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 364 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。
-
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。
-
通过机器学习利用褐变指数和水分预测烘烤杏仁中的热诱发有害化合物
查看原文
2026
Food Chemistry
中科院一区JCR一区
Yunhao Xia, Buyu Liu, Kaijun Wang, Zhongwu Yu, Wenhan Yan, Changling Wu, Guanyu Fang, Fenghua Wu, Xingquan Liu, & Peng Wang
计算机标签
支持向量机 定量预测/回归分析 质构/流变/感官数据食品标签
豆类与坚果（及籽类） 传统热加工 加工污染物 氧化、褐变等化学变化 常规理化指标测定虽然烘焙对于发展杏仁的特征风味至关重要，但也可能导致热污染物的形成，这些污染物对人体健康构成潜在威胁。本研究调查了烘焙条件（110 - 150 ◦C，10 - 30 分钟）对前体降解、抗氧化活性以及丙烯酰胺（AA）和5-羟甲基糠醛（5-HMF）在杏仁中形成的影响。较高的烘焙强度会增加褐变指数（BI）和总酚含量，同时使还原糖和天冬氨酸含量下降。AA和5-HMF含量在150 ◦C/30 分钟达到峰值。使用L、a、b、BI和水分含量的支持向量回归（SVR）模型可以准确预测AA和5-HMF的水平（R² > 0.94，RMSE < 10%）。建议采用适度的烘焙条件（≤ 130 ◦C，≤ 15 分钟）以在产品安全性和质量之间实现最佳平衡。这些结果表明，机器学习是一种有效的食品风险评估方法。
-
基于 X 射线计算机断层成像的富士苹果水心病与碰伤同步无损检测：双阈值分割与机器学习分类
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Haitao Fu, Menglong Ma, Yixiao Wang, Ziwei Wang, Jun Wang, Xiaodan Liu, Huang Dai, Fuwei Pi, Jiahua Wang, & Ming Zhang
计算机标签
图像分割网络 支持向量机 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
新鲜水果 品质、结构与理化性质 加工与新加工技术 显微与成像技术在中国和日本等市场，水心病和碰伤是决定高等级富士苹果商业价值的关键因素。本研究提出一种结合 X 射线计算机断层成像（CT）、图像处理和机器学习的无损方法，用于同步检测水心病与碰伤并对水心病严重程度分级。基于阈值的分割方案（水心病 GSV > 437，碰伤 GSV < 0）能够精确三维重建受影响组织。研究提取关键形态学和统计参数，其中三维体积、平均灰度值和周长与水心病指数（WI）高度相关（R > 0.8，p < 0.001）。三种机器学习分类器 LDA、SVM 和 RF 对四级 WI 分类（正常、WI = 1-3）的验证准确率分别为 82.87%、91.20% 和 90.28%，AUC 均较高（>0.9）。SHAP 分析证实不同模型中特征重要性具有一致性，关键特征为三维体积、平均灰度值和周长。重要的是，CT 可追踪贮藏期间水心病缓解过程：在 4 摄氏度贮藏 9 周后，水心体积分数由 13.04%（WI = 1）、17.53%（WI = 2）和 33.5%（WI = 3）下降至 3.6-10.1%。研究建立了 11.2% 的 WVF 诊断阈值，并提出贮藏策略：WI = 1 立即销售，WI = 2 贮藏不超过 6 周，WI = 3 不超过 8 周食用。该框架有助于优化感官品质、市场价值和供应链效率，为制定定向流通策略提供科学依据。
