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 91 条结果
-
整合元素指纹和全反射 X 射线光谱指纹与机器学习用于高级海产品追溯
查看原文2026
Food Control
中科院一区JCR一区Nuno M. Rodrigues, Vanessa F. Fonseca, Renato Mamede, Susanne E. Tanner, Bernardo Duarte, & Sara Silva
食品标签
鱼肉 新鲜水果 食品安全与风险评估 其他安全问题 标准/法规/数据库分析 矿物质与微量元素计算机标签
随机森林 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据海产品消费和需求增加导致食品欺诈问题上升,也推动了海产品追溯法规的发展,以保障海洋资源可持续利用和食品安全。头足类是具有商业价值的海产品资源,容易发生错误标识。普通章鱼在葡萄牙等南欧地区具有较高市场价值。本研究从葡萄牙大西洋沿岸 5 个捕捞区域和 3 个采样时期收集 450 个普通章鱼个体,评估其可食肌肉组织的元素指纹和光谱数据作为机器学习模型输入用于产地判别。研究在多时间数据上训练多种机器学习模型,揭示了模型性能和可解释性之间的权衡。分析显示不同季节之间存在明显分布偏移,可能与该物种复杂生命周期有关。模型性能显著依赖所用季节数据;10 月、9 月及其合并秋季数据训练的模型明显优于 4 月数据训练的模型。无论采用元素指纹还是光谱分析,这一趋势均存在,但多数模型中元素指纹数据总体具有统计学优势。总体性能方面,提升树模型表现突出;保持测试集结果显示,9 月数据的全元素指纹随机森林模型 F1 分数达到 73%。所建立模型具有较好的预测性能和泛化能力,基于 SHAP 的特征重要性分析显示模型决策可得到生物学解释,其中砷在所有采样时期均是区分捕捞区域的关键元素。
-
利用拉曼-红外融合和基于注意力的 LSTM 模型无损评估罗非鱼质构
查看原文2026
Food Control
中科院一区JCR一区Yiling Zhang, Xuekai Gao, Shahbaz Gul Hassan, Caijian Xie, Tonglai Liu, Shuangyin Liu, & Longqin Xu
食品标签
鱼肉 质构与流变性质 营养与生物功能 光谱/色谱/质谱等分析方法 显微与成像技术计算机标签
循环神经网络 特征工程与选择策略 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱随着消费升级趋势增强,消费者对脆肉罗非鱼品质的需求已从基本营养供给逐渐转向更高层次的感官体验,人们迫切需要一种快速高效的方法来评价罗非鱼质构特性。本研究提出了一种无损评估方法,用于评价不同解剖部位和不同体重罗非鱼的质构特性。研究将拉曼光谱、红外高光谱成像与化学计量学技术结合,用于评估脆度、弹性、咀嚼性和内聚性等关键质构参数。研究构建了基于注意力机制的长短期记忆网络,并结合 ElasticNet 特征选择和中层数据融合,以高精度建立光谱反射数据与质构属性之间的关系。对于脆度、弹性、咀嚼性和内聚性,模型 Rp2 分别为 0.98、0.98、0.98 和 0.99,RMSEP 分别为 51.96、0.01、14.53 和 0.02,RPD 分别为 7.36、6.95、7.66 和 8.53。结果表明,该方法具有优异的预测能力。双光谱模态融合为统一饲养条件下罗非鱼不同身体部位质构差异评价提供了稳健的无损解决方案,在食品质量评估实际应用中具有显著潜力。
-
通过高光谱成像和深度学习实现大气冷等离子体下鱼糜凝胶质量的无损可视化和预测
查看原文2026
Food Control
中科院一区JCR一区Huanhuan Li, Yige Wang, Chenhui Li, Xorlali Nunekpeku, Yiping Chen, Wei Zhang, & Wei Sheng
食品标签
鱼肉 质构与流变性质 颜色与外观品质 光谱/色谱/质谱等分析方法 显微与成像技术计算机标签
卷积神经网络 循环神经网络 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据鱼糜加工行业在维持凝胶品质方面长期面临挑战,尤其是凝胶强度、持水性和白度等直接影响消费者接受度与商品价值的关键属性。本研究考察大气冷等离子体处理对鱼糜凝胶品质的提升作用,并结合高光谱成像和深度学习实现快速、无损品质评估。研究以日本花鲈制备鱼糜,设置 0-90 s 六种 ACP 处理时间,随后进行标准化热凝胶化;45 s 处理效果最佳,显著提高凝胶强度(4166.36 g mm)、持水性(83%)和白度(80.05)。为综合评估凝胶品质参数,研究开发了混合 CNN-GRU 模型。研究采集 90 个样品在 616 个波长下的空间-光谱数据,并通过图像二值化和形态学滤波提取感兴趣区域。为提高模型稳健性和泛化能力,研究对提取光谱进行了数据增强,包括添加高斯噪声、时间扭曲和基于傅里叶的重构。CNN-GRU 模型优于单一模型,对凝胶强度、持水性和白度均取得较高预测精度,Rp2 分别为 0.9224、0.8945 和 0.9189,RPD 分别为 3.59、3.09 和 3.53。此外,研究利用伪彩色图对像素级预测结果进行可视化,展示不同处理下凝胶品质分布的空间差异。结果表明,ACP 可有效改善鱼糜凝胶性能,而 HSI 结合深度学习可为鱼糜生产中的实时品质监测和工艺优化提供有力的无损解决方案。
-
从检测链到预防趋势:陆地和海洋食品安全系统的人工智能治理框架
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Joothykannan Krisnanmoorthy, & Yudi Fernando
食品标签
鱼肉 食品安全与风险评估计算机标签
机器学习/统计学习 知识抽取与语义理解 文本/知识库/法规数据背景:人工智能(AI)技术正在从被动的污染检测向预测性预防系统根本性地改变食品安全,但其部署面临治理缺陷,威胁到公平的采用。范围与方法:本文分析了1766篇出版物(2015-2025),评估了陆地和海洋供应链中的AI检测系统、预测分析和区块链可追溯性。主要发现与结论:计算机视觉在病原体检测中达到95-99%的准确率,而区块链将可追溯性从数天缩短到数秒。我们的分析显示出关键的技术与治理失衡(比例为7.5:1),以及海洋系统的严重代表性不足(陆地占主导地位的比例为2.3:1;非法、不报告和不规范捕鱼研究赤字为57:1),尽管水生食品为33亿人提供了全球动物蛋白的17%。欧盟、美国和亚太地区的零散监管框架造成了部署不确定性,尤其是对中小企业而言。尽管海洋食品系统对全球动物蛋白做出了贡献,但它们仍然严重服务不足,而治理未能充分应对有害藻华、重金属生物累积和非法捕鱼问题。我们提出了一种针对陆地和海洋食品安全系统的人工智能治理框架,该框架包含自适应监管机制。
-
近红外高光谱成像结合元素和同位素分析表征养殖鲑鳟鱼类的地理来源
查看原文2026
Current Research in Food Science
中科院一区JCR一区Dawei Sun, Li Li, Cui Han, Chengquan Zhou, Chen Li, & Hongbao Ye
食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
深度学习 智能手机/其他 随机森林 模型可解释性 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据高价值鲑鳟鱼类的地理溯源对于减少食品欺诈和保障产品真实性至关重要。本研究将近红外高光谱成像与元素和同位素分析相结合,以表征鲑鳟鱼类的地理来源信息并提高判别模型的可解释性。首先对光谱数据与元素、同位素数据进行皮尔逊相关分析以构建光谱指纹,随后分别利用全光谱和提取的光谱特征建立机器学习与深度学习模型,并进一步采用随机森林模型预测关键元素和同位素。结果表明,多种元素和同位素与约900、1000和1200 nm附近的光谱区域高度相关,这些区域反映了新鲜鲑鳟产品地理来源的重要光谱特征。所有判别模型均获得了可接受的总体准确率(大于65%),其中序列前向选择-极限学习机(SFS-ELM)的精确率最高,达到88.13%。关键元素和同位素也得到了较准确的预测(R²大于0.70),并通过化学分布图进行了直观可视化。本研究融合高光谱成像与元素、同位素分析,为解释与产地判别最相关的光谱区域提供了化学计量学依据,增进了对模型可解释性和特征有效性的综合认识。