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
-
从深海贻贝 Gigantidas platifrons 水解物中发现新型 FXIa 抑制肽：AI 引导筛选、抗凝活性与机制解析
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Yuhong Ouyang, Hao Chen, Jing Wang, Ning Wu, Lihua Geng, Quanbin Zhang, & Yang Yue
计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主食品标签
鱼肉 软体与贝类 食品安全与风险评估 营养与生物功能 蛋白质与氨基酸开发靶向凝血因子 XIa（FXIa）的抗凝剂，是降低血栓风险并减少出血并发症的有前景策略，但深海来源 FXIa 抑制肽仍较少被探索。本研究发现，深海贻贝 Gigantidas platifrons 的胃蛋白酶水解物可通过延长活化部分凝血活酶时间（APTT），并在斑马鱼血栓模型中减少红细胞和血小板聚集而表现出抗凝作用。研究结合生物活性导向分离和 AI 辅助虚拟筛选，鉴定出三种新型 FXIa 抑制肽：VVTRVVR、TVTRLSD 和 VSQPRSTL，IC50 分别为 523、683 和 695 μM。这些肽选择性抑制 FXIa，而不影响 FXa 或凝血酶，并能延长 APTT。AlphaFold3 建模、分子动力学模拟和量子化学计算显示，其结合稳定性主要由 S1 口袋中 Asp189 的静电相互作用驱动。该工作为发现海洋来源抗凝肽提供了计算筛选与实验验证结合的策略。
-
以风味为导向的脑机接口（Flavor-BCI）：对进食和感官感知的神经解码及其在食品评估中的新兴应用
查看原文
2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Tianyi Yang, Mian Cao, Zhiyu Qian, & Jianshe Chen
计算机标签
深度学习 模型轻量化/边缘计算 分类/鉴别/等级评定 质构/流变/感官数据食品标签
特征风味 感官科学与消费者研究 问卷/市场与消费者研究由风味引起的感官满足对食品的接受度和市场成功至关重要。然而，传统的感官评估方法严重依赖主观评价，往往无法准确反映复杂多感官味觉体验背后的实时、客观神经处理。这一局限性突显了亟需创新方法，以客观量化风味在大脑中的感知和整合方式。在本综述中，我们首先探讨味觉感知的神经路径，重点研究味觉、嗅觉和口腔体感输入如何与奖赏和愉悦网络相互作用，从而形成综合的味觉体验。在此基础上，我们随后概述了用于开发以风味为导向的脑-机接口（风味-BCI）的最新策略，总结了各种神经影像技术的关键特征及相关技术实现流程。最后，我们评估了风味-BCI在感官评估和消费者决策中的新兴应用，并识别了未来食品设计和产品开发的机会与挑战。风味感知始于化学刺激在初级味觉皮层、嗅觉皮层和三叉神经通路中的并行编码。这些信号随后在更高级区域被整合，形成分布于皮层、边缘系统和皮层下结构中的神经网络，支持风味识别、愉悦评估和动机性进食。风味脑机接口系统使用电生理学或神经影像技术记录这些区域的神经活动，并应用先进算法解码神经表征，将其转化为客观的感官输出。与传统评估相比，这种方法能够实时、精确地量化风味体验。因此，风味脑机接口为智能感官评估和新型人机交互提供了有前景的途径。
-
高光谱成像结合 Transformer 增强卷积自编码器架构用于破损大豆实时多目标分类
查看原文
2026
Food Control
中科院一区JCR一区
Jingyuan Zhao, Dianyang Sun, Jiebo Mi, Kongxiang Zhao, Jing Peng, Kang Tu, Jun Liu, Weijie Lan, & Leiqing Pan
计算机标签
卷积神经网络 目标检测网络 分类/鉴别/等级评定 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
豆类与坚果（及籽类） 品质、结构与理化性质 过程监测与在线检测 显微与成像技术开发大豆品质实时多目标检测方法是一项具有挑战性的工作。本研究提出了一种创新策略，将高光谱成像和 Transformer-卷积自编码器与深度学习模型相结合，以同时识别不同类型的受损大豆，包括破碎、虫蛀、病害和霉变类型。基于 T-CAE 增强光谱的 1D 卷积神经网络模型能够区分这些不同受损大豆，分类准确率超过 96.00%。引入 T-CAE 架构的自注意力机制是一种有效的光谱数据增强策略，可缓解分类模型开发中的样本限制。值得注意的是，T-CAE 生成的光谱在捕捉全局光谱特征的同时，能够通过卷积编码保留局部细节。用于训练 1D-CNN 模型时，与原始光谱训练模型相比，准确率提高了 9.71%。因此，高光谱成像结合 T-CAE 可作为一种快速、实时、多目标的受损大豆分类策略。
-
用于柑橘采后腐烂及相关代谢物指纹早期无损检测的光学阵列传感器
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Rossella Santonocito, Mario Riolo, Alessia Cavallaro, Rossana Parlascino, Victor Dopazo, Francesco Aloi, Giuseppe Trusso Sfrazzetto, Nunzio Tuccitto, & Santa Olga Cacciola
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 可见光/RGB/视频数据食品标签
新鲜水果 微生物安全 品质、结构与理化性质 显微与成像技术 常规理化指标测定柑橘果实极易受到真菌和卵菌病原体引起的采后腐烂影响，因此需要能够直接作用于包装果实及其顶空气体的无损早期检测工具。本研究评估了一种可由智能手机读取的荧光传感器阵列，作为检测柑橘采后病原体并通过化学计量学模式分析捕获感染相关化学指纹的便携式交叉反应平台。研究将 17 种交叉反应荧光探针点样于聚酰胺滤膜上，并在 365 nm 光照下成像；分析对象包括指状青霉、意大利青霉、链格孢、柑橘疫霉和烟草疫霉的孢子悬液（10^2-10^6 propagules mL^-1）。针对两种青霉的偏最小二乘校准均显示线性趋势，R2 分别为 0.9999 和 0.9987，支持对水悬液中繁殖体进行定量估计。阵列响应的 PLS 判别分析得到 3 个清晰分离的聚类，分别对应链格孢、青霉和疫霉。接种指状青霉的橙子体内试验表明，该阵列能够捕获顶空气体组成变化，并区分感染与生理性伤口反应。健康受伤橙子呈现一致轨迹，而接种橙子在接种后 24-48 h、可见症状出现前即表现出明显分离。针对感染橙子的专用模型在 0-4 天贮藏期内显示预测值与贮藏时间之间存在线性关系。结果表明，可由智能手机读取的交叉反应荧光阵列能够为柑橘采后腐烂提供早期无损筛查，并支持按风险优先选择批次进行后续靶向确认分析，包括与食品安全相关的病原体代谢物分析。
-
动态顶空挥发物-FTIR 快速检测：生姜粉合成香料掺假的定性和定量检测
查看原文
2026
Food Control
中科院一区JCR一区
Qixing Tang, Yukun Liu, Dong Wei, Yachao Liu, Leizi Jiao, Guiyan Yang, Ke Wang, Runyu Wang, & Daming Dong
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据食品标签
其他果蔬制品/植物类 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法 其他植物化学物质生姜粉市场掺假问题日益严重，掺假方式也越来越复杂。本研究探索了一种用于合成姜味香料中掺假物定性和定量检测的快速新方法，将动态顶空挥发物分析与傅里叶变换红外光谱相结合。研究首先采用气相色谱-质谱筛查挥发性成分，随后基于 FTIR 光谱数据建立两个模型：用于定性识别合成姜味香料类型的八分类支持向量机模型，以及用于定量预测掺假水平的偏最小二乘回归模型。结果显示，DHS-FTIR 技术结合识别模型的平均准确率达到 97.26%。与 PLSR 结合后，模型决定系数 R2 超过 94%，验证集均方根误差低于 0.0057 g。该 DHS-FTIR 技术可用于香料掺假物的快速筛查和预测。
