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
-
不同产区高温大曲微生态判别模型的构建
查看原文
2026
Food Chemistry: X
中科院一区JCR一区
Liang Yang, Shuai Li, Zijia Liu, Jinjin Ma, Xiangyong Wang, Yanxia Zhong, Yinye Wang, Ju Guo & Chunlin Zhang
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
谷物发酵食品 光谱/色谱/质谱等分析方法 传统统计分析与回归中国白酒的地域特征源于其酿造微生态系统。本研究采用多组学结合机器学习，对6个产区的高温大曲进行分析。结果显示，不同产区共享核心微生物类群（如芽孢杆菌、热霉菌属），但同时存在地域特异性标记：克罗彭斯特菌属（Kroppenstedtia）为四川特征菌，大洋芽孢杆菌属（Oceanobacillus）为贵州特征菌。细菌群落响应短期环境波动，而真菌群落体现长期地域差异。挥发性物质分析共鉴定出226种代谢物，以脂肪酸（37.8%）和醇类（26.57%）为主，其中贵州样品含量最高。网络分析表明，细菌属为广谱风味贡献者，真菌则呈现功能专一性。广西样品酶活较低，与微生物多样性降低相关。机器学习判别结果显示：挥发性标志物区分效果最优（逻辑回归：AUC=0.99，准确率90%），优于微生物数据（神经网络：AUC=0.93，准确率80%）。研究共筛选出18个微生物（如链霉菌属）与20个挥发性关键判别标志物（如2‑乙基‑6‑甲基吡嗪）。本研究解析了白酒地域特征的微生态驱动机制，可为品质控制与产地鉴别提供支撑。
-
乳酸菌的同步接种与序贯接种对中式辣白菜风味特征的调控：一项机器学习与建模研究
查看原文
2026
International Journal of Food Microbiology
中科院一区JCR一区
Weiye Cheng, Qingyang Zhang, Xuan Wang, Yun Cen, Zifan Li, Yunjing Gu, Hui Guan, Kanghee Ko, Wenli Liu & Huamin Li
计算机标签
随机森林 分类/鉴别/等级评定食品标签
蔬菜发酵制品 消费者偏好与接受度 光谱/色谱/质谱等分析方法 发酵工艺与动力学发酵剂的接种时机是影响发酵食品质量的关键因素，但这一因素尚未得到充分研究。本研究评估了同时接种（T1）和顺序接种（X1）明串珠菌、利维乳酸杆菌和植物乳杆菌对中国辣白菜（CSC）中菌种间竞争及发酵动态的影响。T1策略加快了发酵动力学过程，其中明串珠菌作为主要发酵菌发挥作用；而接种顺序改变了次级发酵菌的竞争层级：利维乳酸杆菌在T1中占据主导地位，植物乳杆菌则在X1中占优。这种不同的微生物演替过程产生了独特的芳香特征，随机森林模型识别出甲基烯丙基二硫醚（第6天）和二甲基三硫醚（第13天）是导致这些风味差异的关键标志性化合物。尽管T1组形成了更浓郁的发酵风味，但感官分析表明，顺序接种（X1）策略通过在适度风味和保持质地之间取得更理想的平衡，获得了更高的总体可接受度。这些研究结果表明，调整接种时机是调控微生物演替并系统性改变发酵蔬菜最终感官特征的有效方法。
-
基于高光谱图像预测牛油果采后成熟时间的新方法和 AI 算法开发
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Netanel Karsanti, Noam Alkan, Avital Bechar, & David Zarrouk
计算机标签
机器学习/统计学习 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
新鲜水果 过程监测与在线检测 显微与成像技术准确评估牛油果成熟度对于优化采后物流和减少浪费至关重要。本研究探讨了利用高光谱成像估计 Hass 牛油果成熟时间的可行性，并重点关注向多光谱成像过渡，以支持实时和商业化应用。研究通过不同预处理方法和采样技术生成了 24 个数据集。结果表明，在 811 nm 处进行归一化可有效降低照明影响，预先定义采样区域可提高分类准确率。为优化光谱效率，研究开发了两种波段选择算法。局部前向选择算法可动态筛选波段，使用 9 个光谱波段达到 92.3% 的平衡准确率；微 lambda-by-lambda 算法选择最具信息量的一对光谱波段，准确率达到 89.9%，从而验证了开发低成本多光谱传感器的价值。研究在多种验证和标签方法下评估了分类性能，大多数误分类与实际成熟日期的偏差在 1 天以内。这些发现可为包装厂自动化产品分选奠定基础，提升供应链效率并减少采后损失，同时说明实时多光谱感知在农业应用中的可行性。
-
基于MSA Transformer算法优化的玉米籽粒破碎率定量检测方法
查看原文
2026
Food Research International
中科院一区JCR一区
Yongkun Qiao, Mengmeng Qiao, Chenlong Fan, Tao Cui, Ying Liu, Caiyuan Zhang, Mingyou Sun & Yuhao Wu
计算机标签
其他深度学习结构 特征工程与选择策略 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 可见光/RGB/视频数据食品标签
玉米 颜色与外观品质 过程监测与在线检测 显微与成像技术机械化收获过程中的玉米籽粒破碎率直接影响食品质量和经济回报。然而，目前的定性检测方法无法准确评估玉米籽粒破碎率。本研究提出了一种基于机器视觉和深度学习算法的玉米籽粒破碎率定量检测模型。从籽粒图像中总共提取了27个特征，包括几何、形状、颜色和纹理特征。此外，通过集成多尺度特征融合和注意力机制，开发了一种改进的基于Transformer的深度学习模型——MSA Transformer。该模型使用并行分支进行多粒度特征提取，通过全局和局部注意力增强显著信息，并应用全局平均池化以提高效率。与其他模型相比，MSA Transformer在分类实验中达到了98.03%的分类准确率，优于标准Transformer 2%。平均精确率、召回率和F1分数分别达到99.13%、98.03%和97.87%。在质量回归任务中，完整和破碎籽粒预测的相关系数(r)分别达到0.9507和0.9653；决定系数(R2)分别达到0.9038和0.9318，均方根误差(RMSE)均低于0.0141。定量检测模型预测的破碎率与实际测量值高度吻合，R2为0.9887，相对误差约为6%。特征重要性分析强调了颜色和纹理特征在分类中的主导作用，以及几何特征在质量预测中的主导作用。本研究为食品质量的在线定量评估提供了理论基础。
-
受邀综述：解析乳清蛋白与风味的相互作用机制--仪器、计算和感官方法的进展
查看原文
2026
Journal of Dairy Science
中科院一区JCR一区
Laura Ziebart, Shiru Lin, Loren Ward, & Xiaofen Du
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 质构/流变/感官数据食品标签
乳清及乳清制品 特征风味 感官科学与消费者研究 蛋白质与氨基酸 其他植物化学物质乳清蛋白是一个数十亿美元产业的一部分，该产业由不断增长的消费者需求驱动；然而，由于其与香料高度反应以及可能产生异味，其广泛应用受到限制。因此，理解乳清蛋白与香气相互作用的机制至关重要。尽管乳清蛋白可以影响风味的多个方面，但其最大的影响在于挥发性香气。乳清蛋白与挥发性物质的相互作用主要通过疏水相互作用发生，此外还包括氢键、电荷相互作用和范德华力。具有活泼功能基团的挥发性物质也可能参与共价反应，包括迈克尔加成、席夫碱形成和二硫键，这些反应由于其不可逆性及对风味稳定性和释放的影响而极为重要。然而，有关这些相互作用的数据仍然缺乏，且有限的文献已涵盖乳清蛋白中的关键蛋白成分。已经应用了众多仪器、计算和感官工具来阐明蛋白质-挥发物的相互作用，但每种技术都有其独特的优势和局限性。此外，方法的组合对于全面表征乳清蛋白-风味相互作用是必不可少的，尽管综合方法很少被采用。本综述总结了乳清蛋白-风味相互作用的机制，突出了当前研究中的关键空白。它还讨论了仪器、计算和感官方法，为未来研究指明了综合分析方法的方向。
