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
-
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
-
-
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
标签记录（计算机学者）
共 236 条结果
-
水果中的蓝色远不止一种颜色
查看原文
2026
Advanced Functional Materials
中科院一区JCR一区
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。
-
基于机器学习回归模拟新型健康饮料干预研究中的代谢响应
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Diego Hernández-Prieto, Jose A. Egea, Cristina García-Viguera, & Alberto Garre
食品标签
新鲜水果 巧克力及含可可制品 营养与生物功能 非热加工技术 花青素与类胡萝卜素计算机标签
逻辑回归/贝叶斯 超参优化/自动机器学习 定量预测/回归分析 合成/仿真数据为主本研究提出一种利用机器学习模型模拟干预试验的方法，并以马基莓-柑橘饮料为案例，利用实证数据评估多种机器学习算法表现并构建回归模型。模型用于预测连续 60 天饮用采用不同甜味剂调配的饮料后，血浆和尿液中黄烷酮及其代谢物、花青素代谢物的变化。为保证预测可靠性，研究进行了全面的数据分析和预处理，并采用贝叶斯优化进行超参数调优。模型基准测试结果显示，拟合优度 R2 约为 89%，平均绝对误差和均方根误差分别约为 2% 和 10%。该研究证明，机器学习工具可可靠模拟干预试验，在不让参与者实际接受干预的情况下提供结果，为天然饮料、个性化营养和营养分析研究提供了数据驱动方法。
-
苹果响应主要采后真菌病原的比较代谢组特征揭示共有和病原特异性生物标志物
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Youming Shen, Jianyi Zhang, Zhiyi Ji, Feng Tang, Ning Ma, & Yanqing Li
食品标签
新鲜水果 微生物安全 品质、结构与理化性质 代谢组学 其他特殊成分计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 组学数据由链格孢、灰葡萄孢和扩展青霉等病原真菌引起的苹果采后腐烂会造成显著品质损失，并在果品加工过程中产生较为隐蔽的影响。当前主要关注真菌毒素监测的质量控制，无法充分揭示这些感染引起的潜在代谢劣变。由于对果实响应不同病原体的代谢反应认识有限，缺乏病原特异性生物标志物，这削弱了苹果产品的质量与安全控制。本研究建立了这些病原体的感染模型，并采用比较代谢组学方法表征苹果中特异性代谢谱。判别分析表明，每种病原体都会触发不同的代谢重编程。研究在 6 个比较组中共鉴定出 277 种差异代谢物。共有差异代谢物突出显示了乙醛酸和二羧酸代谢、精氨酸生物合成、丙氨酸、天冬氨酸和谷氨酸代谢等核心通路，这些通路参与一般性病原体-果实互作。支持向量机和随机森林等机器学习模型利用这些差异代谢物成功区分感染类型。Larixinic acid、D-gluconate、creatinine 和 dulcitol 等关键判别化合物成为区分病原体、支持未来苹果产品精准质量控制的潜在生物标志物。本研究从比较代谢组学角度揭示了苹果中多种真菌病原的影响，并证明了基于代谢物的机器学习模型用于病原区分的潜力，为苹果加工行业基于代谢组学的质量控制奠定基础。
-
多模态计算工作流识别 OR2J3 为常山胡柚果皮萜类化合物的关键嗅觉受体
查看原文
2026
LWT
中科院一区JCR一区
Ju-Zhao Liu, Li-Jie Jiang, Yi-Chen Lu, Yu-Xuan Sun, Jin-Jin Yang, Hong-Chang Lyu, Xiao-Xia Shen, Qiang Yuan, & Qi Cui
食品标签
新鲜水果 特征风味 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
其他深度学习结构 偏最小二乘法 定量预测/回归分析 多模态/融合数据 时序传感器/物联网数据常山胡柚果皮具有独特且复杂的嗅觉特征，但其背后的嗅觉识别机制仍不清楚。本研究首先利用电子鼻根据感官差异对果皮样品进行分组，随后建立一种双模型筛选策略，将传统机器学习方法正交偏最小二乘判别分析（OPLS-DA）与深度学习方法自编码器（AE）结合，用于识别关键挥发性有机化合物。研究进一步采用分子对接和分子动力学模拟，系统解析所筛选关键挥发物的嗅觉感知机制。结果显示，果皮气味由早期的青绿和刺激性逐渐转变为后期的温和与果香，萜类化合物在这一变化中起核心作用。双模型方法识别出 53 种高置信度关键挥发物，其中 17 种为萜类，包括 D-柠檬烯（相对含量 6.29%-55.10%）。分子对接表明，II 类嗅觉受体，尤其是 OR2J3，对萜类化合物具有较强结合亲和力（-4.3 至 -6.9 kcal/mol）。位于 TM3-TM6 跨膜结构域的 ALA9、LEU171 和 PRO170 等关键疏水残基形成疏水口袋。后续 100 ns 分子动力学模拟进一步说明，OR2J3 可与 D-柠檬烯、gamma-松油烯、delta-榄香烯和 Germacrene B 等特征萜类形成稳定复合物。溶剂可及表面积显著降低和结构波动较低表明，疏水作用是主要热力学驱动力。相比之下，OR51 表现出更高的构象灵活性。本研究提供了用于筛选关键香气化合物的双模型框架，并首次识别 OR2J3 为果皮特征香气的核心受体靶点，为柑橘类关键挥发物筛选和受体水平香气感知研究提供了新的多尺度分析思路。
-
卷积神经网络辅助的高灵敏银纳米星/银纳米岛薄膜杂化 SERS 平台用于农药精准检测
查看原文
2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Huixia Di, Zhouhao Lei, Jianing Li, & Xiaochun Li
食品标签
新鲜水果 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
卷积神经网络 缺陷/异物检测与定位 红外/拉曼光谱数据有害农药残留的准确检测对公共健康十分关键。表面增强拉曼散射（SERS）具有应用潜力，但在实际检测中仍面临光谱重叠和基质干扰等限制。为解决这些问题，本研究开发了卷积神经网络辅助的 SERS 平台，采用由银纳米星和疏水银纳米岛薄膜组成的杂化基底。该平台通过局域表面等离子体共振和局部富集效应协同提升灵敏度，对九种农药表现出宽线性范围和低检出限。结合优化的数据预处理流程，CNN 模型取得较高分类准确率：单一农药为 99.44%，二元混合物为 98.47%，三元混合物为 98.09%，加标番茄样品为 94.60%。结果表明，该方法可提供一种无标记、高灵敏且准确的农药检测与识别工具，有望用于指导农药施用并保障食品安全。
