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
-
机器学习技术在风味预测与分析中的综述
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Ikechukwu O. Osinomumu, Umesh Reddy, Gianfranco Doretto & Donald A. Adjeroh
食品标签
感官评价与方法学 光谱/色谱/质谱等分析方法计算机标签
大模型与 LLM 支持向量机 随机森林 K-近邻 卷积神经网络 循环神经网络 生成对抗网络 图神经网络 分类/鉴别/等级评定 组学数据背景：风味预测——即通过挥发性和非挥发性化合物对化合物的感官特征进行计算评估——在食品、饮料、香料和制药行业的创新中变得日益重要。气相色谱-质谱联用（GC-MS）和感官评价等传统方法仍有价值，但在可扩展性、主观性和成本方面存在局限性。由受体-配体相互作用介导的味觉感知，从根本上塑造了风味的多感官体验。
范围与方法：本综述探讨了应用于风味预测的多种机器学习（ML）和深度学习（DL）方法，对它们在甜味、苦味、鲜味/厚味、辛辣味以及多类别味觉预测中的性能进行了基准测试。内容涵盖传统的机器学习算法（支持向量机、随机森林、K近邻算法）和先进的深度学习模型（卷积神经网络、循环神经网络、生成对抗网络和大型语言模型），并额外关注混合策略和集成策略。特别强调了分子表征（简化分子线性输入规范、SELFIES、分子指纹）、多组学数据（基因组学、蛋白质组学和代谢组学）的整合以全面理解风味形成、基因型-表型-风味关系，以及味觉受体信息在提高模型可解释性方面的关键作用。
主要发现与结论：模型性能因味觉模式而异：梯度提升模型和共识模型在甜味预测中表现出色，支持向量机和图神经网络在苦味预测中表现突出，卷积神经网络与图神经网络的混合模型在多类别分类中效果较好。旨味和鲜味预测受益于图神经网络嵌入、iUmami-SCM以及经过实验验证的基于Transformer的模型，而辛辣味预测——尽管研究不足——通过集成模型和结合量子化学的特征显示出良好前景。挑战依然存在，包括高质量数据集有限、对新分子的欠拟合以及深度学习中的可解释性差距。SELFIES和受体-配体感知模型（如BitterX、BitterTranslate、KokumiPD）等进展通过确保结构有效性和增强机制洞察力，解决了这些问题。
意义与创新性：本综述确定了可解释人工智能、物联网驱动的数据收集、多组学融合、分子表征和混合建模等未来发展方向，为下一代食品、香料和制药创新中可扩展、可解释的风味预测提供了路线图。 -
智能手机集成的双金属比例荧光探针，用于特异性视觉检测食物样本中的四环素抗生素和潜伏指纹识别
查看原文
2025
Food Chemistry
中科院一区JCR一区
Yin-Xia Sun, Bo-Tao Ji, Jiang-Hai Chen, Li-Ping Liu, Lu-Lu Gao, Zhe-Peng Deng, Yu Sun, Jian-Jun Wang, Biao Zhao & Jin-Guo Li
食品标签
畜肉 液态乳 化学污染物 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据设计并制备用于监测四环素类抗生素的高灵敏度、高精准度荧光化学传感器仍面临诸多挑战。本文提出一种基于镧系金属有机框架（Ln-MOFs）的荧光化学传感器，通过调控镧系离子比例实现高精度检测。以铕离子（Eu³⁺）、铽离子（Tb³⁺）和配体4,4′,4″-均三嗪-2,4,6-三基三苯甲酸（H₃TATB）为原料，在N,N-二甲基甲酰胺/ N-甲基吡咯烷酮/水（DMF/NMP/H₂O）混合溶剂中采用溶剂热法制备出具备良好水相稳定性的镧系金属有机框架材料。该镧系金属有机框架可特异性识别土霉素（OTC）与多西环素（DOX），对土霉素和多西环素的检出限分别低至8.6纳摩尔、4.8纳摩尔。特别地，将浓度1.4微摩尔的铕掺杂铽基金属有机框架（Eu(1.4 μM)-Tb-MOF）传感器与智能手机联用，可实现土霉素和多西环素的可视化检测，检出限分别低至9.8纳摩尔、14.2纳摩尔。同时，铕基金属有机框架（Eu-MOF）、铽基金属有机框架（Tb-MOF）及Eu(1.4 μM)-Tb-MOF可应用于潜指纹（LFP）可视化显现，在刑事案件侦查领域具备潜在应用价值。所构建的荧光探针已成功用于牛奶、牛肉和猪肉样品中土霉素与多西环素的含量检测，加标回收率为92.0%~109.63%，相对标准偏差为1.83%~4.56%。研究表明，Eu(1.4 μM)-Tb-MOF依靠镧系金属离子配位作用与光诱导电子转移（PET）机制，实现对土霉素和多西环素的高选择性、高精准度检测，该结论得到实验结果与密度泛函理论（DFT）计算的双重佐证。
-
人工智能增强的生物利用度研究：提升食品质量
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Huiyuan Cheng, Li Liu, Hongyan Zhang, Yang Yu, Yu Bai, Shang Wang, Mingliu Yang, Wenxu Lu, Jie Cheng & Yan Jin
食品标签
基本营养价值评价 维生素 矿物质与微量元素 蛋白质与氨基酸 碳水化合物与糖类计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析背景：生物利用度指食品中活性成分被人体吸收和利用的程度，是决定食品健康益处的关键因素。各个关键方面之间复杂的相互作用，尤其是涉及宿主状况和成分基质效应的大量、复杂数据集，是生物利用度研究的障碍。这些困难影响着对肠道吸收效率、溶解度和化学稳定性的研究。
范围与方法：人工智能（AI）是克服这些挑战的有效工具。通过分析大量数据集，AI模型可用于分析和预测不同加工条件及食品基质组成下食品成分的生物利用度，并揭示这些参数的影响。本综述旨在为基于AI的生物利用度研究提供理论基础，描述适用方法，概述AI在食品科学和营养学创新中的未来研究方向，并探讨现存的困难。
主要发现与结论：在蛋白质、肽、碳水化合物和微量营养素的生物利用度研究中应用AI具有变革性潜力。基于AI的模型可同时用于推导结构、优化辅料成分、设计分配系统、提供研究指导并减少实验 trial。然而，这些模型的应用受到以下因素的阻碍：（1）缺乏能准确反映生物复杂性的高质量标准化数据集，这可能导致模型过拟合和偏差；（2）“黑箱”算法的机械可解释性有限，阻碍了监管审批和科学验证；（3）计算预测与体外和体内实验结果之间存在跨学科验证挑战。 -
基于QSAR和机器学习鉴定天然食源性乳化剂：在乳品乳液中的应用
查看原文
2025
Food Chemistry
中科院一区JCR一区
Mengqi Liu, Zai-Xi Zhou, Hong-Fu Zhao & Xing-Hua Zhang
食品标签
液态乳 品质、结构与理化性质 统计建模与仿真 其他特殊成分计算机标签
随机森林 定量预测/回归分析乳化剂能维持乳浊液的稳定性，而乳蛋白形成的乳浊液是不稳定的。因此，需要找到筛选食品源化合物的有效方法。本研究将分子描述符与机器学习算法相结合，构建了用于筛选乳化化合物的定量构效关系模型。向不同的乳蛋白乳浊液中添加候选化合物，以评估其稳定性。结果表明，采用分子操作环境描述符结合随机森林算法构建的模型具有最佳的预测能力（曲线下面积：0.9947；准确率：93.33%）。甘草酸具有优异的乳化能力，将甘草酸与乳蛋白结合制备的乳浊液液滴粒径和电位更小（分别为102.64 nm和-36.64 mV），物理稳定性更好，起泡性提高了39.59%，且黏度更高。甘草酸显著提升了乳蛋白乳浊液的物理稳定性，为食品工业提供了新的思路。
-
应用深度学习算法，非侵入性估算不同颜色的太平洋鲍鱼足部肌肉类胡萝卜素含量
查看原文
2025
Food Chemistry
中科院一区JCR一区
Guijia Liu, Xiaoyong Wu, Yiming Wei, Tian Xu, Dongchang Li, Xuan Luo, Weiwei You & Caihuan Ke
食品标签
软体与贝类 品质、结构与理化性质 过程监测与在线检测 花青素与类胡萝卜素计算机标签
深度学习 循环神经网络 定量预测/回归分析 可见光/RGB/视频数据类胡萝卜素是 影响水生生物颜色和健康的重要色素，尤其是在太平洋鲍鱼（Haliotis discus hannai）等物种中。本研究通过靶向代谢组学鉴定鲍鱼鱼足部肌肉中的主要类胡 萝卜素。通过差异代谢物分析，我们选择了符合以下标准的代谢物：p值<0.05，预测重要性（VIP）得分≥1，折叠变化（FC）≥2或FC≤0.5。结果显示，玉米黄素在所有足部肌肉颜色中含量最高， p值最高为0.0079。因此，我们确认玉米黄质是主要的类胡萝卜素，对足部肌肉的独特颜色有贡献。随后，我们使用深度学习模型，基于CIELAB色彩空间中的颜色测量预测类胡萝卜素含量，该空间由国际闪电控制委员会（CIE）定义，涵盖三个维度：明度（L）、红绿（a）和黄蓝（b）。对344个鲍鱼样本的性能评估显示，长短期记忆（LSTM）模型提供了最佳的预测结果，均方根误差（RMSE）为6.692，确定系数为R。2）的0.415。此外，我们还开发了基于颜色的类胡萝卜素估计套件（CCES）。该软件采用用户友好的图形界面，允许用户输入比色数据、训练模型并预测类胡萝卜素含量。与传统方法相比，CCES提供无损、快速的类胡萝卜素估算，效率提升450倍，成本降低47至77倍。该方法为水产养殖繁育和质量控制提供了高效且可扩展的工具，应用范围不仅限于鲍鱼，还延伸至其他水生和陆生物种。
