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 167 条结果
-
机器学习方法预测超声与茶多酚处理牛肉丸的质构和感官属性
查看原文
2026
LWT
中科院一区JCR一区
Zhou Qing, Wang Meile, Xu Yueling, Su Wen, Jin Wengang, & Xi Linjie
食品标签
畜肉 质构与流变性质 氧化、褐变等化学变化 光谱/色谱/质谱等分析方法 常规理化指标测定 多酚与黄酮计算机标签
模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 时序传感器/物联网数据加工肉制品在贮藏过程中的氧化劣变仍是食品工业面临的重要挑战。茶多酚作为高效天然抗氧化剂可用于提升产品稳定性，但其应用需要在功能效果与感官限制之间取得平衡。本研究考察了超声辅助茶多酚添加（0、2、4、6 g/100 mL，分别记为 K0-K4）对水煮牛肉丸理化稳定性、挥发性指纹和感官特征的影响。结果表明，K3 处理（4 g/100 mL 茶多酚）显著改善氧化稳定性，与对照相比，TBARs 和过氧化值分别降低约 33% 和 22%。GC-IMS 和电子鼻分析显示，茶多酚处理重塑了挥发性指纹，表现为抑制氧化来源醛类和含硫挥发物，同时富集特定醇类和酯类物质，如 trans-3-hexenol 和 ethyl acetate。感官分析表明，酚类添加会带来剂量依赖性的涩感和质构变化；基于 SHAP 的 Extra Trees 模型解释进一步指出，TBARs、水分含量和感官评分是综合品质的主要决定因素。在所评估的添加水平中，K3 是较稳健的功能配方，兼具较强氧化抑制作用和结构稳定性。研究结果说明，超声辅助茶多酚添加是开发抗氧化肉制品的有前景策略，并为后续配方优化提供了数据驱动依据。
-
羔羊地理来源认证：通过4D-DIA定量蛋白质组学和可解释的机器学习方法推进标签控制
查看原文
2026
Food Chemistry
中科院一区JCR一区
Chongxin Liu, Simona Grasso, Nigel Patrick Brunton, Minghui Gu, Mengyu Shang, Shaobo Li, Li Chen, & Dequan Zhang
食品标签
畜肉 食品安全与风险评估 其他安全问题 蛋白质组学 蛋白质与氨基酸计算机标签
逻辑回归/贝叶斯 模型可解释性 特征工程与选择策略 分类/鉴别/等级评定 组学数据食品原产地标签的真实性是消费者关心的关键问题。本研究使用4D-DIA定量蛋白质组学分析了来自三个不同地区的滩羊的蛋白质谱。通过最小绝对收缩与选择算子（LASSO），确定了16个潜在的蛋白质标志物。使用六种机器学习算法训练预测模型，并进行留一法交叉验证。结果揭示了蛋白质组成和丰度的显著地区差异。使用λ min选择的十四种蛋白质标志物相比λ 1se组表现出更优的预测准确性，这可能是由于其信息损失较少。基于受试者工作特征曲线（ROC曲线）性能，逻辑回归被确定为最优模型。使用SHapley加性解释方法的进一步分析突出了W5PF65、W5PQE5和W5Q501作为起源识别的关键标记。本研究提供了对不同地区滩羊蛋白质组成的深入分析。它还提出了一种验证羊肉产品来源并增强食品可追溯性的方法。
-
利用综合广义动力学与融合机器学习对烤牛肉饼中结合态和游离态杂环胺的同步形成及预测
查看原文
2026
Food Chemistry
中科院一区JCR一区
Yongliang Ma, Yajun Zhou, Xinyu Jiang, Zhiyuan Ma, Qingshu Ma, Zongping Li, & Zuozhao Wang
食品标签
畜肉 传统热加工 加工污染物 动力学建模 其他特殊成分计算机标签
机器学习/统计学习 梯度提升决策树 定量预测/回归分析杂环胺（HAs）是在烹饪过程中形成的致癌物，其在真实食品基质中的形成模式仍未完全理解。本研究开发了通用的动力学和机器学习（ML）模型，以表征不同加热条件下烤制牛肉饼中的结合型和游离型HAs。结合型HAs占主导地位，在225°C达到峰值（662.31 ± 69.30 ng g⁻¹），但在250°C略有下降，而游离型HAs呈线性模式，在250°C达到峰值（27.80 ± 3.28 ng g⁻¹）。阿累尼乌斯分析显示结合型HAs的活化能较高，表明其对温度更为敏感。葡萄糖和肌酸的快速降解，以及蛋白质和脂质的氧化，与HAs的累积密切相关。人工神经网络（ANN）-极端梯度提升（XGBoost）融合模型实现了高预测精度（测试 R² > 0.9175），重现了时间-温度与 HAs 复杂的非线性关系。本研究将动力学建模与机器学习相结合，提供了优化加工条件和减轻 HAs 暴露的实用框架。
-
利用机器学习算法深入研究低盐川式香肠在茶多酚/β-环糊精/食盐包合物处理和电子束照射下的氧化机制
查看原文
2026
Food Chemistry
中科院一区JCR一区
Ya Liu, Jiuhong Du, Wenyi Ran, Lihui Huang, Wenyue Yu, Huan Guo, Yue Xiao, Yanping Wu, Kai Zhong, Yina Huang, & Hong Gao
食品标签
畜肉 非热加工技术 保藏与贮藏 货架期预测与品质劣变动力学 氧化、褐变等化学变化 特征风味 抗氧化/抗炎等功能 常规理化指标测定 光谱/色谱/质谱等分析方法 多酚与黄酮 盐替代品与其他代谢敏感因子计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 质构/流变/感官数据低盐香肠由于高盐摄入带来的健康风险而越来越受欢迎。在本研究中，探讨了在不同剂量（0、3、6 kGy）电子束照射（EBI）与茶多酚/β-环糊精/氯化钠包合物（ICs）联合处理下，低盐四川风味香肠在室温储存（25℃）期间的质量变化。此外，采用了机器学习算法，SVM和Extra Tree模型的准确率和R²均超过99.9%，突出了关键氧化生物标志物，以建立氧化机制。ICs展现出增强的抗氧化性能，有效抑制了3 kGy EBI加速的香肠过度氧化，从而减少形成异味的氧化产物，同时保留了来自香料、胡椒油和微生物代谢的理想风味化合物。这些发现为利用 ICs 和 3 kGy 电子束辐照 (EBI) 来保存低盐四川风味香肠提供了新的见解，同时提供了关于检测香肠氧化水平的潜在挥发性生物标志物的有价值信息。
-
汉堡肉饼煎制过程的有限元建模：脂肪含量的影响及基于神经网络的脂肪损失预测
查看原文
2026
Current Research in Food Science
中科院一区JCR一区
E. Hernández-Alhambra, P. Guiu, A. Ferrer-Mairal, M.A. Martínez, B. Calvo, J. Grasa, & M.L. Salvador
食品标签
畜肉 传统热加工 品质、结构与理化性质 统计建模与仿真 脂质与脂肪酸计算机标签
智能手机/其他 定量预测/回归分析 合成/仿真数据为主本研究开发了一种改进的接触式烹饪模型，将脂肪含量及其保持能力的差异纳入考虑，以准确模拟不同组成的产品。该方法通过区分肌纤维和组织间液体来表征肉组织的结构异质性，并模拟水分和脂肪在这些区域之间的迁移。模型还考虑了传热和肉品变形，并将组织表征为超弹性材料。该计算框架用于模拟脂肪含量为3%～24%、烹饪过程中定期翻面的汉堡肉饼煎制过程，并通过实际烹饪实验进行验证。尽管脂肪含量增加未显著影响水分损失或中心温度（P＞0.05），但对表面温度、脂肪损失、总烹饪损失和收缩率等烹饪性能及产品质量指标产生了显著影响。这些变化会进一步影响产品质构和消费者感知。此外，脂肪含量较高的汉堡肉饼表现出较低的硬度、内聚性、胶黏性和咀嚼性。该模型成功预测了上述趋势，表明其能够捕捉脂肪含量所产生的非热学效应；模型生成的数据还可用于训练、验证和测试一个简单神经网络，以预测不同水分、脂肪和蛋白质组成汉堡肉饼在烹饪过程中的脂肪损失。
