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
-
来源分析：基于SN-和LA-ICP-MS的草莓鉴定
查看原文
2026
Food Chemistry
中科院一区JCR一区
Lina Cvancar, Denise Meyer, Marie-Sophie Müller, Greta Kupitz, Marie Oest, Marina Creydt, & Markus Fischer
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 中等规模数据集食品标签
新鲜水果 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 矿物质与微量元素根据其产地，草莓的价格可能差异很大。例如，来自德国的水果相比进口商品可能价格较高，这可能助长以经济为动机的食品欺诈。在本研究中，采用了两种不同的样品制备技术--酸消解和激光烧蚀--以利用ICP-MS和多变量数据分析确定草莓的来源。来自六个国家（埃及、德国、希腊、荷兰、波兰和西班牙）的403个样本被用于开发分类模型。使用溶液雾化技术，以91.7%的准确率区分了德国和进口草莓。草莓籽被确定为替代激光烧蚀方法的最佳基质。通过激光烧蚀，利用两分类模型获得了88.0 ± 12.1%的准确率，提供了最佳结果。经典的SN-ICP-MS提供了非常好的分类结果；然而，与创新且资源高效的LA-ICP-MS相比，它需要更多的试剂和时间，使其成为食品欺诈检测的一个现实工具。
-
使用共聚焦拉曼显微镜结合机器学习区分混合奶酪中的植物蛋白和乳蛋白及其相互作用
查看原文
2026
Food Chemistry
中科院一区JCR一区
Di Lu, Cushla McGoverin, Debashree Roy, Alejandra Acevedo-Fani, Harjinder Singh, Mark Waterland, Yi Zheng, & Aiqian Ye
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 可见光/RGB/视频数据食品标签
奶酪 蛋白质配料 微观结构与成像 显微与成像技术 光谱/色谱/质谱等分析方法 蛋白质与氨基酸对植物性替代乳蛋白需求的增加促使了混合加工奶酪类制品（HPCAs）的开发，这类制品将植物蛋白与酪蛋白结合。然而，它们复杂的微观结构和分子相互作用仍知之甚少。本研究将共聚焦拉曼光谱与先进的机器学习相结合，对含有绿豆蛋白分离物（MPI）或大麻蛋白分离物（HPI）与酪蛋白的HPCAs进行了高分辨率空间映射和分子表征。这种整合有助于区分蛋白质来源并阐明结构变化。酪蛋白的添加改变了HPI的结构，促进了结构无序、二硫键重排，并使酪氨酸二重峰比从HPI100的4.5急剧下降到HPI50的1.2。相反，酪蛋白与MPI的相互作用导致了微观结构的分离和β-折叠含量的变化（从MPI100中的53%降至MPI30中的20%）。这种综合方法代表了分析复杂食品系统中蛋白质结构和相互作用的一个有力工具。
-
通过利用机器学习-数据融合方法改造食品真实性检测：以茶叶为例的研究
查看原文
2026
Food Chemistry
中科院一区JCR一区
Yicong Li, Natasha Logan, Awanwee Petchkongkaew, Yunhe Hong, Xiaotong Liu, Nicholas Birse, Simon Haughey, Terry F. McGrath, Di Wu, & Christopher T. Elliott
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 多模态/融合数据 红外/拉曼光谱数据 中等规模数据集食品标签
茶/茶饮料 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 矿物质与微量元素全球食品供应链日益脆弱，这突显了快速、准确且无损的真实性检测的必要性。在本研究中，我们开发并验证了一种工作流程，将傅里叶变换红外、近红外和X射线荧光光谱技术与基于机器学习的数据融合整合，用于红茶真实性鉴定。共分析了532个正宗的阿萨姆、达尔吉林、锡兰和祁门茶样品，使用了五种监督模型。开发并比较了一系列信息级、特征级和决策级融合策略，其中决策级融合在校准集、验证集和测试集上均达到了100%的F1分数，表现优于单独方法和其他融合方法。该工作流程进一步应用于89个商业茶样，发现不合格率为6.74%，均来自线上平台。这种方法消除了对昂贵的质谱或基于稳定同位素的仪器的需求，非常适合在非专业实验室，尤其是在发展中国家，进行准确且经济有效的食品真实性检测。
-
公平的化学感官数据：为风味、食品和健康解锁人工智能
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Valentina Parma, Joel D. Mainland, Liang-Dar Hwang, Richard J. Kedziora, Nicolas Pineau, Richard C. Gerkin, & Masha Y. Niv
计算机标签
模型可解释性 定量预测/回归分析 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 标准/法规/数据库分析尽管感官化学科学与食品选择与消费、营养、食品安全及公共健康密切相关，但在数据共享、标准化和基础设施建设方面，其发展落后于其他科学领域。这一差距带来了实际后果：缺乏（共享的）数据以及数据集的分散，阻碍了累积性进展，妨碍了跨组织验证，并限制了有可能彻底改变食品与消费者科学、个性化营养、临床诊断等领域的预测模型的发展。近年来，通过人工智能算法的进步与大规模、高质量且组织良好的数据结合，出现了突破性科学成果。没有这一基础，化学感觉领域可能会进一步落后，无法利用正在革新蛋白质结构预测、药物发现、基因组解析、医学诊断及其他领域的人工智能变革潜力。在本评论中，我们强调其他领域的一些鼓舞人心的示例，认可化学感觉数据组织工作的前沿现状，并概述在化学感觉科学中采用可查找（Findable）、可获取（Accessible）、可互操作（Interoperable）和可重用（Reusable）（FAIR）原则的步骤。最后，我们设想适合与工业开展保密协作的联邦学习场景，并邀请通过 Zenodo 上的"ChemoSensoryData"社区分享已经发表的学术研究的原始数据。
-
利用便携式近红外光谱传感器预测烘焙面包中的丙烯酰胺水平
查看原文
2026
Food Control
中科院一区JCR一区
Sonia Nieto-Ortega, Idoia Olabarrieta, Alejandro Barranco, Goretty Trujillo, Xabier Izquierdo, Esther Sanmartín, & Hugo Cunha-Silva
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 时序传感器/物联网数据食品标签
小麦 面包 化学污染物 传统热加工 光谱/色谱/质谱等分析方法 其他特殊成分本研究旨在利用便携式近红外光谱传感器测定不同类型烘焙面包中的丙烯酰胺水平。研究分析了两类常见面包样品，包括乡村式面包（n = 121）和全麦面包（n = 128）。样品使用手持式近红外光谱仪（MicroNIR Onsite）扫描，并通过液相色谱-质谱法测定丙烯酰胺含量。针对每类面包，研究分别建立主成分分析（PCA）和偏最小二乘判别分析（PLS-DA）模型，以欧盟委员会设定的基准水平 50 μg/kg 为参考，根据丙烯酰胺水平对样品进行分类。PCA 结果显示，两类面包样品均可按丙烯酰胺含量形成聚类，且 980、1200 和 1450 nm 附近的光谱贡献与水、淀粉、蛋白质和氨基酸相关。乡村式面包的 PLS-DA 模型在验证中达到 89% 准确率，全麦面包模型达到 99%；灵敏度和特异性均稳定超过 88%，表明该方法能可靠区分低于和高于欧盟基准水平的样品。结果说明，便携式 NIR 传感器结合多变量分析可作为烘焙产品中丙烯酰胺现场无损快速筛查工具。本研究首次证明，便携式 NIR 传感可按照官方欧盟基准阈值对烘焙小麦面包中的丙烯酰胺水平进行分类，显示其在工业实时监测中的应用潜力。
