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
-
空间频域成像中的单次快照多频解调用于水果实时、准确和宽视场光学性质测量
查看原文
2026
Food Control
中科院一区JCR一区
Yumeng Peng, Tianze Jia, Xujia Chen, Can Hu, Guoquan Zhou, & Dong Hu
计算机标签
图像分割网络 模型轻量化/边缘计算 分类/鉴别/等级评定 可见光/RGB/视频数据 大规模数据集食品标签
新鲜水果 品质、结构与理化性质 过程监测与在线检测 显微与成像技术空间频域成像能够为水果品质评价提供无损、深度分辨的信息，但传统方法需要在不同相位和频率下多次采集图像。本研究提出两种单次快照多频解调方法，从一幅结构光图像中提取多个调制传递函数。第一种方法采用改进的双 Blackman 窗口以抑制旁瓣并保留边缘信息，相比矩形窗口方法降低了约化散射系数图像的相对误差。第二种方法构建了频率-空间注意力 U-Net（FSA-Unet），用于基于深度学习的频率分离。在苹果实验以及梨和桃的验证中，FSA-Unet 相比传统 U-Net 提升了频率分离效果，并将正常苹果光学性质重建的相对误差降低至 5.98%。研究使用 67 个金冠苹果构建 3618 个图像样本，并划分训练集、验证集和测试集。结果表明，该方法可支持水果品质检测中的实时、高精度无损光学性质测量。
-
知识图谱与大型语言模型在食品安全中的协同作用：方法与视角
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Haoxin An, Qingli Dong, Agapi Doulgeraki, George-John Nychas, Ziwen Zhou, & Yangtai Liu
计算机标签
大语言模型 模型可解释性 知识抽取与语义理解 多模态/融合数据 公开数据集食品标签
食品安全与风险评估 标准/法规/数据库分析食品供应链的全球化以及异构、多模态数据流的激增增加了食品安全管理的复杂性。有限的语义推理能力、较差的数据互操作性以及滞后或不及时的危害检测，正日益制约依赖静态数据库和碎片化信息流的传统治理框架。知识图谱（KGs）提供了多源数据的结构化、语义关联表示，使跨领域整合和因果推断成为可能。另一方面，大型语言模型（LLMs）擅长处理和生成自然语言，从而能够从非结构化来源中自动提取与安全相关的实体和关系。本综述介绍了知识图谱与大语言模型（KG-LLM）在食品安全整合方面的最新进展，强调了它们在多模态知识表示、动态知识融合、可信推理和自动化构建中的互补作用。同时，回顾了在专家知识挖掘、智能决策支持系统以及面向消费者的服务方面的代表性应用，展示了从被动、数据驱动响应向主动风险评估的转变。可以预见，跨模态对齐、监管合规和伦理治理将为构建智能、高效且可解释的食品安全监管框架提供理论支持。
-
基于非靶向代谢组学结合化学计量学的恩施不同海拔龙井 43 鲜叶鉴定与品质评价
查看原文
2026
Food Research International
中科院一区JCR一区
Ruixin Lou, Liangji Wu, Qiang Zhang, Kaikai Li & Tao Hou
计算机标签
支持向量机 随机森林 K-近邻 分类/鉴别/等级评定 组学数据 质构/流变/感官数据食品标签
茶/茶饮料 其他品质相关性质 常规理化指标测定 光谱/色谱/质谱等分析方法 代谢组学 多酚与黄酮绿茶品质与其生长环境密切相关，尤其是海拔高度。本研究采用化学计量分析中的机器学习方法，探究绿茶原料与海拔之间的内在关联。采集了三个海拔区间（U500、500–799、H800）的46份龙井43（LJ43）茶树样品，并进行基础成分分析与非靶向代谢组学检测。结果显示，海拔依赖性变化趋势显著：茶多酚、总儿茶素（表没食子儿茶素没食子酸酯、表儿茶素、儿茶素、没食子儿茶素、表没食子儿茶素）及咖啡因含量随海拔升高而降低，而包括茶氨酸在内的总游离氨基酸、可溶性糖、表儿茶素没食子酸酯及儿茶素没食子酸酯含量则呈上升趋势。此外，通过变量重要性投影值≥1且P值＜0.05的双重阈值筛选，鉴定出74种海拔特异性代谢物，并进一步运用多种机器学习算法对原料海拔进行分类判别。在测试集中，随机森林（RF）模型分类准确率最高，达97.5%，优于支持向量机（SVM）的95.24%和K近邻（KNN）的82.5%。随机森林集成结构有助于降低高维代谢组学数据的过拟合风险，并可量化特征重要性，从而助力关键海拔生物标志物的鉴定，如1,2,3-三-O-没食子酰基-β-D-葡萄糖和没食子酰基原花青素B4。相比之下，线性支持向量机难以处理非线性模式，而K近邻易受无关特征干扰。本研究表明代谢物与海拔高度密切相关，非靶向代谢组学分析结合机器学习可作为构建原料及其环境化学指纹图谱的有效手段。
-
介电谱分解与分析：弛豫谱可高精度预测牛奶蛋白质含量
查看原文
2026
Food Control
中科院一区JCR一区
Wei Liu, Xinhua Zhu, Wenchuan Guo, Sihao Dang, & Jiahui Zhang
计算机标签
机器学习/统计学习 定量预测/回归分析 红外/拉曼光谱数据 时序传感器/物联网数据食品标签
液态乳 常规理化指标测定 蛋白质与氨基酸牛奶蛋白质含量对介电弛豫特性的影响，以及弛豫谱是否能够实现蛋白质含量高精度预测，目前仍不明确。本研究利用 Debye 方程将 277 份原奶样品的介电谱（204-500 MHz）分解为 5 个子谱，以分析蛋白质含量影响。研究采用最大信息系数分析弛豫谱相对于介电谱在预测蛋白质含量方面的优势，并提出一种基于弛豫谱的预测方法。结果表明，牛奶介电谱可分解为 β、δ 和 γ 三类弛豫谱，以及直流电导谱和电极极化谱。蛋白质含量与 β-RS 和 δ-RS 呈正相关，与 γ-RS 呈负相关；电极极化谱和直流电导谱与蛋白质含量无相关性。弛豫谱与蛋白质含量之间的 MIC 高于介电谱。所提出的预测方法以 β-RS、δ-RS 和 γ-RS 作为模型输入，排除直流电导和电极极化谱。基于弛豫谱的预测模型显著优于基于介电谱或介电谱衍生特征变量的模型。最佳预测模型为 RS-LSSVM，RMSEP 为 0.66 g/kg，RPD 为 4.54，优于既往研究方法。该研究为基于介电特性分析牛奶及其他复杂组分食品提供了新思路。
-
下一代植物基食品干燥技术：通过工业5.0赋能实现低碳、协作化和高价值转型
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Yize Yin, Min Zhang, Chung Lim Law, & Dongxing Yu
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
其他果蔬制品/植物类 干燥保藏 可持续性与资源高值化背景：全球食品系统面临多重挑战，包括可持续性、营养和供应链韧性。目前的植物性食品干燥技术主要遵循以效率为中心的工业4.0范式，但忽视了以人为本、系统韧性和生态协同。这一关键缺口阻碍了向真正可持续食品加工的转型。范围与方法：本文建立了面向工业5.0的植物性食品干燥技术体系。研究以人机协作为核心，涵盖智能感知与决策、适应性执行、能源韧性管理以及功能成分的针对性保留等关键维度。同时，分析了石墨烯、金属有机框架（MOFs）和生物基气凝胶等新型功能材料的应用潜力。主要发现和结论：尽管在人机协作机制等方面仍存在挑战，本文提出的框架为将干燥技术从"加工工具"升级为连接农业、能源和健康的"价值枢纽"提供了理论和技术路径。预计这一框架将促进低碳运营、增强供应链韧性并提高营养价值，从而有助于食品系统的可持续转型。
