类目筛选(食品学者)
-
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)
-
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)
标签记录(计算机学者)
共 1098 条结果
-
基于人工智能的低空配送新鲜食品供应链:研究进展与趋势
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区食品标签
保藏与贮藏 品质、结构与理化性质 可持续性与资源高值化计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 过程控制与实时优化 模拟与数字孪生 时序传感器/物联网数据 多模态/融合数据新鲜食品是日常生活中不可或缺的一部分,消费量相对较大。然而,它是一种易腐食品,在供应链过程中容易导致新鲜度下降和营养价值降低,因此其供应链的高效运行对于确保产品质量、减少浪费、降低成本和提高客户满意度至关重要。本文探讨了如何将低空配送技术(如无人机)与人工智能相结合,以改变保鲜和运营可持续性。低空配送技术与人工智能的结合为新鲜食品供应链的效率和智能化提供了新的范式。本文分析了人工智能在需求预测与库存管理、路径优化与动态调度、质量监测与管理、自主避障与安全控制等方面的重要作用,并强调了无人机赋能供应链配送的创新潜力。讨论了人工智能低空配送在新鲜食品供应链中面临的挑战和未来发展方向。本综述表明,人工智能驱动的低空配送可以提高新鲜食品供应链的效率和可持续性,并有助于保护新鲜食品的质量特性。然而,技术和公众接受度方面的障碍依然存在,包括需要低噪音无人机、无人机能力的持续进步、建立稳健的监管标准以及保护数据安全。尽管存在这些挑战,将人工智能驱动的低空配送技术整合到新鲜食品供应链中代表了配送创新的新兴趋势。将无人机与无人电动冷藏车和配送机器人集成,有望形成高效且环境可持续的配送模式。采用共享无人机机队进行低空新鲜食品配送可以降低运营成本,同时支持无人机配送的多功能应用。通过采用这些创新,人工智能赋能的低空配送系统可以改变新鲜食品供应链,最大限度地减少浪费,并与全球可持续发展目标保持一致。
-
基于金属有机骨架的光电化学生物传感器:从材料设计到智能检测
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区食品标签
新材料/包装与接触材料 探针与分析传感材料 食品安全与风险评估 微生物安全 化学污染物 过程监测与在线检测 理化与结构表征计算机标签
机器学习/统计学习 分类/鉴别/等级评定 时序传感器/物联网数据随着全球化进程的推进,食品供应链日益紧密相连,使得食品安全成为最重要的全球健康问题之一。食品污染是最常见的食品安全问题之一,主要污染物包括霉菌毒素、抗生素和农药等。因此,开发高效的食品污染物检测技术至关重要。光电化学(PEC)生物传感器作为一门新兴学科,具有高灵敏度、操作简单、背景信号低、易于微型化等优点。金属有机骨架(MOFs)以其高孔隙率、大比表面积、多金属位点、可调节的孔径、良好的生物相容性和易于功能化而闻名,是构建PEC传感平台的理想材料。本文综述了PEC生物传感器的传感原理和类型,介绍了基于MOFs的光敏材料的类别和特性,阐述了基于MOFs的PEC生物传感器的检测机制,并展示了其在检测霉菌毒素、农药、抗生素等食品污染物方面的应用。最后,我们对这些传感器的未来发展前景进行了展望,旨在为推进用于食品检测的MOFs基PEC生物传感器提供有价值的参考。
-
空间频率域成像在水果质量评估中的应用:全面综述
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区食品标签
新鲜水果 质构与流变性质 颜色与外观品质 微观结构与成像 显微与成像技术计算机标签
分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据传统光谱技术因其快速、直接的特点,已被广泛用于水果质量评估。然而,传统光谱技术的测量受仪器类型、传感模式、光源/检测探头设置等因素影响,这对模型在不同设备间的迁移和评估提出了挑战。空间频率域成像(SFDI)作为一种新兴的光学检测方法,提供了一种无损获取样品光学特性的途径,为水果质量评估提供了新的手段。近年来,针对水果质量评估已开发出多种SFDI设备和算法。
研究范围与方法:本综述从SFDI技术原理入手,讨论了最广泛应用的光传输模型、最新的SFDI设备及其采用的算法。此外,还详细概述了SFDI在水果质量检测中的应用,包括光学特性的测量、水果质量的定性和定量建模,以及为优化检测而对水果组织中光穿透深度进行的表征。同时,也探讨了该领域当前面临的挑战和未来前景。
主要发现与结论:凭借其宽视场、非接触和深度分辨的成像能力,SFDI技术获得了广泛关注,并已成功应用于水果质量评估。应用包括成分含量和硬度的预测,以及对水果表层机械损伤、病理缺陷和生理缺陷的识别与定位。本综述提供了新的方法论见解和操作指南,展示了SFDI在水果质量评估方面不断发展的能力。 -
人工智能赋能的细胞农业:多尺度建模、过程优化及未来方向
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区食品标签
细胞培养肉 品质、结构与理化性质 营养与生物功能 可持续性与资源高值化 过程控制与数字化 统计建模与仿真 标准/法规/数据库分析计算机标签
模型设计/优化策略 迁移学习/领域自适应 模型可解释性 强化学习 过程控制与实时优化 知识抽取与语义理解 模拟与数字孪生 时序传感器/物联网数据 文本/知识库/法规数据 多模态/融合数据细胞农业为应对全球食品生产挑战,特别是在减少环境影响、改善动物福利和确保粮食安全方面,提供了变革性的解决方案。然而,细胞农业的可扩展性受到生物系统固有复杂性的阻碍,包括多尺度相互作用、数据异质性和过程优化效率低下。人工智能(AI)通过在整个细胞农业流程中实现自适应、跨尺度的建模和优化,日益被认为是克服这些挑战的重要工具。
本综述整合了AI在细胞农业中的应用,涵盖从分子工程和培养基优化到实时生物反应器监测和感官预测。我们重点介绍了AI驱动技术,包括机器学习模型、强化学习和数字孪生系统,如何为可扩展性问题提供解决方案,提高产品质量,并提升生产效率。我们还探讨了多模态数据流的整合,以应对跨尺度挑战,为细胞农业系统中的AI提供了一个新颖的框架。
AI在细胞农业中的应用正在彻底改变这一领域,使其从经验性的试错方法转向智能化的数据驱动系统。AI不仅能够在优化生长条件、组织形成和感官特性方面实现精确控制,而且还能促进预测性、可扩展和可定制的食品生产解决方案。我们讨论了数据标准化、模型可解释性和跨模态整合所面临的挑战,并提出了为下一代食品生产建立强大、可解释的AI系统的未来策略。 -
用于食品安全分析的便携式设备与机器学习辅助侧流分析:进展与展望
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区食品标签
食品安全与风险评估 包装与智能监测 微生物安全 化学污染物 过程监测与在线检测计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据 多模态/融合数据摄入受细菌等生物危害、化学危害和环境污染物的食品会导致重大公共卫生问题。侧流分析(LFA)技术便于视觉获取定性结果,已得到广泛应用,尤其在资源有限的环境中。对于即时检测应用而言,必须准确定量分析物浓度并确保检测结果的可靠性。因此,迫切需要能够定量评估LFA结果的合适诊断平台。
范围与方法:本综述全面分析了LFA中常见信号的测量原理和发展趋势,深入探讨了LFA对各种便携式、快速、微型化及智能手机集成设备的适应性和优势。此外,特别探讨了机器学习与智能LFA平台设备的集成,以提升食品安全管理理论框架的智能化和效率。在强调智能平台辅助LFA在食品安全监测中益处的同时,我们也批判性分析了该领域当前的挑战和未来方向。
主要发现与结论:集成机器学习辅助LFA的智能平台,能有效提升LFA的检测灵敏度和稳定性,实现对食源性危害的快速、定量和灵敏检测,应对快速食品安全监测及其实际应用中的重大挑战。预计该技术将持续发展,并成为全球应对食品安全问题的重要工具。