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
-
基于机器学习和高光谱成像预测并可视化凡纳滨对虾中冷冻保护剂 L-脯氨酸的分布
查看原文
2026
Food Control
中科院一区JCR一区
Yejun Zhang, Jianan Sun, Jiao Li, & Xiangzhao Mao
计算机标签
深度学习 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
甲壳类 品质、结构与理化性质 冷藏与冷冻保藏 显微与成像技术冷冻保护剂对凡纳滨对虾低温保藏十分重要，其在虾肉中的渗透程度直接关系到冷冻保护效果。然而，传统冷冻保护剂检测方法通常具有破坏性、耗时且不适合实时应用。为解决这一问题，本研究提出一种结合高光谱成像（370-1030 nm）与机器学习的无损方法，用于快速定量并空间可视化去壳虾中冷冻保护剂 L-脯氨酸。研究通过不同预处理方法、特征提取技术和算法构建并比较了 300 个预测模型。最优模型 F-SG-1st-IFS-BP-ANN 在预测集上取得 R2 = 0.98、RMSE = 0.42 mg/g、RPD = 8.06 的表现，训练和预测时间分别为 0.59 s 和 0.0001 s。基于该模型，研究清晰可视化了虾肉内部脯氨酸分布，并能准确区分浓度梯度。该工作展示了一种监测冷冻保护剂扩散的高效新策略，可为冷冻虾制品生产过程优化和在线质量控制提供支持。
-
通过多工具共识预测和结构引导筛选工程化提高 β-琼胶酶热稳定性
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Qianqian Diao, Xingfei Li, Yuxiang Bai, Xiaoxiao Li, Zhengyu Jin, & Jie Long
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
营养与生物功能 加工与新加工技术 蛋白质与氨基酸β-琼胶酶在制备生物活性琼胶寡糖中具有关键作用，但热稳定性不足限制了其工业应用。本研究开发了一种分步设计策略，整合多工具共识预测、基于结构的理性筛选以及基于贪心算法的优化，用于提高 AgaDcat 的热稳定性。该策略获得突变体 M3（N120S-D243N-Q246A-S287E-A335D），其熔解温度（Tm）较野生型提高 11 °C，在 50 °C 下半衰期延长 14 倍。分子动力学模拟显示，突变增强了疏水相互作用、盐桥和氢键网络，同时优化了表面电荷。M3 变体在高温琼脂糖水解中表现良好，主要生成新琼四糖（NA4）和新琼六糖（NA6），显示出较大工业应用潜力。该框架提高了酶热稳定性工程的效率，并为工业酶改造提供了通用方法。
-
基于几何影响校正与深度学习的高光谱无损检测：水果早期碰伤检测案例
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
Wei Tao, Yixiao Wang, Shan Zeng, Bing Li, Chaoxian Liu, & Xiangjun Duan
计算机标签
深度学习 缺陷/异物检测与定位 多模态/融合数据 高光谱/多光谱光谱 可见光/RGB/视频数据食品标签
新鲜水果 微观结构与成像 显微与成像技术高光谱成像能够捕捉组织结构和化学组成变化所引起的光谱差异，因此被广泛用于水果无损检测。然而，水果曲面几何形态的变化常会造成非结构性光谱失真，降低检测精度并限制模型的泛化能力。为减轻光照–几何–光谱耦合的不利影响，本研究提出一种基于本征分解和几何影响校正的水果碰伤检测框架，将高光谱成像与三维（3D）点云数据相融合。首先，从3D点云中提取像素级表面法向量和光照特征，以联合获取光谱与几何信息。随后，设计双分支编码器–解码器网络，将点云提供的几何约束引入模型，并把观测光谱解耦为本征反射率分量和光照分量。最后，利用本征反射率图像构建碰伤检测模型，实现果实表面碰伤区域的像素级识别。实验结果表明，该方法在保持光谱结构一致性的同时，显著提高了碰伤区域的可区分性。与使用原始光谱数据的模型相比，所提方法提高了检测准确率和碰伤区域召回率。该框架为高光谱检测提供了一种基于物理机制的新型解耦方法，并能有效抑制由水果表面几何变化造成的非结构性光谱变化。
-
风味组学结合机器学习解析香气定向辣椒的关键香气化合物并预测感官品质
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
Ziyang Wu, Hang Wei, Yinhui Qiu, Ruiru Si, Baoyu Kong, Ling Fang, Huiling Weng, Weiming Li, & Jianwei Fu
计算机标签
机器学习/统计学习 偏最小二乘法 定量预测/回归分析 时序传感器/物联网数据 组学数据 质构/流变/感官数据食品标签
其他果蔬制品/植物类 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质提升辣椒香气品质对于产业转型和高值化发展至关重要。然而，复杂的挥发性成分及其与感官品质之间的定量关系尚不明确，限制了香气定向品种的精准育种。本研究采用定量描述分析、电子鼻和顶空固相微萃取-气相色谱-质谱法（HS-SPME-GC-MS），结合化学计量学、气味活度值（OAV）和机器学习，系统分析3个香气定向辣椒品种（MJ7、MJ8和MJ9）与3个商品辣椒品种之间的香气差异。香气定向品种在果香、花香和甜香属性方面显著优于传统辣椒，其中MJ7的花香评分达到8.44，MJ9的果香评分达到8.16。在鉴定出的202种挥发性成分中，香气定向辣椒主要富含酯类和酮类，而传统品种则以烷烃类为主。正交偏最小二乘判别分析（OPLS-DA）筛选出β-石竹烯和2-甲基咔唑等特征化合物，并通过基于OAV的定量分析确定了30种关键香气化合物。自适应加权共识回归（AWCR）模型建立了关键化合物与感官属性之间的定量关系，与单一机器学习方法相比，预测准确率提高了33.3%。特征重要性分析表明，苯乙醛是果香的核心化合物，芳樟醇是花香的核心化合物，为香气定向辣椒的分子育种提供了精准靶标。
-
κ-卡拉胶/KCl 协同调控肌原纤维蛋白凝胶化：利用多模态神经网络解析凝胶结构与苦味掩蔽的内在关联
查看原文
2026
Food Hydrocolloids
中科院一区JCR一区
Rong Huang, Yapeng Fang, Hao Yin, Yu Zhong, Wei Lu, & Yun Deng
计算机标签
深度学习 多模态基础模型 定量预测/回归分析 多模态/融合数据 可见光/RGB/视频数据 质构/流变/感官数据食品标签
肉类/蛋类与水产品 质构与流变性质 微观结构与成像 常规理化指标测定 质构与流变测试 显微与成像技术 蛋白质与氨基酸 盐替代品与其他代谢敏感因子钠摄入过量是全球性的健康挑战，尤其是在加工肉制品中，NaCl 对产品功能特性和风味至关重要。尽管氯化钾（KCl）可用于降低钠含量，但其应用受到苦味和质构损失的限制。对于 κ-卡拉胶（KC）等水胶体如何通过调节微观结构克服上述问题，特别是在复杂蛋白质基质中的作用机制，目前仍缺乏充分认识。本研究在“溶液—凝胶化—凝胶”连续过程中，系统考察了 KCl 与 KC 对肌原纤维蛋白（MP）凝胶化动力学的协同影响。使用 KCl 部分替代 NaCl（替代比例为 10%～50%）使 MP 溶解度降低 2.63%～30.59%，并改变了蛋白质构象。添加 KC 提高了体系的表面疏水性、巯基含量、热稳定性和黏度，同时通过疏水作用和氢键促进 MP 结构展开与聚集。KC 显著提高了凝胶网络密度，使分形维数增至原来的 1.05～1.13 倍、硬度提高 8.94%～20.07%，并使持水能力提高 4.38%～23.21%。通过融合共聚焦激光扫描显微镜（CLSM）图像与理化数据，研究构建了多模态神经网络，可准确预测味觉和质构属性（R²>0.9），并确定水分迁移、分形维数和二硫键是主要影响因素。结果表明，KC 可通过硫酸基介导的结合，使 K⁺ 固定在致密化蛋白质网络中，从而掩蔽 KCl 引起的苦味；该过程在保持咸味感知的同时，有策略地限制了钾离子的释放。该多模态深度学习模型为低钠蛋白质体系的结构—味觉关系提供了前所未有的认识，并为预测和优化重组肉制品的感官品质提供了稳健框架。
