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 1098 条结果
-
机器学习和现代生物分析技术在人类嗅觉受体去孤儿化中的最新进展及应用：综述
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
计算机标签
机器学习/统计学习 分类/鉴别/等级评定食品标签
感官评价与方法学背景
人类嗅觉受体（ORs）在气味感知和食物风味识别中起着核心作用，直接影响消费者的偏好和饮食行为。然而，大多数人类嗅觉受体仍处于“孤儿”状态，这限制了我们对嗅觉机制及其在食品科学和健康领域实际应用的理解。
范围与方法
本综述总结了嗅觉受体去孤儿化的最新进展，涵盖了嗅觉受体的结构与分类、可用的数据资源，以及在识别嗅觉受体-配体对方面机器学习技术和现代生物分析工具的进展。
主要发现与结论
基于机器学习的预测模型和结构生物学显著提高了嗅觉受体-配体识别的准确性和可解释性。同时，改进的嗅觉受体表达系统和功能测定方法增强了配体验证效果。基于嗅觉受体的生物传感器在食品质量快速评估中展现出广阔的应用前景。这些联合方法有助于更深入地理解气味感知，并为食品质量评价、感官增强以及功能性成分开发等实际应用提供支持。 -
基于微生物组特征和有监督机器学习对真空包装牛肉胀袋的预测
查看原文
2025
International Journal of Food Microbiology
中科院一区JCR一区
计算机标签
随机森林 梯度提升决策树 模型可解释性 分类/鉴别/等级评定 组学数据 小规模数据集食品标签
畜肉 微生物安全 包装设计与机械性能 微生物组/宏基因组学真空包装牛肉产品的保鲜对于维持货架期至关重要。然而，胀袋现象的发生——其特征是由于腐败微生物产生气体导致包装膨胀——仍然是一个难题。在本研究中，我们证明了利用下一代测序（NGS）和机器学习进行的微生物组分析可能有助于对真空包装牛肉的腐败和胀袋现象进行分析、建模和预测。牛肉样本（n = 10）经过真空包装后，分别储存在4°C和15°C条件下，并在0小时、7天、14天、21天和28天时基于NGS对其微生物群落进行监测。我们的分析能够根据牛肉初始微生物组信息和储存条件预测胀袋现象，确定与腐败相关的不同细菌属和温度之间的关系（这与差异丰度分析结果一致），并评估温度与胀袋现象之间的关系。通过SHAP（沙普利可加解释）对XGBoost模型进行解释，我们发现当考虑第0天的微生物组数据时，温度是胀袋预测中影响最大的因素。此外，基于OTU斯皮尔曼相关性和线性回归（按时间计算）对随机森林和XGBoost模型进行的SHAP分析显示，消化链球菌属（Peptoniphilus）是最重要的细菌属，其次是哈夫尼菌属（Hafnia）和消化链球菌属（Peptostreptococcus）。进一步的研究可能会将这些方法扩展到其他肉类、不同部位的肉以及更多储存条件下，从而更好地模拟与胀袋现象相关的微生物组动态变化。
-
深度学习驱动的高光谱成像用于冷藏牛肉中嗜冷腐败菌的实时监测与生长建模
查看原文
2025
International Journal of Food Microbiology
中科院一区JCR一区
计算机标签
其他深度学习结构 偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据食品标签
畜肉 微生物安全 光谱/色谱/质谱等分析方法 微生物计数与生长曲线由于中国冷链体系不完善，冷鲜牛肉的品质会受到嗜冷菌的影响，导致品质下降和腐败，进而引发食品安全问题。本研究采用平板计数法和高光谱成像技术对冷鲜牛肉中假单胞菌和乳酸菌的生长情况进行建模，同时运用传统微生物学方法测定冷鲜牛肉中每种优势嗜冷菌的菌落数。针对光谱数据，采用竞争性自适应重加权采样（CARS）算法、变量组合惩罚分析算法、连续投影算法和迭代保留信息变量法提取特征波长，并利用偏最小二乘回归（PLSR）、能谷算法优化的时间卷积网络结合多头注意力机制以及随机配置神经网络（SCN）对冷鲜牛肉中假单胞菌和乳酸菌的含量进行预测。对于乳酸菌，结果表明基于高斯滤波-PLSR模型的预测达到了最佳建模效果（Rc²=0.7381，Rp²=0.7101，RMSEC=0.5802 log10CFU/g，RMSEP=0.7934 log10CFU/g）。对于假单胞菌，基于CARS-SCN模型取得了最佳预测结果（Rc²=0.9415，Rp²=0.8636，RMSEC=0.7050 log10CFU/g，RMSEP=1.0546 log10CFU/g）。最后，运用Baranyi模型、Huang模型和Gompertz模型对假单胞菌和乳酸菌的生长情况进行拟合。本研究从冷鲜牛肉的高光谱数据中实现了细菌含量的快速无损检测。
-
利用可见/近红外高光谱成像与扫描电镜开展产黄曲霉毒素 Aspergillus flavus 与玉米籽粒动态互作的宏微观研究
查看原文
2024
International Journal of Food Microbiology
中科院一区JCR一区
计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
玉米 微生物安全 显微与成像技术 光谱/色谱/质谱等分析方法黄曲霉及其有毒代谢产物——黄曲霉毒素会侵染并污染玉米籽粒，对粮食安全和人类健康构成威胁。由于微生物生长和代谢过程的复杂性，真菌生长、玉米籽粒营养消耗与黄曲霉毒素产生之间的动态机制仍不明确。本研究采用可见/近红外（Vis/NIR）高光谱成像（HSI）结合扫描电子显微镜（SEM），从籽粒宏观和微观层面阐明关键的生物相互作用。由于籽粒损伤是真菌入侵的主要入口，本研究将损伤程度逐渐加重的玉米籽粒（从完整籽粒到穿孔籽粒再到被黄曲霉感染的对半切开籽粒）培养0-120小时。通过对高光谱图像进行主成分分析（PCA），分析黄曲霉-玉米籽粒复合体随时间变化的光谱指纹，其中前三个主成分的伪彩色得分图和载荷图用于研究真菌侵染的动态过程，并捕捉具有不同硬度的玉米基质复合体的细微变化。利用扫描电子显微镜从微观层面解释了黄曲霉的动态生长过程以及真菌-玉米复合体的相互作用。具体而言，在微观层面准确捕捉到了真菌的形态，如菌丝、分生孢子和分生孢子梗（柄），并描述了黄曲霉与玉米籽粒组织（即胚和胚乳）营养流失之间的相互作用过程。此外，基于偏最小二乘判别分析（PLSDA）建立的生长阶段判别模型取得了良好效果，校正集正确率（CCRC）为100%、验证集正确率（CCRV）为97%、独立验证集正确率（CCRIV）为93%；基于偏最小二乘回归（PLSR）建立的黄曲霉毒素B1（AFB1）预测模型也表现出色，校正集决定系数（R²C）为0.96、验证集决定系数（R²V）为0.95、独立验证集决定系数（R²IV）为0.93，相对分析误差（RPD）为3.58。综上所述，宏观层面（可见/近红外-高光谱成像）和微观层面（扫描电子显微镜）的评估结果揭示了黄曲霉-玉米籽粒复合体中的动态生物相互作用，这些详细数据可用于黄曲霉毒素的建模和定量预测，为真菌或毒素污染粮食的早期检测奠定理论基础，从而保障食品安全。
-
解码组学与人工智能在食品废弃物转化与减量中的“黑箱”作用
查看原文
2022
International Journal of Food Microbiology
中科院一区JCR一区
计算机标签
机器学习/统计学习 深度学习食品标签
副产物与废弃物高值利用 其他可持续性主题 组学与高通量技术为了解决世界上的饥饿、饥荒和营养不良问题，有必要在食物链的任何阶段都停止食物浪费。组学（宏基因组学、蛋白质组学、转录组学、废物组学、疾病组学等）、酶处理以及人工智能等现代技术在减少和管理食物浪费方面的应用，能够为食物损失管理、饥饿问题和环境挑战带来可持续的解决方案。政府机构在制定政策时接纳这些现代技术，能极大地强化减少浪费、保障粮食安全的理念，并且可以轻松挽救每天约25,000名因饥饿而死亡的儿童和成人的生命。人工智能（AI）能够助力当前的农业和食品供应链系统，以应对营养需求、资源枯竭、气候变化、人口增长和污染等方面的挑战。本文深入探讨了食物浪费管理概念与组学方法的联系。此外，还涵盖了人工智能在食物浪费转化和缓解方面的理念，以及当前面临的挑战和未来的前景。总体而言，本文将有助于决策者提前确定在经济和环境方面都适宜的生物炼制解决方案。
