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
-
基于肽组学和回归型机器学习方法从卵转铁蛋白水解物中识别两种具有抗生物膜和抗菌作用的新肽
查看原文
2026
LWT
中科院一区JCR一区
Dan Wang, Mengxue Li, Jiaqi Chen, Jialiang Wang, & Xiaoli Liu
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 组学数据食品标签
蛋类及其制品 加工与新加工技术 微生物计数与生长曲线 体外模型 蛋白质与氨基酸本研究评价了木瓜蛋白酶、胃蛋白酶和胰蛋白酶水解获得的卵转铁蛋白水解物的抗生物膜活性。1250 microg/mL 胃蛋白酶水解物处理可使副溶血性弧菌游泳运动能力下降 43.71%-50.84%，自聚集能力下降 41.95%-54.96%，胞外多糖生成受到 23.67%-54.46% 抑制，并使生物膜细胞数降低 1.33 log CFU/cm2-1.89 log CFU/cm2。研究采用 nanoLC-UHPLC-MS/MS 技术对水解物中的肽进行肽组学表征，并利用偏最小二乘判别分析（PLS-DA）根据酶解方式区分肽群，识别对抗生物膜效果贡献最大的判别性肽。研究发现并体外验证了两种新的抗生物膜肽 PEPVL（PVLKDLLFKDSAIMLKRVPSLMDSQL）和 PEASY（ASYGNAVCIFEPLGINSHKRNSQLKCQWLKTGQF）。在 250 microg/mL 浓度下，PEPVL 和 PEASY 分别抑制 84.59%-91.36% 和 28.62%-71.97% 的生物膜形成。本研究通过酶解方法考察了卵转铁蛋白水解物的抗生物膜活性，并识别出两种具有抗生物膜作用的新肽，有助于开发食品工业中控制副溶血性弧菌生物膜的新技术。
-
基于鲜味 Transformer 机器学习模型：超声辅助酶解香菇鲜味肽的筛选及其风味机制研究
查看原文
2026
Food Research International
中科院一区JCR一区
Jingyi Han, Yao Li, Jiakang Liang, Lihong Chen, Xiaojie Yu, Li Chen, Otu Phyllis, Hafida Wahia, Hua Yang & Cunshan Zhou
计算机标签
其他深度学习结构 分类/鉴别/等级评定 组学数据食品标签
食用菌菇 物理辅助加工 过程优化与控制策略 光谱/色谱/质谱等分析方法 蛋白质组学 动力学建模 数值仿真 蛋白质与氨基酸本研究旨在优化超声辅助酶解工艺以制备香菇鲜味肽，构建可靠的鲜味肽预测筛选模型，并阐明此类肽产生鲜味的分子机制。结果表明，超声预处理（200 W，20 min）结合双酶酶解（复合蛋白酶与风味蛋白酶按1:1比例添加，加酶量2400 U/g，酶解4 h）可显著提高酶解效率。α-氨基氮含量达到0.20 ± 0.00 mg/mL，98.31%的酶解产物肽分子量低于1 kDa。本研究整合肽序列、酸碱性质与疏水性构建了三流Umami-Transformer模型，该模型对鲜味肽的预测准确率达94%，优于Umami-BERT（90.5%）和Umami-MRNN（93.2%）等经典模型，证实其具备更优的预测性能。成功鉴定并验证了4种新型鲜味肽（LPFQTE、MIPLLL、EVLPNL、EVENVI）。分子对接与分子动力学模拟揭示了T1R1受体上的关键结合位点（Asp147、Lys155、Ser217、Lys379、Asn150），并证明氢键与离子相互作用对稳定结合及鲜味产生至关重要。本研究结果为香菇鲜味肽的高效制备与鉴定提供了完善的技术框架，其机制解析可为新型鲜味增强剂及功能性食品的研发提供理论依据。
-
机器学习驱动的微生物群落合成：食品发酵智能升级的新范式
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Xiaowei He, Xiaoran Hu, Kemin Mao, Jinwei Zhang, Jie Gao, Bimal Chitrakar, Honghong Cheng, & Yaxin Sang
计算机标签
机器学习/统计学习 设计/生成与推荐 组学数据食品标签
其他酱腌/发酵食品 特征风味 发酵工艺与动力学背景：微生物的代谢活动是发酵食品生产的核心驱动力。然而，这些动态过程受到底物类型、环境条件以及微生物群落内种间相互作用等因素的影响。发酵食品行业面临的挑战，包括生产效率低、产品质量不稳定以及产品在功能和感官特性上的高度同质性，凸显了创新解决方案的必要性。范围与方法：通过数据特征引导，将机器学习（ML）算法与合成微生物群落（SynComs）相结合，提供了一条有前景的前进道路。本综述对合成微生物群（SynComs）的策略和局限性进行了全面分析，探讨了适用于微生物群落数据的机器学习（ML）方法，并提出了一种用于合成微生物群组装的机器学习辅助流程，称为机器学习辅助合成微生物群（ML-ASM）。主要发现：将机器学习与SynComs结合提供了一种可行的方案，以提高发酵效率和产品稳定性。推进SynComs与ML的整合，实施数据驱动的方法，以及促进跨学科创新，是关键步骤。与循环生物经济原则的战略对齐将推动发酵食品生产系统的系统化、智能化转型。
-
使用枸杞芽茶丰富鸡汤的营养和风味特征：基于智能算法的风味分析
查看原文
2026
Food Chemistry
中科院一区JCR一区
Julong Zhou, Junqin Wu, Yulong Luo, Lili Yao, Juanjuan Zhu, Haijun Ma, Ruiming Luo, Songlei Wang, & Shuang Bai
计算机标签
偏最小二乘法 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
禽肉 茶/茶饮料 预制菜/即食菜肴 营养与生物功能 特征风味 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 风味组学 蛋白质与氨基酸 多酚与黄酮 其他植物化学物质本研究探讨了枸杞芽茶（GBT）作为功能性成分对鸡汤营养质量和风味的影响。结果显示，加入GBT显著提高了鸡汤中的可溶性固形物、水溶性蛋白、氨基酸氮、总酚和总黄酮含量，从而增强了其营养价值和抗氧化活性。此外，加入GBT后，自由氨基酸和5′-核苷酸的含量也有所增加。通过气相色谱-质谱法分析，共检测到48种香气成分。进一步通过正交偏最小二乘判别分析和随机森林模型，识别出桉叶油醇、芳樟醇、1-壬醇、壬醛、苯甲醛和辛醛可能是GBT强化鸡汤中的关键香气物质。本研究系统阐明了GBT在提高鸡汤营养价值和风味方面的潜力，为功能性炖汤的开发提供了理论和证据支持。
-
卷积神经网络在花果茶生产与加工中的应用
查看原文
2026
Journal of Future Foods
中科院一区JCR一区
Xiaoyu Xie, Qin Wang, Zhen Jia, Yilan Sun, Chao Qiu, Qian Ning, & Jie Pang
计算机标签
卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据 文本/知识库/法规数据食品标签
食用花卉 果蔬汁/浓缩汁 加工与新加工技术目前，全球茶产业正处于向智能化化学开发转型的阶段。尽管传统的机器学习方法在花果茶的生产和加工监督中取得了良好效果，但由于人工提取特征的局限性，监督效率难以提高。卷积神经网络（CNN）的自动特征学习功能解决了这一局限性，并为花果茶产业的智能化发展开辟了新的视角。本文回顾了CNN在花果茶产业应用优势的最新进展。针对CNN在花果茶原料（茶叶、花、果实）害虫防控、采收及加工方法中的应用进行了系统综述和荟萃分析。最后，对相关的先进进展和前景进行了展望。与传统的机器学习方法相比，CNN在花茶和果茶的生产加工监督方面具有显著优势。本综述有望为智能技术在茶叶行业的应用提供新的见解。
