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
-
β-乳球蛋白与食品级分子之间的相互作用机制：多重光谱和分子动力学模拟的见解
查看原文
2026
Journal of Dairy Science
中科院一区JCR一区
Renxiu Song, Yi He, Yiyao Ding, Fengxi Li, & Weiwei Han
计算机标签
机器学习/统计学习 模拟与数字孪生 红外/拉曼光谱数据 合成/仿真数据为主食品标签
乳清及乳清制品 过敏原与毒性问题 营养与生物功能 光谱/色谱/质谱等分析方法 蛋白质与氨基酸在乳制品系统中，β-乳球蛋白（β-LG）作为主要的乳清蛋白，以其营养和技术功能特性而受到重视，但它仍然是主要的乳制品过敏原。调控蛋白-配体相互作用提供了一种改变其特性的潜在策略。尽管β-LG与多酚之间的相互作用已被广泛研究，但其与其他具备多样结构特征的常见食品级分子的结合机制仍未得到充分理解。因此，本研究选择了三种代表不同化学类别的添加剂：半乳寡糖、蔗糖脂肪酸酯和酪蛋白磷肽，以探索它们各自独特的功能基团特性（分别为羟基、两亲性基团和磷肽基团）如何驱动其与β-LG的相互作用。我们采用多光谱与计算方法相结合的方式来构建这些相互作用的定性机制图谱。我们的研究结果表明，所有三种添加剂都与β-乳球蛋白（β-LG）发生相互作用，主要通过静态荧光猝灭机制，这种机制改变了蛋白质的局部微环境，但并未显著扰动其二级结构。这些实验观察结果通过深入的计算分析得到补充，包括分子对接、广泛的分子动力学模拟以及结合自由能计算。这种综合方法不仅确定了具体的结合模式和关键的相互作用残基，还定量地突出了氢键和疏水作用在复合物稳定性中的关键作用。总体而言，这项工作为未来调节乳清蛋白功能性并探索其对牛奶过敏性的潜在影响提供了理论基础。
-
深度学习增强的微流控纸基荧光传感器用于农药和金属离子的同步检测
查看原文
2026
Food Control
中科院一区JCR一区
Xu Yan, Shiquan Qian, Xinpei Li, Jing Li, Xiuxiu Wu, Min Yuan, & Fei Xu
计算机标签
目标检测网络 缺陷/异物检测与定位 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
新鲜蔬菜 化学污染物 加工与新加工技术 显微与成像技术 其他特殊成分蔬菜中农药残留和重金属离子的同步监测具有挑战性，因为这些污染物化学性质差异较大，通常需要不同分析流程。本研究开发了一种结合深度学习的微流控纸基荧光适配体传感器，用于同步检测高效氯氟氰菊酯、啶虫脒、毒死蜱和 Cd(II)。多通道纸芯片提供独立检测区，目标物结合诱导适配体构象变化并恢复荧光信号。研究构建了基于 YOLO 深度学习框架的多目标浓度自动获取模型 MCAAM，用于自动分析荧光图像、定位检测区域、分类目标并估计浓度。数据集包含 158 张图像，划分为训练、验证和测试集，并对训练图像进行三倍增强。最佳 YOLOv12n-MCAAM 模型 mAP50 为 0.995，F1-score 为 1，精确率和召回率均为 1，测试集分类准确率为 91.3%，可将图像处理时间由分钟级缩短至毫秒级。该系统对高效氯氟氰菊酯和毒死蜱的线性范围为 10-1000 nM，对啶虫脒和 Cd(II) 的线性范围为 10-200 nM，检出限分别为 5.842、7.122、11.70 和 8.560 nM。真实样品分析表明其具有快速多污染物监测潜力。
-
多功能乳清蛋白复合膜：面向下一代食品包装的材料设计与人工智能整合
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Qi Xin, Meishuai Liu, Ruonan Wang, Peng Du, Jia Song, Libo Liu, Chun Li, Qi Wang, & Yongping Bao
计算机标签
机器学习/统计学习 设计/生成与推荐食品标签
乳清及乳清制品 生物基/可降解材料 包装设计与机械性能 活性包装 蛋白质与氨基酸全球食品行业对石油基塑料的依赖带来了严重的环境和健康风险，这一点通过微塑料在生态系统和人体中的广泛积累得以体现。乳清蛋白（WP）作为一种丰富且可生物降解的乳制品副产物，已成为可持续食品包装的有前景的材料。本文综述了基于乳清蛋白的膜（WPF）的发展，重点是通过先进的改性策略克服其固有的局限性，如亲水性和对水分的敏感性。关键进展包括通过高分子混合和纳米填料掺入进行多尺度界面工程，以优化机械性能和阻隔性能；整合植物来源的生物活性成分以赋予抗菌和抗氧化功能；以及形成纳米复合材料以引入新颖的光学和响应特性。此外，我们客观评估智能包装的前沿，其中将环境响应型WPF与人工智能(AI)算法相结合，实现食品新鲜度的实时监测和动态保鲜控制。材料科学与人工智能之间的协同作用正在将WPF从被动屏障转变为主动、智能的平台。本综述综合了这些研究方向，为木质蛋白纤维（WPF）从实验室创新向实际的下一代食品包装解决方案的转变提供基础，最终应对食品保鲜和塑料污染的双重挑战。
-
燕麦在单菌或共培养固态发酵过程中的挥发性演变：使用经典化学计量学和机器学习技术的风味组学方法
查看原文
2026
Food Chemistry
中科院一区JCR一区
Stella Green, Graham T. Eyres, Dominic Agyei, Nicholas Horlacher, & Biniam Kebede
计算机标签
偏最小二乘法 随机森林 定量预测/回归分析 组学数据食品标签
杂粮 谷物发酵食品 特征风味 发酵工艺与动力学 风味组学 其他植物化学物质虽然固态发酵（SSF）可以增强燕麦的生物活性潜力，但挥发性化合物形成的时间动态，尤其是在混合微生物体系中，仍未得到充分表征。这些挥发性物质不仅影响感官特性，还反映了发酵过程中的基础代谢相互作用。本研究研究了在单一培养和与植物乳杆菌（Lactiplantibacillus plantarum）共培养下，用寡孢根霉（Rhizopus oligosporus）进行燕麦固态发酵（SSF）过程中挥发物的演变情况，发酵时间为120小时。共鉴定出55种挥发性化合物，涵盖十个化学类别。除醛类外，大多数类别随时间增加，共培养体系产生更高水平的醇类、羧酸、酯类和酮类。在共培养体系中，支链、斯特雷克尔（Strecker）醛的峰值在SSF过程中下降，表明存在互补的代谢交换。非线性随机森林回归比线性偏最小二乘回归更能捕捉挥发性轨迹。总体来看，这些结果提供了一个SSF系统级指纹，展示了单独培养和共培养SSF如何不同地塑造燕麦的挥发性成分，为未来燕麦发酵产品的开发提供参考。
-
基于 ComBase 数据库与全面特征工程策略的单核细胞增生李斯特氏菌生长动态预测机器学习建模
查看原文
2026
Food Research International
中科院一区JCR一区
Ziwen Zhou, Haoxin An, Zhao Li, Yangtai Liu & Qingli Dong
计算机标签
梯度提升决策树 模型可解释性 特征工程与选择策略 定量预测/回归分析 质构/流变/感官数据 文本/知识库/法规数据 多模态/融合数据 大规模数据集 公开数据集食品标签
微生物安全 其他过程控制与数字化研究 微生物计数与生长曲线 动力学建模传统的单核细胞增生李斯特氏菌预测机理模型在捕捉环境协同作用与非线性应激响应方面存在局限性。本研究旨在构建一种机器学习框架，通过结合应激生理学驱动的特征工程与可解释预测机制来解决上述难题。该框架利用了ComBase数据库中2632条经筛选的观测数据，涵盖多种环境条件（温度0–45 °C、pH值4.0–8.5、水分活度Aw 0.85–1.00）。研究将系统编码微生物学原理（核心参数理论、拉特科夫斯基关系及应激响应）的应激生理学特征工程模块、基于SHAP的阶段特异性贡献分析可解释模块与XGBoost算法相结合，构建了预测框架。通过系统性推导生物学驱动特征，实现了对环境相互作用、非线性转换、应激指数、适宜度指标及累积应激效应的表征。消融实验验证了所构建特征的有效性，XGBoost模型较基线模型性能最高提升9倍，生长预测决定系数R²达0.90，失活预测R²达0.88。SHAP分析揭示了阶段特异性的特征贡献差异：适宜度评分与水分活度（Aw）应激主导迟滞期预测（合计贡献25%），而热-水分活度交互作用主导对数线性失活动力学（贡献32%）。在多种食品基质中的验证显著提升了模型泛化能力，90.4%的预测值落在可接受误差范围内（±0.5 log CFU/mL）。该模型预测性能显著优于现有机器学习模型，其中植物基基质预测R²从0.39提升至0.85，猪肉基质从0.60提升至0.82，牛肉基质从0.74提升至0.85，符合国际标准（预测准确率指标pAPZ=0.80–0.97）。基于应激生理学的机器学习框架可有效提升食品安全领域的预测精度与跨基质泛化能力。
