL主干网络，对掩蔽光谱执行光谱重建任务，为后续的监督学习提供预训练权重。其次，创新性地将光谱重建误差用作波长注意机制，并与SSL阶段微调的编码器相结合，以开发分类模型。该模型在花生中的平均准确率为0.9805 ± 0.0019，在玉米中为0.9478 ± 0.0060，优于其他深度学习模型。此外，还基于光谱重建误差选择了关键波长。实验结果表明，40个选定的关键波长优于其他方法，分布更加均匀，捕获了更丰富的光谱特征。本研究中的策略为少样本光谱检测提供了高效的解决方案。
-
利用代谢组学和机器学习优化曲茎石斛黄酮提取并阐明其抗氧化机制
查看原文
2026
Ultrasonics Sonochemistry
中科院一区JCR一区
Liu Yang, Yuhang Yi, Abdulaziz Nuhu Jibril, Jing Wen, Xing Song, Chenghao Lv, & Si Qin
计算机标签
支持向量机 定量预测/回归分析 组学数据食品标签
其他果蔬制品/植物类 物理辅助加工 过程优化与控制策略 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 代谢组学 多酚与黄酮近期研究表明，黄酮类化合物是石斛属植物中的一类主要活性成分，对其药理作用具有重要贡献。然而，石斛黄酮资源利用不足主要源于两个相互关联的瓶颈：一是缺乏用于筛选高黄酮种质资源的系统植物化学评价，二是缺少兼顾得率、重复性和规模化应用的稳健提取方案。为解决上述问题，本研究首先采用非靶向代谢组学比较分析4种代表性石斛的黄酮组成，随后构建了一个结合单因素试验、响应面法（RSM）和机器学习预测建模的综合优化框架，以设计并验证高效、高得率的黄酮提取方案。结果显示，曲茎石斛在4种石斛中具有最高的总黄酮含量。在体积分数94%的乙醇、提取68 min、料液比1∶50（w/v）和温度72 ℃的优化条件下，黄酮得率达到8.90±0.17 mg/g干重。在所评价的机器学习模型中，支持向量回归（SVR）表现出最高的预测精度，决定系数R²为0.9893，均方根误差为0.082 mg/g，平均绝对误差为0.058 mg/g。对优化提取物进行非靶向代谢组学分析共鉴定出34种黄酮，其中芦丁含量最高，其次为圣草酚和柚皮素查尔酮；这些化合物均通过对照品和光谱数据得到结构确认。体外功能试验表明，该提取物具有剂量依赖性抗氧化活性，并可通过激活Nrf2/ARE信号通路显著缓解叔丁基过氧化氢诱导的HepG2细胞氧化应激。综上，本研究确认曲茎石斛是一种富含黄酮且具有较高开发潜力的植物资源，并建立了融合非靶向代谢组学和机器学习优化的稳健框架，可同时提高黄酮提取效率和后续生物活性评价的严谨性。
-
基于图像-高光谱融合和 YOLO 模型的菠萝蜜铜锈病无损检测
查看原文
2026
LWT
中科院一区JCR一区
Yueyi Jiang, Fuzheng Xu, Chong Liu, Guang Wu, Xuemei Wang, Ji Xing, Yu Li, Haixia Long, & Hao Deng
计算机标签
目标检测网络 偏最小二乘法 分类/鉴别/等级评定 多模态/融合数据 高光谱/多光谱光谱食品标签
新鲜水果 质构与流变性质 颜色与外观品质 显微与成像技术 常规理化指标测定为解决传统人工切开检测菠萝蜜铜锈病具有破坏性、效率低等问题，本研究基于高光谱成像技术和图像-高光谱融合策略，建立了两种用于识别病果的无损检测模型。研究首先融合 16 个特征波段光谱和提取的图像纹理特征数据，建立经典偏最小二乘模型；该模型在测试集上精确率为 90.9%，召回率为 70.0%，F1 分数为 78.4%，表现出可接受的性能。随后，研究利用三段高光谱数据融合生成的伪彩色图像构建 YOLO 模型。经过参数优化后，该模型在测试集上取得 98.9% 的精确率、100% 的召回率和 0.99 的 F1 分数，表现更优。采用独立验证集（n = 20）比较显示，YOLO 模型的精确率、召回率和 F1 分数分别比 PLS 模型高 18.1%、80.0% 和 47.8%。本研究为菠萝蜜铜锈病检测提供了一种无损、快速且高效的解决方案。
-
通过工业4.0推动循环食品经济：欧盟应用、挑战与政策综述
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Carlos Parra‐López, & Carmen Carmona‐Torres
计算机标签
机器学习/统计学习 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
可持续性与资源高值化 副产物与废弃物高值利用 标准/法规/数据库分析向循环经济（CE）的过渡是改善全球食品系统可持续性和韧性的关键策略。工业4.0（I4.0）及其相关的数字技术为加速这一转型提供了有力手段。这篇系统性综述对欧洲联盟食品供应链中I4.0与CE之间的协同作用进行了全面分析，整合了技术应用、实施障碍和政策框架。文中回顾了CE层级中的关键I4.0应用，包括用于防止浪费的人工智能（AI）驱动的需求预测和精准农业、用于将副产品转化为食品级原料的机器学习优化生物加工，以及用于增强循环流动可追溯性和透明度的区块链与物联网技术。然而，这一转型面临重大障碍。技术挑战包括缺乏互操作性和数据标准。经济障碍涉及高额的初始投资成本和不确定的投资回报，尤其是对于中小型企业（SMEs）。此外，管理和组织惯性源于数字技能差距和对变革的抵制，而社会关注则与消费者接受度、数据隐私和数字公平有关。综合这些发现，本综述阐明了一个"政策-技术关联"，认为成功的数字-循环转型是一个社会技术挑战。分析表明，欧盟政策必须从仅仅促进技术的发展，转变为充当系统架构师的角色。这需要将数字基础设施与市场塑造机制相结合，以创造实现广泛且公平转型所需的协作生态系统。最后，提出了一个研究议程，重点关注技术整合、创新商业模式、社会技术研究以及公正且伦理转型的治理。
