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
-
人工智能与食品风味：AI 模型如何塑造未来与风味食品开发的革命性技术
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 分类/鉴别/等级评定 知识抽取与语义理解 组学数据 公开数据集食品标签
感官科学与消费者研究 组学与高通量技术传统上依赖实验方法的食品风味科学，如今在人工智能（AI）的助力下正迈入一个充满希望的时代。通过将现有技术与人工智能相结合，研究人员能够在数字环境中探索和开发新的风味物质，节省时间和资源。越来越多的研究将利用人工智能和大数据来增强产品风味、提高产品质量、满足消费者需求，并推动该行业迈向更智能、更可持续的未来。在本综述中，我们详细阐述了风味识别的机制及其对营养调控的潜在影响。随着数据积累的增加和互联网信息技术的发展，食品风味数据库和食品成分数据库取得了巨大进步。这些数据库提供了各种食品化合物的营养成分、风味分子和化学性质的详细信息，为风味成分的快速评估和筛选技术的构建提供了宝贵的数据支持。随着人工智能在各个领域的普及，食品风味领域也迎来了新的发展机遇。本综述探讨了风味识别的机制，以及人工智能通过高通量组学数据和筛选技术在加强食品风味分析方面所发挥的作用。人工智能算法为科学改进产品配方、进而增强风味和实现定制化膳食提供了途径。此外，本文还讨论了将人工智能整合到食品风味行业所面临的安全挑战。
-
食品与农产品地理来源追溯中机器学习的最新进展：综述
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 分类/鉴别/等级评定食品标签
食品安全与风险评估 其他过程控制与数字化研究食品和农产品的地理来源可追溯性已引起全球关注。特别是随着机器学习（ML）技术的兴起，它为以往难以解决的食品和农产品来源识别问题提供了尖端解决方案。通过利用先进的算法，机器学习能够提取与来源密切相关的食品和农产品的特征信息，并更准确地识别和追溯其来源，这对整个食品和农业行业具有重要意义。本文全面概述了机器学习在食品和农产品地理来源可追溯性方面的最新应用。首先，总结了常用的机器学习方法。然后，本文概述了构建基于机器学习的可追溯性模型的建模准备、模型训练以及模型评估的整个过程。最后，回顾了机器学习结合不同可追溯技术在食品和农产品领域的近期应用。尽管机器学习在解决食品和农产品地理来源可追溯性问题上取得了诸多成就，但它仍有巨大的发展潜力。例如，在利用DNA或计算机视觉技术进行地理来源可追溯方面，机器学习的应用尚不充分。机器学习预测食品和农产品地理来源的能力还有待进一步提高，比如通过增强模型的可解释性、采用数据融合策略等方式。
-
机器视觉结合深度学习的食品真伪鉴别方法：综合综述与新见解
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 分类/鉴别/等级评定 缺陷/异物检测与定位 可见光/RGB/视频数据食品标签
品质、结构与理化性质 食品安全与风险评估 显微与成像技术食品欺诈损害消费者信任、带来经济风险并危害人类健康。因此，开发高效技术以快速、可靠地分析食品质量与安全，实现食品真伪鉴别至关重要。基于机器视觉的方法已成为食品真伪和质量快速无损分析的颇具前景的解决方案。工业4.0革命为该领域带来了新趋势，其中包括深度学习（DL）的应用——深度学习作为人工智能的一个分支，展现出强大的性能和泛化能力，能有效提取特征并处理海量数据。本文综述了机器视觉以及各类基于深度学习的算法在食品真伪鉴别方面的最新进展，包括深度学习和轻量级深度学习，这些技术通过与机器视觉系统结合，或与智能手机及便携式设备结合，应用于掺假识别、品种鉴别、新鲜度检测和食品质量鉴定等食品真伪分析工作。本综述探讨了机器视觉的局限性以及深度学习面临的挑战，包括过拟合、可解释性、可及性、数据隐私、算法偏见，以及轻量级深度学习的设计与部署和传感设备的小型化等问题。最后，讨论了该领域未来的发展方向和趋势，包括开发结合机器视觉与深度学习方法的实时检测系统，以及扩大数据库等。总体而言，基于视觉的技术与深度学习相结合，有望实现更快速、更经济且更准确的食品真伪鉴别方法。
-
冷冻与解冻肉制品的人工智能研发：研究进展与未来展望
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 定量预测/回归分析 过程控制与实时优化食品标签
肉类/蛋类与水产品 加工与新加工技术 保藏与贮藏 品质、结构与理化性质 过程优化与控制策略冷冻和解冻肉在稳定肉类供应链和延长肉类保质期方面发挥着重要作用。然而，传统的研发方法难以满足人们对质量、营养价值、创新性、安全性、生产效率和可持续性日益增长的需求。冷冻和解冻肉面临着一些特定挑战，包括解冻过程中的品质劣变。人工智能（AI）已成为解决冷冻和解冻肉研发中这些挑战的一种很有前景的方案。人工智能在感知、判断和执行方面的能力，在解决问题和执行任务中展现出巨大潜力。本综述概述了将人工智能技术应用于冷冻和解冻肉研发的架构，旨在让人工智能更好地实施并提供解决方案。与传统研发方法相比，本文全面总结了人工智能在该领域的当前研究进展和广阔应用前景，重点关注其在应对关键挑战（如解冻工艺快速优化）方面的作用。人工智能在冷冻和解冻肉的产品开发、生产优化、风险管理和质量控制等领域已取得成功。未来，基于人工智能的冷冻和解冻肉研发在推动个性化、智能化生产和可持续发展方面也将发挥重要作用。然而，挑战依然存在，包括对高质量数据的需求、复杂的实施过程、易变的工艺以及环境方面的考虑。为了充分发挥人工智能在冷冻和解冻肉研发中的潜力，需要进一步研究以开发更强大、更可靠的人工智能解决方案，如通用人工智能、可解释人工智能和绿色人工智能。
-
通过纳入人工智能、大数据和物联网提升食品系统应对食品安全风险的韧性
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 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据 大规模数据集食品标签
微生物安全为增强食品系统对食品安全风险的抵御能力，国家当局和国际组织能够识别新出现的食品安全风险并及时发出预警信号，这一点至关重要。本文综述了人工智能（AI）、大数据和物联网在食品安全领域作为预警和新风险识别工具及方法的现有应用和试验性应用。目前，由大量、实时且多样化的数据支持的系统正在快速发展，其目的是对新出现的食品安全风险进行预警和识别。大数据和人工智能适合支持此类系统，这一点可以通过两个案例来说明：气候变化引发的风险，即有害藻华对海产品的影响，以及农作物中真菌生长和霉菌毒素的形成。自动化和机器学习对于未来实时食品安全风险预警系统的发展至关重要。尽管这些发展提高了前瞻性预警和新风险识别工具的可行性和有效性，但它们的实施可能面临挑战，特别是对于低收入和中等收入国家而言，原因是其网络连接和数据可用性较低。有人主张通过提高国家当局的能力和容量，以及加强它们与私营部门和国际组织的合作来克服这些挑战。
