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
-
利用振动光谱定量测定意面中的鸡蛋含量
查看原文
2026
Food Control
中科院一区JCR一区
Tomasz Pawel Czaja, Aldona Sobota, Dorota Teterycz, & Roman Szostak
计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据食品标签
蛋类及其制品 新鲜蔬菜 食品安全与风险评估 光谱/色谱/质谱等分析方法 传统统计分析与回归本研究报道了三种光谱技术，即衰减全反射、近红外和漫反射红外傅里叶变换光谱，结合化学计量学用于意面掺假检测和鸡蛋含量测定。结果表明，基于 ATR 光谱的 PLS 模型能够测定意面中鸡蛋数量，对于每千克面粉含 1-6 个鸡蛋的意面，预测均方根误差约为 0.1 个鸡蛋/kg。其他两种技术的误差约为其 2 倍。基于振动光谱的偏最小二乘判别分析用于包含植物油或卵磷脂掺假意面的样本集，结果显示所有应用技术均能快速、可靠地检测掺假样本以及不含鸡蛋的意面样本，其中基于 ATR 数据的模型同样最可靠。
-
整合代谢组学与机器学习揭示鹅蛋冷藏过程中非挥发性代谢物变化
查看原文
2026
LWT
中科院一区JCR一区
Zhi Cao, Shangzhong Qi, Qiang Bao, Qi Xu, Guohong Chen, & Yang Zhang
计算机标签
随机森林 智能手机/其他 定量预测/回归分析 组学数据 文本/知识库/法规数据食品标签
蛋类及其制品 氧化、褐变等化学变化 特征风味 常规理化指标测定 代谢组学 嘌呤鹅蛋是一种重要的禽蛋食品，其脂质和蛋白质含量高于鸡蛋或鸭蛋，但较高的不饱和脂肪水平也使其在贮藏过程中更易发生氧化和品质劣变。尽管代谢组学已广泛应用于肉类科学，但关于鹅蛋冷藏过程中非挥发性代谢物变化的信息仍较有限。本研究采用非靶向代谢组学方法，系统表征鹅蛋在冷藏过程中的动态代谢谱，并进一步整合机器学习算法筛选潜在标志代谢物，识别与鹅蛋腐败相关的关键代谢通路。研究使用 Mfuzz 聚类开展时间趋势分析，以刻画不同贮藏阶段的代谢物动态。方差分析后，共识别出 52 种持续上调和 47 种持续下调的差异代谢物。通路富集分析表明，嘌呤代谢、嘧啶代谢和酪氨酸代谢可能在鹅蛋腐败过程中发挥核心调控作用。此外，研究通过随机森林和 LASSO 回归分析识别出 3-hydroxybutanoic acid、6-aminonicotinamide、Gly-His 和 maleic acid 四种潜在腐败生物标志物。这些结果阐明了鹅蛋冷藏过程中与蛋白质和脂质氧化相关的关键代谢通路，并建立了基于代谢物特征的鹅蛋新鲜度预测框架，以实现早期腐败的准确识别。
-
机器学习在蜡样芽胞杆菌生长预测中的应用：关于数学模型整合的研究
查看原文
2026
International Journal of Food Microbiology
中科院一区JCR一区
Hwa-Young Lee, Jun Her, Woo-Ju Kim, Sang-Oh Kim, & Sang-Soon Kim
计算机标签
主成分分析/判别分析 定量预测/回归分析 公开数据集食品标签
微生物安全 暴露评估与风险表征 微生物计数与生长曲线 传统统计分析与回归在这项研究中，使用机器学习结合ComBase数据库的数据预测了蜡样芽孢杆菌在各种食品基质中的生长趋势。所开发的框架包括一个用于对数生长值的预测模型和一个用于风险评估的分类模型，这些模型是通过Neural Designer和Colaboratory（Colab）平台开发的。通过k均值聚类和基于密度的空间聚类算法（DBSCAN）进行数据过滤，提高了数据质量，而通过主成分分析进行的降维，随后使用DBSCAN，有助于更好地检测异常值。为了有效捕捉微生物的生长动态，将Gompertz模型和Double Weibull双韦布尔模型等数学模型整合到机器学习流程中。实验验证确认了该模型的实际应用效用，并展示了其预测蜡样芽孢杆菌能力。仙人柱在不同条件下的生长。
-
新兴预处理、干燥技术和人工智能在蓝莓加工中应用的系统综述
查看原文
2026
Food Control
中科院一区JCR一区
Qiao-Yi Ma, Yan Ge, Magdalena Zielinska, Jia-Xuan Shu, Shan-Yu Wang, Xiaojun Huang, & Zi-Liang Liu
计算机标签
机器学习/统计学习 定量预测/回归分析 文本/知识库/法规数据食品标签
果蔬干/果脯/蔬菜干 品质、结构与理化性质 营养与生物功能 常规理化指标测定蓝莓因营养价值和商业价值高而在全球广受欢迎，但鲜蓝莓含水量高、采后呼吸旺盛，极易腐败。干燥是延长其货架期的有效加工方式之一，但蓝莓表面的蜡质层会抑制干燥过程。预处理可破坏蜡质层结构并促进水分迁移，是改善蓝莓干燥效率的重要途径。本文系统总结了蓝莓中的生物活性成分，重点讨论不同预处理和干燥技术及其比较优势与局限，并进一步分析各种预处理对蓝莓蜡质层和细胞结构的影响机制。文章还探讨了预处理和干燥过程对蓝莓理化性质的影响，以及先进人工智能技术在蓝莓加工中的应用。综述认为，适当预处理与干燥技术的组合可显著缩短干燥时间，同时改善干制蓝莓的品质属性；人工智能还可结合优化算法动态调节干燥过程，用于优化加工参数，从而提高加工精度和功能成分保留率。
-
基于智能手机的数字成像用于柠檬味软饮料中阿斯巴甜的快速绿色定量
查看原文
2026
Food Chemistry
中科院一区JCR一区
Bruna Ramos de Souza Gomes, Ignes Regina dos Santos, & Jandyson Machado Santos
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
其他饮料 过敏原与毒性问题 显微与成像技术 光谱/色谱/质谱等分析方法 其他特殊成分基于智能手机的数字图像方法（DIA-PH 和 DIA-CG）被开发用于定量柠檬味软饮料中的阿斯巴甜，这一研究动机源于国际癌症研究机构将阿斯巴甜归类为可能的致癌物。优化了一种比色反应，以用水替代有毒溶剂生成鲁赫曼紫（Ruhemann's purple），并进行了紫外-可见分光光度法、DIA-PH 和 DIA-CG 分析。验证包括在 0.005 - 0.200 mg/mL 浓度范围内的线性分析曲线（R² > 0.99）、同方差性以及残差的正态分布，并使用绿色通道（G）进行 DIA 方法分析。DIA-PH 展示了优越的灵敏度（LOD/LOQ: 2.0 × 10⁻⁴ / 6.0 × 10⁻⁴ mg/mL），表明其适用于监管监测。商业样品中的阿斯巴甜含量低于巴西国家卫生监督局（ANVISA，0.75 mg mL⁻¹）和欧盟（1.0 mg mL⁻¹）法规的限值。该方法已被证明成本低、符合绿色化学原则，并适用于软饮料中阿斯巴甜的质量控制。
