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GC-IMS探究预制猪肉制品货架期内回温风味的形成机制
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Tiantian Zhang, Shuaishuai Dai, Ben Niu, Chaoyi Shen, Huizhi Chen, Ruiling Liu, Hangjun Chen, Weijie Wu & Haiyan Gao
食品标签
畜肉 特征风味 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
偏最小二乘法 分类/鉴别/等级评定 质构/流变/感官数据采用顶空气相色谱-离子迁移谱（GC-IMS）和气相色谱-质谱（GC-MS）研究了氧化过程的潜在反应机制，该过程会改变预制猪肉制品在储存期间的挥发性有机化合物（VOCs）和脂肪酸含量。GC-IMS共检测到38种挥发性风味化合物，通过正交偏最小二乘判别分析（OPLS-DA），其中16种被确定为关键差异标志物，其投影重要性（VIP）值≥1。与10种脂肪酸的相关性分析表明，油酸和亚油酸的氧化分解会增加己醛、戊二醛、丁醛和（E）-2-庚烯醛的含量，从而产生加热后风味（WOF）。这些结果表明，脂质氧化是导致预制猪肉制品风味劣变的主要原因。本研究为加热后风味（WOF）的形成机制提供了重要见解，并为制定有效的肉制品风味损失控制策略奠定了理论基础。
-
机器学习驱动的多组学在食品微生物学和更智能食品安全中的应用
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Sherry Bansal, Catarina Z. Rodriguez, Katherine A. Thompson-Witrick, Yu Wang, Diana H. Taft & Boce Zhang
食品标签
微生物安全 组学与高通量技术计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 定量预测/回归分析高通量组学技术的创新不仅拓展了单个组学平台的能力，还推动了向多组学整合的转变，使人们能在食品安全背景下更全面地理解微生物动态。通过整合来自不同组学层面的数据，研究人员可以阐明微生物与食物相互作用的复杂生物途径，揭示食源性危害背后的机制，并识别预测性生物标志物。在各种机器学习（ML）算法的助力下，这些见解为更智能的食品安全干预措施的开发提供了支持。然而，与数据质量、标准化和整合工具相关的挑战仍限制着多组学方法的全部潜力。尽管存在这些障碍，持续的进步正稳步提高多组学整合的可行性和可及性。这种进步体现在越来越多的食品安全研究中，这些研究利用新颖创新的机器学习模型来提取可付诸实践的生物学见解。本综述探讨了多组学与机器学习的协同融合，重点介绍了其当前的应用，如模式检测、可追溯性、抗菌素耐药性分析，并强调了其在未来食品安全和微生物学领域的变革潜力。
-
基于激光辅助快速蒸发电离质谱和数据融合结合机器学习的脂质组指纹快速识别复合山茶油掺假
查看原文
2025
LWT
中科院一区JCR一区
Gongshuai Song, Taijiao Xiang, Ziming Xu, Haina Hou, Yangcheng Ge, Haonan Lai, Danli Wang, Tinglan Yuan, Ling Li, Ziyuan Wang, Mengna Zhang, Liting Ji, Jinyan Gong, & Qing Shen
食品标签
植物油 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法计算机标签
随机森林 分类/鉴别/等级评定 多模态/融合数据 红外/拉曼光谱数据山茶油（CAO）是一种高价值的食用油，具有诸多健康益处；然而，其真实性常常因掺入廉价油而受到影响。本研究提出了一种快速且稳健的山茶油真实性分析方法，使用激光辅助快速蒸发电离质谱（LA-REIMS），结合互补的分析技术和化学计量学分析。研究采用脂肪酸组成、衰减全反射傅里叶变换红外光谱指纹、1H 核磁共振光谱以及颜色分析来表征山茶油。尽管传统方法在检测低含量掺假（< 40%）方面存在局限性，LA-REIMS 能在样品前处理最少的情况下提供详细的脂质组指纹，并实现高通量分析。通过将低级和中级数据融合策略应用于将 LA-REIMS 数据与 GC 数据结合，并开发八种机器学习分类模型，包括逻辑回归、k 近邻、支持向量机、决策树、神经网络、卡尔曼滤波器、线性判别分析和随机森林（RF），在分类准确性方面取得了显著提高。其中，RF 模型，尤其是与中级数据融合结合时，在识别正品 CAO 与掺假样品方面实现了 99.56% 的准确率。这些发现证明了建立数字化真伪检测平台的可行性，从而提升食用油行业的食品安全和质量控制。
-
深度学习驱动的高光谱成像用于冷藏牛肉中嗜冷腐败菌的实时监测与生长建模
查看原文
2025
International Journal of Food Microbiology
中科院一区JCR一区
Guanglei Wang, Xiuwei Yan, Yingjie Feng, Yue Chen, Jiarui Cui, Sijia Liu & Songlei Wang
食品标签
畜肉 微生物安全 光谱/色谱/质谱等分析方法 微生物计数与生长曲线计算机标签
其他深度学习结构 偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据由于中国冷链体系不完善，冷鲜牛肉的品质会受到嗜冷菌的影响，导致品质下降和腐败，进而引发食品安全问题。本研究采用平板计数法和高光谱成像技术对冷鲜牛肉中假单胞菌和乳酸菌的生长情况进行建模，同时运用传统微生物学方法测定冷鲜牛肉中每种优势嗜冷菌的菌落数。针对光谱数据，采用竞争性自适应重加权采样（CARS）算法、变量组合惩罚分析算法、连续投影算法和迭代保留信息变量法提取特征波长，并利用偏最小二乘回归（PLSR）、能谷算法优化的时间卷积网络结合多头注意力机制以及随机配置神经网络（SCN）对冷鲜牛肉中假单胞菌和乳酸菌的含量进行预测。对于乳酸菌，结果表明基于高斯滤波-PLSR模型的预测达到了最佳建模效果（Rc²=0.7381，Rp²=0.7101，RMSEC=0.5802 log10CFU/g，RMSEP=0.7934 log10CFU/g）。对于假单胞菌，基于CARS-SCN模型取得了最佳预测结果（Rc²=0.9415，Rp²=0.8636，RMSEC=0.7050 log10CFU/g，RMSEP=1.0546 log10CFU/g）。最后，运用Baranyi模型、Huang模型和Gompertz模型对假单胞菌和乳酸菌的生长情况进行拟合。本研究从冷鲜牛肉的高光谱数据中实现了细菌含量的快速无损检测。
-
一种由智能手机和双酶系统驱动的智能比色纸基次黄嘌呤生物传感器，用于高效监测虾的新鲜度
查看原文
2025
Food Chemistry
中科院一区JCR一区
Wenhui Dong, Rui Feng, Jiaqi Pang, Kaiyue Wei, Jiao Li, Jianan Sun, Sai Wang & Xiangzhao Mao
食品标签
甲壳类 品质、结构与理化性质 显微与成像技术 其他特殊成分计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据监测水产食品的新鲜度对于确保其质量和安全至关重要。次黄嘌呤（Hx）由三磷酸腺苷降解产生，是虾腐败过程中的早期指标。目前尚无基于纸基的生物传感器可通过检测次黄嘌呤来监测虾的新鲜度。本研究首次报道了一种结合智能手机和双酶系统的比色纸基生物传感器。研究制备了镍铂纳米颗粒（直径为2.45±0.52纳米）作为过氧化物酶模拟纳米酶，并将其与黄嘌呤氧化酶结合形成双酶系统，随后与壳聚糖修饰的滤纸共同制成测试条，借助智能手机进行智能分析。该传感器的线性检测范围为18.75至600微摩尔，检测限为9.67微摩尔。在实际应用中，该生物传感器具有较高的准确性、良好的抗干扰能力和经济可行性。本研究为设计用于检测虾中次黄嘌呤以及食物链中其他目标物的智能纸基生物传感器提供了参考。
