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
-
食品质量监测中货架期预测模型的最新进展
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
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 过程控制与实时优化 时序传感器/物联网数据食品标签
货架期预测与品质劣变动力学 品质、结构与理化性质每年，由于供应链中的变质或损耗，有13亿吨食物损失，约占全球粮食产量的三分之一。这就要求制造商在每个阶段都提供关于食品保质期的准确信息。目前已开发并应用了多种食品质量监测模型来预测食品保质期。本综述对保质期模型进行了分类，并详细阐述了常用模型的应用背景和特点，以便更好地理解这些常用模型的不同用途和方面。特别是，本文详细说明了常用模型的结构框架、应用机制和数值关系。此外，本研究重点关注了常用模型在食品领域的应用。除了预测食品的新鲜度指数和剩余保质期外，本研究还涉及食品分类（成熟度和损伤程度）以及成分预测等方面。最后，本文展望了保质期模型在食品领域的进一步推广、多元分析方法的应用以及新模型的开发。通过实时监测食品质量，可以筛选出更可靠的运输、加工和包装方法。
-
红外光谱在粮食作物真菌毒素快速筛查与常规分析中的潜力及适用性
查看原文
2022
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 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
谷物/块根/豆与坚果类 微生物安全 显微与成像技术 光谱/色谱/质谱等分析方法红外（IR）光谱法正越来越多地以快速、无损且环保的方式用于分析粮食作物的质量和安全性。然而，灵敏度的缺乏以及主要样品基质成分的吸收特征重叠，往往阻碍了对痕量水平食品污染物的直接测定。通过使用近红外和中红外光谱以及高光谱成像来测量真菌引起的基质变化，已经实现了对粮食作物中真菌毒素的间接测定。近期的研究强调，此类红外光谱平台在食品和饲料供应链中对真菌毒素的快速分析方面具有巨大潜力。不过，目前尚无根据官方法规对红外方法进行验证的已发表报告，且那些展示其在常规分析设置中适用性的出版物也很少。因此，本综述旨在探讨红外光谱方法在快速测定粮食作物中真菌毒素方面的当前技术水平和潜力。该研究批判性地反思了红外光谱在常规分析中的适用性和局限性，并为食品和饲料行业中考虑采用红外光谱进行快速真菌毒素筛查的非光谱学专业人员提供指导。最后，还讨论了在食品和饲料安全领域的趋势、可能的应用领域以及不同的实施方式。
-
包装4.0：迈向智能化的新范式
查看原文
2022
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 过程控制与实时优化 模拟与数字孪生 时序传感器/物联网数据食品标签
包装与智能监测 过程控制与数字化 循环经济与绿色供应链第四次工业革命（I4.0）旨在利用与基于网络的平台相互连接的智能技术，实现产品生命周期的数字化。I4.0的元素可用于推动包装4.0的发展，提高生产力和效率。然而，由于在包装科学领域对I4.0元素的理解存在差距，I4.0在包装科学中的适用性尚未得到充分研究。此外，市场的演变和客户需求的变化带来了复杂性，这需要一种具有高度精准性的商业模式。由于包装从产品制造一直伴随到消费者阶段，因此可以借助包装实现产品生命周期的数字化。本文探讨了I4.0对包装科学的影响，以确定包装4.0在各个领域（如制造业、材料、供应链、零售业和消费后领域）的潜在益处。在本研究中，包装4.0的定义基于一个框架，该框架包括包装制造、包装与产品、包装与消费者以及包装与可持续性（生态、经济和社会方面）。此外，本文还引入了一种去中心化模型，通过去中心化的决策中心来实现自我控制理念。在此背景下，包装4.0可以通过企业横向整合、企业纵向整合以及端到端工程的结合来实现。智能设备（如传感器、指示器、执行器和可穿戴智能设备）与物联网和云相互连接，是实现去中心化模式的有效途径。在包装4.0背景下实施智能平台，能够在供应链、店内和购买后阶段实现去中心化的数据收集，进而实现对产品生命周期的持续监控。
-
鲜味肽筛选与评价的研究进展
查看原文
2022
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 质构/流变/感官数据 合成/仿真数据为主食品标签
蛋白质配料 感官评价与方法学 组学与高通量技术 蛋白质与氨基酸鲜味是影响食物味道的重要因素，鲜味肽的开发是食品调味研究中一个备受关注的课题。传统的鲜味肽筛选技术耗时费力，难以满足高通量筛选的要求，这限制了鲜味肽的快速发展。鲜味强度的标准测量困难是另一个制约鲜味肽发展的问题。现有方法灵敏度和特异性不足，难以实现对鲜味的标准评价。本综述总结了鲜味受体和鲜味肽，重点探讨了制约鲜味肽发展的问题、高通量筛选以及评价标准的建立。基于分子对接技术和机器学习方法实现了鲜味肽的快速筛选，利用仿生味觉传感器可实现鲜味的标准评价。快速筛选和评价方法的进展极大地推动了鲜味肽的研究，并增加了其在调味行业的应用。
-
食品加工应用中基于机器学习建模的研究进展
查看原文
2022
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 模拟与数字孪生 时序传感器/物联网数据食品标签
食品加工设备与机械系统 加工与新加工技术 过程优化与控制策略食品加工是一个复杂且多方面的问题，需要大量的人为干预来优化各种工艺参数，以最大限度地降低能耗并确保产品质量更优。开发一种基于机器学习（ML）的食品加工应用方法，对于优化工艺参数和工艺动力学、降低能耗、缩短加工时间以及保证产品质量更优而言，是一个令人振奋且具有创新性的想法；然而，开发这种新颖的方法需要付出大量的科学努力。本文介绍并评估了基于机器学习的方法在各种食品加工操作中的应用，如干燥、油炸、烘焙、罐装、挤压、包埋和发酵等，以预测工艺动力学。文中还阐述了开发基于机器学习的模型的分步流程及其实际应用。为帮助读者选择适用于解决食品加工特定问题的算法，本文讨论了神经网络训练和测试算法的主要挑战及其局限性。此外，本文还介绍了将基于机器学习的技术应用于混合食品加工操作的潜力和挑战。同时，也探讨了物理信息机器学习建模技术在食品加工应用中的潜力及其策略。预计本文的相关信息将对推动基于机器学习的技术在食品加工应用中的发展具有重要价值。
