01 / 01

类目筛选(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
      • 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

深度筛选(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

标签记录(食品学者)

清除全部筛选
暂无筛选

标签记录(计算机学者)

暂无筛选

2456 条结果

  • 水果中的蓝色远不止一种颜色

    2026
    Advanced Functional Materials
    中科院一区
    JCR一区
    查看原文

    Minyi Fan, Xiaogang Dong, & Xuwei Liu

    食品标签

    新鲜水果 颜色与外观品质 花青素与类胡萝卜素

    计算机标签

    机器学习/统计学习 深度学习

    水果的蓝色外观不仅可以通过吸引动物促进种子传播,也会给消费者留下深刻印象。这种颜色既可能源于花青素等色素,也可能来自纳米尺度结构与光相互作用所产生的结构色。结构色所具有的内在光学机制,为传统色素着色提供了一种稳定且可持续的替代方案,并将生物启发与材料创新联系起来。目前,结构色已逐渐在食品、智能传感、化妆品和功能材料等领域展现出独特潜力。本文系统概述蓝色水果的类型和来源,分别阐明色素蓝与结构蓝的显色机制,并总结相关显色成分、结构特征的现有应用以及人工智能辅助颜色调控的近期进展。作为新一代着色策略,结构色兼具稳定性、可调控性和可持续性,为设计环境友好型智能颜色系统提供了有前景的途径。此外,将人工智能辅助设计与仿生纳米结构工程相结合,有望加快先进光学材料的开发。结构色独特的光学多功能性预计将推动传感、功能材料和生物相关应用领域的进一步创新。

  • 基于微型化嗅觉传感器芯片的人工智能可穿戴生物识别戒指,用于人体代谢气味分析

    2026
    Nature Communications
    中科院一区
    JCR一区
    查看原文

    Wenhao Ye, Ruochen Ding, Chen Wang, Wenying Tang, Daquan Zhang, Xiao Qiu, Swapnadeep Poddar, Zixi Wan, Chak Lam Jonathan Chan, Feng Xue, Yu Fu, Beitao Ren, Bin Wang, Yu Zhou, Zhenghao Long, Yucheng Ding, Weiqi Zhang, Zhu'an Wan, Jianhao Zhao, Yuanjing Lin, & Zhiyong Fan

    食品标签

    血糖、血脂与代谢相关功能 动物实验/人体试验 其他植物化学物质

    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 时序传感器/物联网数据

    人体散发的代谢气味包含用于追踪个体代谢状况的生物特征信息。解码这些长期被忽视的代谢状态生理信号的挑战,阻碍了用于实时监测和下一代个人健康数字化的技术发展。在此,我们介绍了一种一体化的人工智能可穿戴生物特征戒指,旨在非侵入性且可靠地监测与饮食相关代谢相关的皮肤挥发性有机化合物。该戒指在微型嗅觉传感器芯片上采用基于注意力的特征融合算法,并在占地仅0.0081 mm²的小尺寸中融合了三维垂直异质界面。它能区分六类由饮食引发的挥发性有机化合物模式、三种身体活动,并以0.991的判定系数量化食品摄入量。通过气相色谱-质谱法验证和个性化人工智能健康代理,我们的生物识别戒指在人体气味监测方面显示出广泛的有效性,并明显遵循饮食引起的新陈代谢规律。

  • 深度学习指导的蛋白酶底物设计

    2026
    Nature Communications
    中科院一区
    JCR一区
    查看原文

    Carmen Martin-Alonso, Sarah Alamdari, Tahoura S. Samad, Kevin K. Yang, Sangeeta N. Bhatia, & Ava P. Amini

    食品标签

    体外模型 蛋白质与氨基酸

    计算机标签

    深度学习 设计/生成与推荐 合成/仿真数据为主

    蛋白酶是在人类健康与疾病中发挥关键作用的酶,其功能通过肽键的裂解实现。识别能够被目标蛋白酶高效且选择性裂解的底物,对于研究蛋白酶活性以及在蛋白酶激活的诊断和治疗中应用至关重要。然而,可能的底物设计空间极其广阔(例如,对于一个10肽长的肽段,约有20¹⁰种氨基酸组合),且高通量活性分析工具的可获得性有限,这阻碍了底物设计的速度和成功率。我们提出了CleaveNet,这是一个用于蛋白酶底物设计的端到端人工智能管线。将其应用于基质金属蛋白酶,CleaveNet提升了底物设计的规模、可调性和效率。CleaveNet 生成的肽底物表现出良好的生物物理特性,并捕获了不仅是已知的,而且是以前未被表征的切割基序。为了控制底物设计,CleaveNet 引入了一个调节标签,引导肽的生成方向,朝向所需的切割特征,从而实现高效且选择性底物的定向设计。CleaveNet 生成的底物通过大规模体外筛选进行了实验验证,即使在为 MMP13 设计高度选择性底物这一具有挑战性的情况下也是如此。我们预期,CleaveNet 将加速我们对蛋白酶活性的研究和应用能力,为跨酶类的计算机设计工具开辟道路。

  • 以人为本的创新:精准营养与食品的未来

    2026
    Advanced Science
    中科院一区
    JCR一区
    查看原文

    Shanshan Zhang, Yonggan Sun, Jiaqi Jiang, & Shaoping Nie

    食品标签

    营养与生物功能

    计算机标签

    机器学习/统计学习 定量预测/回归分析 多模态/融合数据 组学数据

    营养科学正在由“一刀切”的普遍性建议转向更加精准和个性化的方法,但其具体实施路径仍不清晰。本文提出一个以人为本的精准营养框架,强调人工智能(AI)、食品创新和人的能动性所发挥的核心作用。通过整合临床表型、多组学、生活方式和个人情境等多维数据,人工智能可以评估个体健康状态,识别“需要调节什么”;还可依据个体的基线特征预测其饮食反应,判断“应当补充什么”,从而支持更精准的膳食预测和建议。然而,人是动态的社会性个体,精准营养还必须考虑习惯、时间、经济条件、情绪和日常作息等现实约束。因此,膳食建议需要转化为多种可行选项,使个人能够自主决定“如何补充”。作为干预措施的重要载体,食品材料既可包括完整食品和天然原料,也可包括功能性提取物、益生菌以及经过合理设计的功能成分。技术创新还可将这些材料转化为更符合日常生活需求的多样化递送形式和服务模式。未来,精准营养应坚持以人为本的设计理念,把科学和技术进步转化为实用、可及且可持续的膳食策略,使其真正融入日常生活。

  • 普遍的智能优化促进可持续食品冷链物流:研究进展、挑战与未来趋势

    2026
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    Qian Chen, Junyi Wang, Jiali Li, Zhouqiao Ren, Zihan Liu, Yan Wei, Wei Ma, Jiabin Yu, & Jianping Qian

    食品标签

    冷藏与冷冻保藏 可持续性与资源高值化 过程优化与控制策略

    计算机标签

    机器学习/统计学习 过程控制与实时优化 多模态/融合数据 时序传感器/物联网数据

    背景:食品冷链物流(FCCL)在流通过程中保持低温条件,从而减少食品损失。然而,FCCL 需要大量消耗能源、制冷剂和其他资源,导致大量温室气体排放。因此,FCCL 在各个视角和层面上面临多重可持续目标(如食品质量、经济效率和环境影响)之间的复杂且普遍的冲突。协调混合目标和调和冲突决策对于确保FCCL的可持续性至关重要。范围与方法:本研究建立了FCCL可持续性的绩效评价标准,从多个角度识别主要冲突:基础制冷机制、微观层面的低温流通、中观层面的供应操作以及宏观层面的产业政策。回顾了智能优化在不同视角下的最新进展;进一步分析和总结了当前的挑战和未来趋势。主要发现和结论:随着FCCL向工业4.0时代的过渡,其正在进行数字化和可持续转型,智能决策工具在以可持续性为驱动的优化中发挥着关键作用。智能优化方法越来越多地应对现实冷链动态的复杂性,关注多阶段、多主体和多区域的交互,同时提高准确性、时效性和泛化能力。在不同的应用场景下,优化的侧重点有所不同:制冷系统设计强调灵活性、稳定性和低碳排放;环境控制优先考虑精度、效率和连续性;运营管理注重产品安全和利益相关者的收益;产业发展则突出区域适应性和环境保护。未来,多模态信息融合、需求驱动的供应协调以及时空资源匹配方面的突破,有望通过多智能体协作框架整合数字孪生和垂直大模型,推动FCCL的可持续自优化发展。这篇综述不仅推进了对FCCL中可持续性冲突和智能优化机制的理论理解,同时还为行业利益相关者和政策制定者提供了可操作的指导,以支持数据驱动、低碳和可扩展的冷链转型。

跳转至

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=5.7!征稿 | International Journal of Food Microbiology: Fermented Foods

2026.05.31

发酵食品与AI

了解更多

IF=6.2!征稿 | Food Bioscience: Chemistry and Emerging Techniques in Food Bioactive Development: A Special Issue Honoring 20 Years of NAJUA

2026.04.30

成分分析与AI

了解更多

IF=6.6!征稿 | Future foods: Food Informatics, Artificial Intelligence, and Large Language Models in Future Food Research

2026.05.01

食品科学与AI

了解更多

IF=9.2!征稿 | Food Chemistry X:Wine Chemistry

2026.05.31

葡萄酒与AI

了解更多

活动详情请关注“食品AI荟”微信公众号