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
-
机器学习支持的电子鼻与高光谱成像技术在食品安全评估中的进展：综述
查看原文
2025
Food Research International
中科院一区JCR一区
Mogos Girmatsion, Xiaoqian Tang, Qi Zhang & Peiwu Li
食品标签
食品安全与风险评估 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
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 高光谱/多光谱光谱 时序传感器/物联网数据对食品污染和掺假等威胁的日益关注，促使了电子鼻（e-nose）和高光谱成像（HSI）等先进技术的采用，这些技术正越来越多地通过机器学习创新得到增强。本文旨在通过结合电子鼻、高光谱成像技术以及机器学习算法的见解，对食品安全进行全面综述。首先，简要讨论了电子鼻、高光谱成像和机器学习的基本原理，特别强调了人工神经网络（ANN）和深度学习（DL）。接着，综述探讨了机器学习如何提升电子鼻和高光谱成像的性能，随后深入探索了这些技术在检测食品危害方面的最新应用，包括药物残留、微生物污染物、农药残留、毒素和掺假物质。然后，重点指出了机器学习、电子鼻和高光谱成像在应用中遇到的主要限制，以及这些技术未来潜在发展的前景。在机器学习的辅助下，电子鼻和高光谱成像技术在食品安全评估中显示出巨大的应用潜力。尽管如此，它们的使用主要局限于实验室环境，限制了其在实际场景中的应用。此外，缺乏标准化协议也阻碍了它们在食品安全评估中的接受度和测试的可重复性。因此，需要进一步的研究来解决这些限制，并提高电子鼻和高光谱成像技术在实际应用中的有效性。最终，本文提供了对这两种技术的详细理解，突出了机器学习的关键作用，并展示了它们在食品安全评估中的创新应用见解。
-
基于近红外光谱、色谱效应与机器学习的协同策略快速评估唐古特大黄抗氧化活性
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Xiaoming Song, Dan Feng, Jiamin Li, Liyan Zang, Hongmei Li & Jing Sun
食品标签
其他果蔬制品/植物类 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 其他理化与结构表征计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据本研究结合高效液相色谱（HPLC）指纹图谱和近红外（NIR）光谱技术，对唐古特大黄的抗氧化能力进行了评估。HPLC指纹图谱全面表征了其复杂的化学成分，鉴定出13种化合物。同时，NIR光谱技术提供了一种快速、无损的抗氧化能力预测方法。这些技术的结合为评估抗氧化活性提供了一种全面且高效的策略。通过将三种抗氧化测定（ABTS、DPPH和FRAP）的结果与HPLC鉴定出的共有峰的峰面积相关联，分析了谱效关系。研究发现，糖基化蒽醌类化合物，特别是大黄酸-8-O-葡萄糖苷等共轭形式，与游离苷元协同增强抗氧化活性。使用基于Python算法的偏最小二乘（PLS）方法优化的NIR模型显示出较强的预测能力，ABTS、DPPH和FRAP的RPD值分别达到2.43、2.63和2.43。本研究为评估唐古特大黄的抗氧化能力提供了一种快速方法，也为其在其他领域的未来应用提供了参考。
-
人工智能在快速测定药品含水量中的应用 食品同源性物质
查看原文
2025
Food Chemistry
中科院一区JCR一区
Mengyu Zhang, Boran Lin, Shudi Zhang, Cheng Peng, Chang Li, Tingting Feng, Lian Li, Aoli Wu, Chunguo Yang, Wentian Wang, Shouyao Huang, Lei Nie & Hengchang Zang
食品标签
品质、结构与理化性质 过程监测与在线检测 光谱/色谱/质谱等分析方法 常量营养素（宏量）计算机标签
机器学习/统计学习 偏最小二乘法 支持向量机 卷积神经网络 循环神经网络 定量预测/回归分析 红外/拉曼光谱数据含水量在药物的质量检测中至关重要，食品同源性物质。本研究旨在基于近红外光谱学提出一种新的含水量建模方法。在比较三种偏最小二乘回归、支持向量回归和卷积神经网络（CNN）三种方法来构建三种不同物质的含水量预测模型时，发现准确性受系统误差影响且较低。因此，本研究整合了三种物质的含水特性带数据，建立了通用模型。最优预测模型是SSA-CNN-BiLSTM。测试集的RMSEP值分别为0.3568%、0.2057%和0.0029%，RPD值分别为10.26、2.30和5.60。该研究的创新之处在于上述方法提高了建模的准确性和效率。它消除了每种物质单独建模时的系统性错误，简化了建模过程，并扩大了模型应用的范围。
-
基于智能手机辅助的纤维素智能标签在低温高湿条件下实时监测虾新鲜度的稳健方法
查看原文
2025
Chemical Engineering Journal
中科院一区JCR一区
Yilin Wang, Jiaming Wu, Dong Lv, Xiaodong Xia, Jijuan Cao, Haisong Wang & Jian Du
食品标签
甲壳类 品质、结构与理化性质 包装与智能监测 智能/指示型包装 包装系统中的监测与标签应用 理化与结构表征 常规理化指标测定 花青素与类胡萝卜素计算机标签
智能手机/其他可持续纤维素纤维基pH敏感智能标签在食品新鲜度监测领域备受关注，但由于湿强度差和颜色响应不可靠，其在低温高湿环境下存在明显缺陷。为解决这一问题，本研究提出"内外协同作用"策略，构建了纤维素/阴离子聚丙烯酰胺(APAM)/花青素(Anth)/壳聚糖(CS)(CAAC)智能标签体系。嵌入纤维素网络的带负电荷APAM作为"内"主体，通过强静电相互作用与"外"部带正电荷的CS相结合。受限的聚合物运动和致密化的纳米结构将CAAC纸的湿强度从0.185 MPa提升至12.795 MPa，并将Anth释放率从70.89%降至19.14%。该CAAC标签对挥发性氨气表现出高灵敏度，可通过可见颜色变化实现虾类新鲜度的实时监测。通过与基于智能手机的RGB分析平台集成，该标签能够实现快速、可视化的色彩分析。该方法不仅增强了纤维素基智能标签的湿强度和色彩响应能力，还为严苛环境下的智能包装提供了可靠解决方案。
-
使用人工神经网络和遗传算法对蒙脱石、高岭石纳米管和坡缕石增强的PLA与PBAT薄膜的力学性能、水蒸气透过率及雾度特性进行建模与优化
查看原文
2025
Food Packaging and Shelf Life
中科院一区JCR一区
Miguel García-Carrillo, Aimee Alejandra Hernández-López & Adriana Berenice Espinoza-Martínez
食品标签
生物基/可降解材料 包装设计与机械性能 过程优化与控制策略 其他理化与结构表征计算机标签
智能手机/其他 定量预测/回归分析 过程控制与实时优化 质构/流变/感官数据本研究结合人工神经网络（ANN）、多目标遗传算法（MOGA）与多准则决策方法，探究可生物降解食品包装薄膜力学性能、阻隔性能与光学性能的预测及优化方法。研究以不同含量的蒙脱土（MMT）、埃洛石纳米管（HNTs）和坡缕石对聚己二酸/对苯二甲酸丁二醇酯（PBAT）与聚乳酸（PLA）聚合物进行改性补强，分别探究其对拉伸强度、水蒸气透过率和雾度的影响，上述三项指标依次对应薄膜的力学、阻隔与光学性能。结果表明，蒙脱土与埃洛石纳米管是提升薄膜力学、阻隔及光学性能效果最优的纳米黏土材料。在最优添加比例下，埃洛石纳米管可使聚己二酸/对苯二甲酸丁二醇酯薄膜的水蒸气透过率降低43%，拉伸强度提升至38.5兆帕。同理，向聚乳酸中添加蒙脱土可使其水蒸气阻隔性能提升29%。研究利用实验数据构建了具备强预测能力的人工神经网络模型，相关系数均高于0.97。随后采用多目标遗传算法生成帕累托最优解集，直观体现了拉伸强度最大化与透过率、雾度最小化之间的权衡关系。研究运用逼近理想解排序法（TOPSIS）进一步筛选最优薄膜配方。分析结果显示，在聚乳酸中添加体积分数1.7%的蒙脱土时，可实现薄膜整体力学、阻隔与光学性能的最优协同提升。本研究证实，人工神经网络与多目标遗传算法联用，在优化兼具均衡力学、光学与阻隔性能的可生物降解包装薄膜方面具备良好应用潜力。
