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
-
推动蛋品产业迈向工业4.0的无损光学传感技术综述
查看原文
2023
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
计算机标签
分类/鉴别/等级评定 缺陷/异物检测与定位 时序传感器/物联网数据食品标签
蛋类及其制品 生产管理与数字化工厂 光谱/色谱/质谱等分析方法鸡蛋被认为是膳食蛋白质的最佳来源之一，在人类生长发育中发挥着重要作用。随着世界人口的增长，人均鸡蛋消费量也在不断上升。突破性的技术发展催生了物联网（IoT）、各种光学传感器、机器人技术、人工智能（AI）、大数据和云计算等众多发明，将传统产业转变为智能化、可持续发展的蛋业，也被称为蛋业4.0（EI 4.0）。蛋业4.0理念有望提高自动化水平、加强生物安全、促进动物福利保护、提升智能分级和质量检测水平以及提高效率。为了实现可持续的4.0产业转型，分析现有技术、最新研究、存在的局限性和发展前景至关重要。本综述探讨了蛋业现有的非破坏性光学传感技术，提供了关于蛋业4.0各组成部分的信息和见解，包括用于鸡蛋生产、质量检测和分级的新兴蛋业4.0技术。此外，还对当前蛋业4.0技术的缺陷、潜在的解决方法以及未来趋势进行了批判性分析。本综述有助于政策制定者、实业家和学者更好地理解非破坏性技术与自动化的融合，这种融合有望提高生产力、改进质量控制并优化资源管理，从而推动蛋业的可持续发展。
-
含精油纯组分的乙烯-乙烯醇共聚物薄膜处理下 Fusarium culmorum 与 F. proliferatum 生长及其毒素产生的机器学习预测方法
查看原文
2021
International Journal of Food Microbiology
中科院一区JCR一区
计算机标签
深度学习 随机森林 梯度提升决策树 定量预测/回归分析食品标签
玉米 微生物安全 活性包装 微生物计数与生长曲线禾谷镰刀菌（Fusarium culmorum）和层出镰刀菌（F. proliferatum）能在食物链的不同环节生长并分别产生玉米赤霉烯酮（ZEA）和伏马毒素（FUM）。使用抗真菌化学药剂来控制这些真菌和真菌毒素，会增加食品和饲料中有毒残留物的风险，并诱发真菌耐药性。本研究评估了一种新的多学科方法，该方法基于含精油纯组分（EOCs）的生物活性乙烯 - 乙烯醇共聚物（EVOH）薄膜的使用以及机器学习（ML）方法。生物活性EVOH - EOC薄膜是通过掺入肉桂醛（CINHO）、柠檬醛（CIT）、异丁香酚（IEG）或芳樟醇（LIN）制成的。研究应用了多种机器学习方法（神经网络、随机森林和极端梯度提升树）以及多元线性回归（MLR），并对不同水分活度（aw）（0.96和0.99）和温度（20℃和28℃）条件下真菌生长和毒素产生的模型进行了比较。根据EOC、aw和温度的不同，EVOH薄膜中EOCs使真菌生长速率（GR）降低50%、90%和100%的有效剂量（ED50、ED90和ED100）范围分别为200至＞3330、450至＞3330以及660至＞3330μg/真菌培养物（培养皿中25g部分研磨的玉米粒）。EVOH - EOC薄膜的类型和EOC剂量对两种真菌的生长速率以及ZEA和FUM的产生均有显著影响。温度也会影响生长速率，而aw仅影响层出镰刀菌的生长速率和FUM产生。EVOH - CIT是对抗这两种真菌以及ZEA和FUM产生的最有效薄膜。通常，当EOC水平升高时，培养基中的生长速率和真菌毒素水平会下降，但某些处理与特定的aw和温度值结合时会诱导ZEA的产生。随机森林模型对禾谷镰刀菌和层出镰刀菌的生长速率以及ZEA和FUM产生的预测效果优于神经网络或极端梯度提升树。多元线性回归模型的性能最差。这是首次探讨机器学习在研究含EOCs的生物活性EVOH薄膜及环境条件对禾谷镰刀菌和层出镰刀菌生长以及ZEA和FUM产生影响方面的潜力。结果表明，这些创新的包装系统与机器学习方法相结合，有望成为预测和控制食品中与这些产毒真菌及真菌毒素相关风险的有效工具。
-
鱼类切割研究新进展：从切割方案到自动化技术与物联网创新
查看原文
2024
Comprehensive Reviews in Food Science and Food Safety
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 缺陷/异物检测与定位 过程控制与实时优化 可见光/RGB/视频数据 时序传感器/物联网数据食品标签
鱼肉 过程监测与在线检测 生产管理与数字化工厂 显微与成像技术鱼类切割产品因其不同部位独特的营养成分和风味而广受消费者喜爱。然而，由于工作环境恶劣、工作量大以及具有季节性，鱼类切割行业面临着劳动力短缺的问题。因此，需要一些自动化、高效且大规模的切割技术来克服这些挑战。随着工业4.0的发展，物联网（IoT）、人工智能、大数据和区块链技术正逐步应用于切割过程中，在数字化生产监控和产品安全提升方面发挥着关键作用。本文综述聚焦于主要的鱼类切割方案，并深入探讨先进的自动切割技术，展示最新的技术进展以及它们如何给鱼类切割行业带来变革。此外，还讨论了基于物联网的鱼类切割过程生产监控架构。鱼类切割涉及多种方案，这些方案是根据每种鱼块的特定特征量身定制的。切割过程包括去头、去尾、切片、去骨、去皮、修整和骨头检测。通过整合传感器、机器视觉、深度学习和先进的切割工具，这些技术正将鱼类切割从人工操作转变为自动化流程。这种转变对该行业具有重要的实际意义，不仅提高了效率、保证了产品质量的一致性，还增强了安全性，最终在工业4.0的背景下为鱼类切割自动化提供了一种现代化的制造方法。
-
从食品工业4.0到食品工业5.0：关键使能技术与未来应用前景
查看原文
2024
Comprehensive Reviews in Food Science and Food Safety
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 大语言模型 模拟与数字孪生食品标签
生产管理与数字化工厂尽管多个与食品相关的领域尚未完全把握第四次工业革命（也称为工业4.0）的速度和广度，但来自其他行业的越来越多的文献表明，工业5.0（指第五次工业革命）已经在进行中。食品工业4.0的特点是食品科学与技术在物理、数字和生物方面的进步相融合，而未来的食品工业5.0可以被视为一种更全面、多学科和多维度的方法。本综述将重点识别工业5.0中可能被利用来塑造未来几年食品领域的潜在赋能技术。我们将回顾过去5年中关于创新技术在各种食品和农业应用中的最新研究。此外，还将强调机遇和挑战，并得出未来的发展方向和结论。初步证据表明，工业5.0是一个进化过程的结果，而并非如人们常说的那样是一场革命。我们的研究结果显示，再生式和/或对话式人工智能、万物互联网、微型和纳米传感器、4D打印及更先进的打印技术、协作机器人和先进无人机、边缘计算、可编辑区块链、元宇宙和沉浸式技术、信息物理系统、数字孪生以及第六代及更先进的无线技术，很可能成为食品工业5.0的主要驱动技术。尽管工业5.0的框架、愿景和价值正在成为各个学术和工业领域的热门研究课题，但农业食品领域才刚刚开始接纳工业5.0的某些方面和维度。
-
利用区块链与人工智能控制食品加工环境中生物膜的研究进展
查看原文
2025
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
计算机标签
机器学习/统计学习 定量预测/回归分析 缺陷/异物检测与定位 时序传感器/物联网数据 文本/知识库/法规数据食品标签
微生物安全 质量管理与追溯系统 生物膜与耐受性研究食品加工环境中的生物膜形成因其对常规清洁和消毒方法具有抗性，对食品安全和质量构成了重大威胁。这些具有韧性的微生物群落会导致污染、腐败和食源性疾病，这凸显了对创新且技术驱动的控制策略的需求。新兴的数字工具，特别是区块链技术和人工智能（AI），为加强生物膜管理提供了新的机遇。区块链能够确保供应链中卫生记录、污染事件和合规活动的安全、实时可追溯性。作为补充，人工智能技术（如机器学习和基于传感器的分析）有助于早期检测微生物生长、识别异常情况和进行预测性风险评估。这些工具共同促进了数据驱动的决策制定和更积极主动的污染预防。虽然试点应用在提高透明度和卫生效果方面显示出潜力，但挑战依然存在，包括数据整合、实施成本和监管障碍。解决这些问题需要跨学科合作和有利的政策框架。本综述总结了区块链和人工智能在生物膜控制方面当前及潜在的作用，并概述了未来研究和工业应用的方向。
