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 712 条结果
-
机器学习辅助解析克鲁维毕赤酵母发酵苹果酒过程中无机氮对香气调控的机制
查看原文
2026
Food Research International
中科院一区JCR一区
Yuxiang Zhang, Lixiang Zhang, Weiyi Fan, Fei Wang, Yitong Shen, Yahong Yuan, Jianping Wei & Tianli Yue
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 组学数据 质构/流变/感官数据食品标签
酒精饮料 其他加工技术 特征风味 光谱/色谱/质谱等分析方法 微生物计数与生长曲线 发酵工艺与动力学 风味组学非酿酒酵母已被证实能够提升并丰富苹果酒的香气轮廓。本研究旨在阐明无机氮的调控作用，并通过探究氮源种类与浓度对克鲁维毕赤酵母发酵性能及香气生成的影响，改善苹果酒的香气品质。以酿酒酵母WLS21为参照，研究了三种无机氮源（氯化铵、硫酸铵、磷酸氢二铵）在两种浓度（140和200毫克酵母可利用氮/升）条件下对克鲁维毕赤酵母X31–10发酵苹果汁的影响。监测酵母生长情况，并采用气相色谱-质谱联用、气相色谱-离子迁移谱及机器学习技术分析挥发性化合物，构建香气成分图谱并鉴定关键差异化合物。氮源对两株菌株的生长及香气生成均具有显著影响，其中对克鲁维毕赤酵母的影响尤为突出。机器学习筛选出8种可区分两株菌株的关键化合物，以及5种克鲁维毕赤酵母中依赖氮源的生物标志物，其中乙酸2-甲基丁酯、癸酸乙酯和丁酸乙酯为两者共有，表明这些化合物是响应氮源调控的关键差异物质。克鲁维毕赤酵母的酯类合成受氮源种类影响显著：与酿酒酵母相比，添加磷酸盐和硫酸盐可显著提升酯类物质的总体生成量，尤其对乙酸异戊酯和乙酸2-甲基丁酯影响明显。氮源浓度进一步调控克鲁维毕赤酵母关键酯类的合成：高浓度氯化铵和磷酸氢二铵可持续增加乙酸异戊酯、乙酸己酯等关键酯类含量，而硫酸铵的作用则具有化合物特异性。上述研究结果表明，通过氮源管理可有效优化克鲁维毕赤酵母发酵苹果酒的风味品质。
-
机器学习指导的GRAS微藻蛋白提取优化及其面向可持续食品应用的理化特性
查看原文
2026
Food Hydrocolloids
中科院一区JCR一区
Wei Han Foo, Mingmin Chen, Yu Xuan Lim, & Lin Chen
计算机标签
机器学习/统计学习 定量预测/回归分析食品标签
微藻及藻类产品 蛋白质配料 物理辅助加工 过程优化与控制策略 品质、结构与理化性质 常规理化指标测定 光谱/色谱/质谱等分析方法 响应面分析与多因素优化 蛋白质与氨基酸微藻是具有潜力的可持续蛋白质来源，但其难以破坏的细胞包被以及提取过程造成的品质损失限制了蛋白质回收和应用。本研究筛选了6种公认安全（GRAS）微藻，并选择蛋白核小球藻、钝顶螺旋藻和索罗金小球藻开展超声辅助碱法提取研究，内容包括超声浴与探头超声的对比、工艺优化及结构–功能评价。探头超声的效果显著优于超声浴和单纯碱法对照（p<0.05）。钝顶螺旋藻的蛋白质回收率和单位生物质蛋白质产量分别达到96.38%和365.30 mg/g，而对照组分别为71.93%和272.65 mg/g；两种小球藻的提升幅度较小，与其富含纤维素和藻胶素的细胞壁结构一致。响应面法确定了不同藻种的最优条件，基于机器学习的高斯过程回归则提供了不确定性感知建模，改善了小球藻数据集的交叉验证表现，并在响应趋于平台期时支持稳健操作窗口的选择。研究还量化了工艺能耗：优化后的探头超声方案每批需要22.5 kJ，约相当于每千克生物质6.94 kWh；以优化的钝顶螺旋藻为例，每千克回收蛋白约需19 kWh。所得蛋白浓缩物的蛋白质含量为63%–79%（干基）；SDS-PAGE和傅里叶变换红外光谱结果显示，蛋白质特征总体得到保留，未发生广泛断裂。其功能特性高度依赖介质和pH：在去离子水中的溶解度低于25%，但在pH≥7的缓冲液中显著升高。钝顶螺旋藻浓缩物具有较高的吸水能力，约为3.7 g/g；优化后的蛋白核小球藻分离物则具有较高的吸油能力，约为4.2 g/g。乳化性和起泡性均对pH敏感，工艺优化提高了碱性条件下的乳液稳定性，并以藻种依赖方式调节了泡沫性能。总体而言，超声辅助碱法提取为制备多功能微藻蛋白提供了一条能耗透明的路径，并建立了多响应优化框架。
-
利用合成生物学方法减少真菌毒素污染并提高食品体系可持续性
查看原文
2026
Annual Review of Food Science and Technology
中科院一区JCR一区
Lina Sheng, Song Gao, Yang Yang, Honglin Yan, Wancheng Ma, & Xiulan Sun
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据食品标签
食品安全与风险评估 过敏原与毒性问题 副产物与废弃物高值利用 组学与高通量技术 其他特殊成分 蛋白质与氨基酸极端气候事件正在加剧真菌毒素污染。真菌毒素是丝状真菌产生的有毒次生代谢产物，会对人类和动物健康构成严重威胁，并在全球范围内造成大量食品损失。合成生物学为降低真菌毒素污染以及可持续利用食品和食品加工副产物提供了变革性解决方案。真菌毒素控制领域的重要进展包括整合人工智能与多组学技术，开发识别元件、抗菌剂和降解酶，从而实现对产毒真菌及真菌毒素的快速检测和有效控制。其可持续发展应用涵盖三个方面：利用工程微生物对副产物进行升级再造、开发真菌蛋白等新型可食用材料，以及提高作物产量和抗病性；其中，基于 CRISPR 的多重编辑和微生物细胞工厂等新兴技术尤为突出。总体而言，本文强调了合成生物学在真菌毒素降解以及食品及其副产物增值转化中的关键作用，可推动食品安全保障和循环生物经济的发展。
-
可解释机器学习用于牦牛乳饲喂模式判别：融合 XGBoost 与多维可解释性分析
查看原文
2026
Food Chemistry: X
中科院一区JCR一区
Bo Hu, Lu Sun, Haiyue Wu, Rong Hu & Zhongxin Yan
计算机标签
机器学习/统计学习 模型可解释性 分类/鉴别/等级评定 质构/流变/感官数据食品标签
液态乳 传统统计分析与回归 脂质与脂肪酸准确判别牦牛乳的放牧（GZ）与补饲（SF）模式对产品真伪鉴别具有重要意义，然而现有方法通常成本高、耗时长。本研究采集了补饲4个阶段的523份泌乳牦牛乳样品，测试21种机器学习算法，基于常规乳成分参数构建快速且低成本的判别方法。集成学习算法表现优于其他算法，其中XGBoost准确率最高（92%），AUC为0.94。包括SHAP、PDP和ICE在内的多维可解释性分析表明，脂肪含量（27.8%）和乳糖（23.1%）是最重要的判别指标，同时揭示了脂肪、乳糖与冰点之间具有生物学意义的交互作用。该可解释分析框架利用常规乳品分析仪即可实现牦牛乳真伪鉴别，为建立牦牛乳放牧标准化认证体系提供方法学基础。
-
基于 AI 驱动的多层策略与精制数据集挖掘牦牛骨胶原水解物中的抗氧化肽
查看原文
2026
Food Research International
中科院一区JCR一区
Yali Wang, Jiaqing Yang, Baishan Fang, Kangxu Wang, Yousi Fu
计算机标签
机器学习/统计学习 深度学习 大语言模型 定量预测/回归分析 组学数据 文本/知识库/法规数据 多模态/融合数据食品标签
内脏及副产物 抗氧化/抗炎等功能 副产物与废弃物高值利用 光谱/色谱/质谱等分析方法 蛋白质组学 其他体外模型 数值仿真 蛋白质与氨基酸胶原蛋白源生物活性肽具有多种生物活性，但其从复杂水解物中快速鉴定仍是一大挑战。本研究构建了一种多层框架，结合蛋白质语言模型嵌入（ESM-2）、机器学习、分子对接及体外验证，从胶原蛋白酶解产物中鉴定抗氧化肽。研究整理了2020年至2025年5月间经实验验证的抗氧化肽（命名为AoXpDb），并与公共数据库整合，构建了大规模均衡数据集用于模型训练。在各类嵌入方法中，ESM-2（2560维）在预测精度与计算效率之间取得了最优平衡。通过机器学习筛选从水解物中预测出七十条候选肽，后续分子对接及体外实验证实其中九条具有抗氧化活性。上述结果表明，将蛋白质语言模型与计算及实验筛选相结合，可实现功能肽的精准高效鉴定，为人工智能辅助抗氧化肽挖掘提供了可推广的框架。
