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 393 条结果
-
GMOPNet：用于通过空间频域成像测量猕猴桃和桃子光学性质的GAN-MLP两级网络
查看原文
2025
Food Chemistry
中科院一区JCR一区
Yuan Gao, Zhizhong Sun, Dong Hu, Lijuan Xie & Yibin Ying
食品标签
新鲜水果 品质、结构与理化性质 过程监测与在线检测 显微与成像技术计算机标签
生成对抗网络 其他深度学习结构 定量预测/回归分析 可见光/RGB/视频数据空间频域成像（SFDI）是一种利用空间调制照明来测量光学特性的成像技术。传统空间频域成像方法至少需要采集六张图像，耗时较长。本研究提出一种生成对抗网络-多层感知机（GAN-MLP）两阶段网络（GMOPNet），可从单张空间频域成像图像中提取猕猴桃和桃子的高精度光学特性，实现实时、连续的宽波段空间频域成像。所提GMOPNet先通过生成对抗网络预测漫反射率，再结合融入蒙特卡洛先验知识的多层感知机完成光学特性预测。该方法对吸收系数（μa）的平均绝对百分比误差为5.91%，对约化散射系数（μs'）的平均绝对百分比误差为5.23%，大幅缩短了图像采集与处理时间，单次推理耗时仅31.13毫秒。其中猕猴桃的吸收系数与约化散射系数平均绝对百分比误差分别为6.73%、6.34%，桃子则分别为5.80%、6.65%。
-
使用优化的深度学习方法对肉类新鲜度进行检测和分类
查看原文
2025
Food Chemistry
中科院一区JCR一区
Mohamed Abd Elfatah, Ahmed A. Ewees, Ashraf Darwish & Abou Ella Hassanien
食品标签
肉类/蛋类与水产品 颜色与外观品质计算机标签
卷积神经网络 特征工程与选择策略 分类/鉴别/等级评定 可见光/RGB/视频数据准确评估肉类新鲜度对于确保食品安全、减少浪费以及在食品行业维持质量控制至关重要。将肉类高效分类为新鲜、半新鲜和变质等类别，对生产商、零售商和消费者而言都必不可少。本文提出了一种基于深度学习的肉类新鲜度分类方法，该方法包括三个主要阶段：（1）使用视觉几何组19（VGG19）卷积神经网络进行特征提取；（2）使用经粒子群优化（PSO）增强的改进人工原生动物优化器（IAPO）进行特征选择；（3）基于优化后的特征集进行分类。所提出的方法与五种成熟的优化技术进行了基准测试。实验结果表明，该方法的准确率达到98.51%，灵敏度为98.54%，特异性为99.24%。这些发现表明，该方法可能适用于食品安全监测系统中的肉类新鲜度分类。
-
基于3D点云与深度学习的切片面包多尺度表型自动化量化流程
查看原文
2025
Food Research International
中科院一区JCR一区
Honghao Zhou, Jungao Zhang, Qin Zhou, Xinru Wang, Haijiang Min, Bingxi Qin, Shaowei Liang, Xiao Wang, Yingxin Zhong, Jian Cai, Mei Huang, Qing Li, Dong Jiang & Jiawei Chen
食品标签
面包 品质、结构与理化性质 显微与成像技术计算机标签
深度学习 定量预测/回归分析 可见光/RGB/视频数据针对当前切片面包评价参数集中于二维表型分析的现状，本研究开发了一种利用廉价3D激光扫描仪准确捕获并分析整个面包切片及其切片孔隙表面三维结构的创新技术。采用集成三轴运动平台的3D线扫描激光轮廓传感器高效采集面包表面的3D点云数据。针对预处理后的点云数据，提出了一个名为3D-PoresSegNet的分割模型，用于在点云中分离面包表面和孔隙区域。通过使用2D投影、轮廓提取和逆变换技术，获得了孔隙边缘的准确3D结构信息。基于孔隙边缘和完整的点云数据，我们成功重建了3D孔隙结构，并提取了面包及其孔隙的详细表型参数。此外，提出了两个新颖的表型参数——孔隙分布和孔隙层分布，为面包的全面质量评估提供更科学的支持。为了便于快速进行表型分析，我们开发了Bread3D-Measure软件。实验结果表明，在提取13个表型参数方面具有较高准确性，包括7个总体性状——高度（97.3%）、长度（95.2%）、宽度（95.6%）、表面积（86.6%）、体积（82.8%）、对称指数（91.5%）和均匀性指数（93.4%），以及6个相关参数——最大孔隙直径（84.7%）、最大孔隙面积（82.6%）、孔隙数量（87.1%）、最大孔隙深度（90.3%）、最大孔隙体积（83.7%）和孔隙伸长率（78.5%）。这些结果证实了所提方法在满足各种表型应用需求方面的有效性。
-
人工智能在食品安全中的应用：从预测模型到现实保障措施
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
P. Balakrishnan, A. Anny Leema, N. Jothiaruna, Purshottam J. Assudani, K. Sankar, Madhusudan B. Kulkarni & Manish Bhaiyya
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 可见光/RGB/视频数据 红外/拉曼光谱数据 时序传感器/物联网数据 多模态/融合数据食品安全不再仅仅是实验室里的问题，它已成为一个现实世界的挑战，影响着从农民、商贩到监管者和消费者的每一个人。随着人们对牛奶、食用油、水果和即食食品等日常食品中存在的掺假、腐败和污染问题的担忧日益加剧，传统的检测方法往往难以满足需求——这些方法速度太慢、成本太高，而且并非为实时检测而设计。本文综述探讨了人工智能（AI）和机器学习（ML）如何在这一领域发挥变革性作用。我们重点介绍了一些真实案例，其中AI模型与光谱学、智能传感器和计算机视觉等工具相结合，能够快速且准确地检测出食品欺诈和腐败问题。除了技术层面，我们还讨论了数据缺口、模型可信度以及农村地区可负担性等挑战，同时提出了联邦学习和低成本AI设备等具有前瞻性的解决方案。本文综述对食品科学家、质量保证专业人员、技术开发者、政策制定者以及致力于构建更安全、更智能食品体系的初创企业而言，都将具有特别重要的价值。它是一份将AI创新转化为现实世界食品安全解决方案的实用指南。
-
通过新型LTP制备的具有高漆酶样活性的非晶态Co3O4纳米酶构建的比色传感器阵列用于食品中酚类化合物的智能识别
查看原文
2025
Food Chemistry
中科院一区JCR一区
Chao Liu, Ning Liu, Qi Xia, Yi Cao & Qing Huang
食品标签
食品安全与风险评估 显微与成像技术 植物化学/生物活性成分计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据区分食品基质中的天然抗氧化酚类化合物与污染物，对于确保食品质量和安全至关重要。在此背景下，基于纳米酶的传感器已成为颇具前景的工具，展现出在有效检测和区分方面的巨大潜力。然而，构建具有高催化活性的多功能、低成本纳米酶生物传感器仍是一项关键挑战。本研究提出了一种介质阻挡放电（DBD）等离子体方法，利用钴基金属有机框架（Co-MOF）合成非晶态四氧化三钴（a-Co3O4）漆酶样纳米酶。这种非晶态四氧化三钴通过Co²⁺/Co³⁺ redox对和Co-O活性位点展现出漆酶样活性，模拟了天然漆酶的配位环境。借助其催化多功能性、稳定性以及pH依赖性的底物亲和力，研发出一种新型传感器阵列，可对多种酚类化合物进行灵敏（0.1–12μM）区分。将其与智能手机成像和机器学习相结合，实现了实际样品分析。因此，本研究提供了一种可扩展的基于低温等离子体（LTP）的纳米酶制备策略，并拓展了其在生物传感和食品安全检测中的应用。
