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 108 条结果
-
冷链温度和相对湿度波动对樱桃番茄货架期的影响：一种预测建模方法
查看原文
2026
Postharvest Biology and Technology
中科院一区JCR一区
Javier Garrido-López, Lorena Martínez-Zamora, Francisco Artés-Hernández, Manuel Jiménez-Buendía, & Roque Torres-Sánchez
食品标签
新鲜蔬菜 食品安全与风险评估 颜色与外观品质 常规理化指标测定 碳水化合物与糖类计算机标签
模型可解释性 定量预测/回归分析 时序传感器/物联网数据食物浪费是全球性重大问题，其中水果和蔬菜在采后损失中占有很大比例。本研究量化了动态温度和相对湿度条件对樱桃番茄采后品质和货架期的影响。研究在 14 种模拟真实冷链条件的贮藏情景下监测关键品质属性，包括失重率、腐烂、颜色、硬度、pH 和总可溶性固形物；这些情景包括 4 种恒定温度（5、8、15 和 22 C）、8 种变温条件以及 2 种使用可控气候箱模拟的运输情景。研究基于连续传感器记录提取温度和相对湿度的可解释暴露指标与波动指标，并将这些指标与时间共同作为预测变量，构建包含非线性变换的简约多元线性回归模型。结果表明，更高温度以及更大的温度/相对湿度波动会加速品质劣变，从而缩短货架期，并突出显示环境条件动态变化导致的累积性、不可逆品质损失。研究还提出了将软化与失重联系起来的模型。所提出的基于指标的预测框架能够利用记录的环境历史估计品质退化，有助于及早识别高风险批次，并优化配送策略以减少冷链中的食物浪费。
-
蜂蜜鉴定与可追溯性的发展：从传统检测方法到整合多组学和机器/深度学习的智能系统，用于可持续养蜂
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Yingran Tang, Yuying Zhu, Enning Zhou, Gang Chen, Liming Wu, & Qiangqiang Li
食品标签
蜂蜜等天然糖 其他安全问题 光谱/色谱/质谱等分析方法 标准/法规/数据库分析计算机标签
深度学习 模型可解释性 分类/鉴别/等级评定 红外/拉曼光谱数据 组学数据背景：蜂蜜的鉴定和可追溯性对于确保全球养蜂行业的产品完整性和消费者信任至关重要。鉴定主要关注检测故意欺诈行为，如糖浆掺假、水稀释和劣质蜂蜜混合，这些行为直接破坏了产品的质量和安全性。相比之下，可追溯性旨在验证和确认蜂蜜所声明的植物来源、地理来源和昆虫来源，这对于质量区分、受保护的命名以及供应链透明度至关重要。传统的单一维度分析技术，如蜜粉学和同位素比质谱，在应对日益复杂的欺诈行为和复杂验证需求方面存在局限性，这就需要更强大、集成的解决方案。范围与方法：本综述系统地检视了自2015年以来蜂蜜鉴定与可追溯性的方法学演变。在鉴定方面，详述了从靶向检测方法向非靶向、智能筛查系统用于欺诈检测的发展过程。在可追溯性方面，概述了从传统形态学和化学分析向数据驱动的产地验证框架的进步。综述强调了向智能系统的范式转变，这些系统将食品多组学与机器学习和深度学习算法结合，能够出色地融合异构数据以实现精确分析。主要发现与结论：分析显示，鉴定与可追溯性各自有不同但互补的技术路径，其发展均 driven by 各自的特定目标。一个关键趋势是多分析数据源与先进计算模型的融合，以创建更强大和更具适应性的系统。未来的进展取决于克服与数据标准化、模型可解释性和实际部署相关的挑战。开发下一代集成框架对于增强消费者信任、确保合规以及促进养蜂业的长期可持续性具有战略意义。
-
水生生物肽在风味和代谢调节中的作用：生物化学与人工智能的汇聚
查看原文
2026
Trends in Food Science & Technology
中科院一区JCR一区
Haonan Sun, Tao Yu, Yuchen Zhang, Baosong Wang, Yuan Zhang, Weiqiang Qiu, Guoping Zhao, & Yanbo Wang
食品标签
鱼肉 特征风味 血糖、血脂与代谢相关功能 蛋白质与氨基酸计算机标签
深度学习 模型可解释性 设计/生成与推荐 质构/流变/感官数据 合成/仿真数据为主背景：水生生物肽已成为具有双重功能的活性物质，能够将感官感知与代谢调节结合起来。虽然大量富含蛋白质的副产品为这些成分提供了可持续的来源，但水解物的结构复杂性以及传统经验筛选的低效率阻碍了其全部潜力的发挥。范围与方法：本综述系统地考察了生物化学与人工智能（AI）在解码"风味-代谢轴"方面的融合。我们分析了关键结构决定因素--特别是低分子量（<1 kDa）、高疏水性以及特定末端残基--如何同时调控T1R1/T1R3受体的激活以及参与葡萄糖和脂质稳态的下游通路。关键是，我们评估了从生物引导分馏到人工智能驱动预测建模的范式转变。主要发现和结论：深度学习架构已经革新了肽的发现，实现了对感官特征超过 90% 的预测准确率。然而，必须区分一个关键点：目标预测，需要通过实际标签进行验证，而特征评估，则在没有参考标准的情况下推断因果关系。虽然当前的模型在预测方面表现出色，但它们关于可解释性的主张常常来源于可能是虚假的统计相关。因此，计算特征的重要性必须通过剂量反应实验或定点突变实验来验证，以区分真正的因果驱动因素。此外，尽管人工智能加速了实验室的发现，但工业应用在下游处理方面仍面临物理瓶颈，这需要数字化控制解决方案。未来的进展依赖于建立一个将计算机设计与湿实验验证相结合的闭环模式，使人工智能从筛选工具发展为生成引擎，将水产副产品转化为标准化的营养成分。
-
基于多维数据融合与可解释机器学习的白酒发酵阶段智能识别
查看原文
2026
Food Research International
中科院一区JCR一区
Lin Du, Junchao Zhou, Yongqing Tang, Xuan Liu, Jing Zhong, Bo Yang, Yuancheng He, Xianguo Tuo & Haiping Du
食品标签
酒精饮料 特征风味 过程监测与在线检测 过程优化与控制策略 其他过程控制与数字化研究 常规理化指标测定 发酵工艺与动力学 风味组学计算机标签
偏最小二乘法 智能手机/其他 其他深度学习结构 模型可解释性 分类/鉴别/等级评定 过程控制与实时优化 时序传感器/物联网数据 组学数据传统白酒固态发酵生产因缺乏实时、客观的评价方法，其生产控制主要依赖人工经验与追溯性离线分析。为解决这一问题，本研究提出一种融合多维传感器数据与可解释机器学习的发酵阶段智能识别方法。通过无监督学习将发酵过程客观划分为三个不同阶段，并从生化动力学、偏最小二乘判别分析（PLS-DA）及风味物质积累等多个维度验证了分段结果的有效性。在此基础上，系统评估了六种机器学习算法的性能，其中多层感知器（MLP）模型表现最优，在独立测试集上的识别准确率达99.48%。此外，利用SHAP（Shapley Additive exPlanations）可解释性分析揭示模型决策机制，结果表明CO₂浓度、pH值、温度、湿度等动态特征及其非线性相互作用是驱动模型分类决策的主要因素。该方法具有可扩展性与成本效益，有助于推动白酒酿造从经验化生产向标准化、智能化生产转型，为白酒及更广泛的传统发酵食品行业提供可靠的技术解决方案。
-
融合可解释人工智能评价发酵焙烤鳄梨籽粉作为牛肉饼天然抗氧化剂的应用研究
查看原文
2026
Food Research International
中科院一区JCR一区
Zhiyu Zhao, Elphege Toulon, Uche Ejorh, Tony Chen, Kevin Kantono, Rothman Kam & Nazimah Hamid
食品标签
畜肉 其他添加剂与配料 冷藏与冷冻保藏 抗氧化/抗炎等功能 副产物与废弃物高值利用 常规理化指标测定 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
梯度提升决策树 模型可解释性 定量预测/回归分析 质构/流变/感官数据 多模态/融合数据本研究评估了发酵烘烤鳄梨籽粉（ASP）作为牛肉饼可持续抗氧化剂的效果，并结合可解释人工智能（AI）从机理层面揭示其对脂质氧化的调控作用。采用植物乳杆菌可控发酵结合烘烤工艺制备鳄梨籽粉，以0.95 g/kg的添加量加入牛肉饼中。在4℃冷藏条件下储存10天期间，将其抗氧化效果与二叔丁基对甲酚（BHT）及空白对照组进行比较。通过铜离子还原抗氧化能力法（CUPRAC）测定显示，鳄梨籽粉初始还原抗氧化能力最高（0.283 mg 抗坏血酸当量（AAE）/g），且在整个储存期内其活性显著高于BHT组与对照组（p < 0.05）。硫代巴比妥酸反应物（TBARS）分析表明，相较于对照组，鳄梨籽粉可使脂质氧化水平降低21%，抗氧化效果接近BHT。此外，鳄梨籽粉还能改善色泽稳定性并保留关键脂肪酸，尤其是油酸。挥发性物质分析显示其具有独特的抗氧化作用机制，主要通过生成美拉德反应产物发挥作用，而非依赖合成添加剂。将沙普利加性解释（SHAP）分析应用于极端梯度提升模型（XGBoost），结果表明γ-亚麻酸、油酸、戊醛和2-庚酮是氧化稳定性的主要预测指标，凸显了鳄梨籽粉的广谱保护效应。本研究结果证实，鳄梨籽粉不仅可实现鳄梨籽废弃物的高值化利用，还可作为合成抗氧化剂的有效替代品，助力可持续发展目标。可解释AI与多变量分析相结合的方法，为深入解析肉类体系中脂质氧化途径及抗氧化作用机制提供了全新视角。
