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 2456 条结果
-
基于数字图像的化学计量学辅助方法：一种可持续的金发啤酒质量控制策略
查看原文
2025
Food Control
中科院一区JCR一区
Marcelo Wagner, Jorgelina Zaldarriaga Heredia, Antonella Montenegro, José M. Camiña, Mariano Garrido & Silvana M. Azcarate
食品标签
谷物发酵食品 颜色与外观品质计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据啤酒酿造行业的质量控制对于确保产品的一致性与高品质至关重要。本研究开发了一种基于智能手机拍摄数字图像的简便、经济且可靠的多参数定量分析方法，用于淡色啤酒的质量评估。为实现该目标，研究采用偏最小二乘法（PLS）构建多元校正模型，以灰度颜色直方图、RGB（红-绿-蓝）通道、HSI（色调-饱和度-亮度）及其不同组合形式作为分析信息源。通过这些校正模型，成功实现了对酒精含量、pH值、总酸度、苦味值和多酚含量的定量预测，其相对预测误差介于3.90%至12.60%之间，结果令人满意。此外，研究还利用偏最小二乘判别分析（PLS-DA）对数据进行处理，构建了多元分类模型，能够有效区分不同生产工艺（工业啤酒 vs. 精酿啤酒）以及含酒精与无酒精啤酒。两类判别任务的错误率分别为9%和2%。上述方法在淡色啤酒的质量控制中展现出良好的应用前景，有望为啤酒生产提供一种快速、低成本且高效的现场检测工具。
-
基于投票模型加权算法驱动的多算法框架提升食用油安全智能即时检测效能
查看原文
2025
Chemical Engineering Journal
中科院一区JCR一区
Zhiqiang Li, Yating Hu, Wen Zhang, Qi Zhang, Peiwu Li & Xiaoqian Tang
食品标签
植物油 化学污染物 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
模型设计/优化策略 定量预测/回归分析 缺陷/异物检测与定位 可见光/RGB/视频数据食用油作为膳食脂肪的主要来源，常被邻苯二甲酸二丁酯(DBP)和苯并(a)芘(BaP)污染，构成重大食品安全隐患。为提高免疫检测在复杂油基基质中的准确性，我们开发了一种即时检测平台，该平台将双金属多孔碳纳米材料作为多功能信号探针，与基于投票模型加权算法驱动的多算法框架相结合。通过有机溶液配位结合高温热解衍生法，合成了多孔碳材料Zn-CN。随后，通过室温还原搅拌法将铂纳米颗粒引入Zn-CN制备出Pt-Zn-CN。该纳米材料兼具优异的光热性能与分散性，其大比表面积和多孔结构可高效实现抗体偶联与靶标富集。所得纳米探针作为多功能信号转换器，可显著增强抗原-抗体相互作用的识别与信号放大。该多算法框架通过仿生群体智能与自主决策机制实现高精度图像分割，在0.03秒内达到97.6%的轮廓识别率与95.7%的检测准确率。该平台可进行超快速预警，对DBP和BaP的检测限分别低至0.184 ng/mL与0.096 ng/mL。其友好的图形用户界面支持BaP和DBP的实时定量分析，为食用油安全提供直观的预警指示。
-
紫外可见光谱与机器学习的集成，用于识别再生聚对苯二甲酸乙二酯
查看原文
2025
Food Packaging and Shelf Life
中科院一区JCR一区
Yan-Ling Xie, Qi-Zhi Su, Qin-Bao Lin, Huai-Ning Zhong, Dan Li & Ben Dong
食品标签
塑料材料 循环经济与绿色供应链 光谱/色谱/质谱等分析方法计算机标签
随机森林 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据循环经济推动了人们对聚对苯二甲酸乙二酯（PET）回收的新兴趣，包括用于食品包装的再生PET，重点是降低生产成本和实现社会发展目标。本研究提出了一种利用经济可行的紫外可见光谱结合机器学习算法来分类原生和再生PET的新方法。结果表明，基线去除（RMBL）是二元分类的最佳预处理方法，主成分分析（PCA）结合随机森林（RF）是区分原生PET和100%再生PET最有效的二元分类模型。为了进一步提高检测低再生含量样品的能力，随后开发了一个多分类模型。该方法能够检测低至10%的再生PET含量，为分类提供了定量可能性。本研究证明了该方法的有效性，并对可持续回收实践具有重要意义。
-
从农场到餐桌之外：海产品安全与质量的综合控制——人工智能相关的机遇与挑战
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Andrée De Cock, Marie Anne Eurie Forio, Henry H. Hansen, Liesbeth Jacxsens, Carl Lachat & Peter Goethals
食品标签
肉类/蛋类与水产品 微生物安全 化学污染物计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 定量预测/回归分析海鲜是一种种类丰富且极具价值的营养来源，能够为全球范围内的健康饮食提供支持。然而，从水生生态系统中吸收的有毒化合物进入海鲜产品，再加上整个海鲜产业链中存在的食源性风险，对公众健康构成了全球性威胁。要有效管理海鲜危害并优化消费者健康，就需要超越传统的“从农场到餐桌”链条。本文旨在探讨一种“超越从农场到餐桌”的框架，阐述确保海鲜安全、高品质的关键要素。智能食品安全技术的最新进展借助人工智能（AI）来提升食品的安全性和质量。但目前，关于海鲜产业链内外与人工智能相关的应用，尚未形成一个综合性的视角。基于“超越从农场到餐桌”的框架，我们强调了在海鲜系统综合管控方面与人工智能相关的主要机遇和挑战。最后，我们在“超越从农场到餐桌”的各个层面，为人工智能的应用以及消费者健康提供了指导、生产法规和政策建议。我们的研究结果强调，在实现海鲜质量的综合管控过程中，海鲜生产的地点、环境条件以及消费者的个体特征之间存在着关键的相互作用。物联网、传感器、机器学习和区块链等与人工智能相关的技术，能够实现风险的早期检测、缓解和控制，减少污染物和食源性疾病带来的健康风险，同时提升营养质量。人工智能能够简化消费者的选择，使其既有利于个人健康，又有利于食品生产的可持续性。将可追溯系统和FAIR数据与人工智能的进一步发展相结合，能够赋予海鲜产业链相关方确保产品质量和保障消费者健康的能力。
-
通过电感耦合等离子体光谱法和多元统计分析测定中韩枳椇的无机元素以确定其地理来源
查看原文
2025
Food Chemistry
中科院一区JCR一区
Jimin Jeong, KyoungHye Baek, Hwang-Ju Jeon, Hyoyoung Kim, Yong-Kyoung Kim & Ho Jin Kim
食品标签
其他果蔬制品/植物类 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
主成分分析/判别分析 分类/鉴别/等级评定枳椇（一种广受欢迎的韩国解酒药）的果实被制成韩国和中国产品进行销售。为了保护国内生产者、确保标签的准确性并保障消费者权益，本研究采用电感耦合等离子体发射光谱法和质谱法通过无机元素分析来区分其产地。正交偏最小二乘判别分析显示模型质量较高（R²=0.956，Q²=0.883）。25种元素的投影重要性（VIP）值≥1，受试者工作特征分析证实准确率为100%。系数图显示，钙（-0.453081）、¹⁰³铑（-0.222397）、¹⁷⁵镥（-0.2084）对中国产枳椇具有重要意义，而¹¹硼（0.137669）和⁸⁸锶（0.0954821）对韩国产枳椇具有重要意义。线性判别分析显示组间距离为19，表明区分度较高。研究结果强调，基于电感耦合等离子体的元素分析结合化学计量学和机器学习是一种可靠的枳椇产地鉴别工具，相比传统的视觉鉴别方法具有优势，有助于监管监测、确保标签准确性和保护消费者权益。
