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 187 条结果
-
机器学习辅助的比例荧光传感器阵列用于识别多种喹诺酮类抗生素
查看原文
2025
Food Chemistry
中科院一区JCR一区
Mengyuan Li, Lei Jia, Xiaolei Zhao, Lina Zhang, Dan Zhao, Jun Xu & Tangqian Zhao
食品标签
化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
梯度提升决策树 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据开发同时检测多种抗生素残基的分析方法对环境保护和人类健康至关重要。本研究设计了基于核苷酸的双镭系荧光探针（GDP-Eu-Tb）。喹诺酮类抗生素（QNs）的添加可抑制EU3+ 通过内滤光效应（IFE）发出荧光信号，并表现出特征性峰，从而实现 左旋氟沙星（LVLX）、加的沙星（GTLX）和莫西氟沙星（MXLX）的比比荧光检测。使用单个传感器元件（GDP-Eu-Tb）构建了比例荧光传感器阵列，结合主成分分析（PCA）和决策树（DT）算法，以建模荧光强度比值（I）之间的关系450/我616我460/我616我463/我616我468/我616）和量子网络。DT模型的性能通过准确性、精度、回忆率和F1分数进行评估，稳定性和可推广性通过分层十倍交叉验证得到确认。该方法具有高灵敏度、选择性和适用性，为抗生素残基检测提供了有效的解决方案。
-
基于三金属PtPdAuNFs和三链分子开关的智能手机便携式适体传感器用于腐霉利快速检测
查看原文
2025
Chemical Engineering Journal
中科院一区JCR一区
Ruonan Wang, Baoshan He, Zhengyong Liang, Yuling Wang, Jinhua Jin, Min Wei, Wenjie Ren, Suo Zhiguang & Xu Yiwei
食品标签
新鲜蔬菜 化学污染物 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他本研究开发了一种基于三重分子开关（THMS）的便携式适体传感器。该系统集成了便携式电化学工作站与智能手机成像技术，可实现腐霉利（PCM）的快速现场检测。该系统采用基于三金属纳米材料（PtPdAuNFs）和PolyA的丝网印刷电极，通过整合便携式电化学工作站与智能手机成像技术，实现了腐霉利的快速现场检测。采用铂钯金纳米花(PtPdAuNFs)作为信号标记材料，该材料为信号分子亚甲基蓝(MB)及适配体提供了丰富的活性位点。这些信号标记与PolyA探针结合形成稳定的三向杂交分子信标(THMS)结构，随后被固定于丝网印刷电极表面。PolyA探针末端特有的连续腺嘌呤序列促进了电极表面的结合，显著提升了传感器的稳定性和性能。当靶标物质与组装好的适体传感器结合时，靶标会选择性识别适配体并触发THMS结构的展开。这种构象变化导致信号标记从传感平台脱离，进而产生可检测的信号变化。本研究开发的智能便携式适体传感器实现了对PCM的现场检测，其检测限达50皮克/毫升，检测范围覆盖500皮克/毫升至500纳克/毫升。该传感器展现出优异的特异性与重现性，已成功应用于番茄、韭菜等实际样品检测，回收率令人满意（93%∼107%）。这些结果凸显了所开发传感器在水果蔬菜中对PCM及其他污染物检测的应用潜力。通过修饰DNA设计，该传感器还可用于其他目标分析物（氟虫腈与丙溴磷）的检测，并表现出卓越的检测性能。本研究为食品安全监测提供了一种重要工具。
-
机器学习增强的电化学传感器用于食品安全：应用与展望
查看原文
2025
Trends in Food Science and Technology
中科院一区JCR一区
Wajeeha Pervaiz, Muhammad Hussnain Afzal, Niu Feng, Xuewen Peng & Yiping Chen
食品标签
食品安全与风险评估 微生物安全 化学污染物 包装与智能监测计算机标签
机器学习/统计学习 支持向量机 随机森林 分类/鉴别/等级评定 时序传感器/物联网数据背景：食品安全是直接影响人类健康和福祉的全球性关键问题。电化学传感器因其灵敏度和选择性而在检测食品污染物方面引起了广泛关注；然而，传感器不稳定性和电极污染等问题限制了其有效性。将机器学习（ML）集成到电化学传感中提供了一种变革性方法，可增强传感器性能、稳定性和数据处理能力，同时实现实时监测。
范围与方法：本综述简要探讨了专门用于食品安全应用的ML增强型电化学传感器的使用。首先，讨论了适用于食品安全监测的电化学传感器技术的各种ML算法。随后，综述重点介绍了ML增强型传感器在检测食品相关污染物（如农药、药物残留、重金属、微生物、人工染料和酚类化合物）中的应用。最后，阐述了推进食品安全电化学传感器所面临的挑战和未来前景，强调了适当的ML算法在改善现场食品安全监测方面的潜力。
主要发现与结论：ML与电化学传感器的集成提高了其灵敏度、选择性和稳定性，解决了诸如电极污染等问题。支持向量机、人工神经网络和随机森林等ML算法能有效检测农药、重金属和微生物等食品污染物。ML还能实现实时数据处理，以便快速、准确地检测痕量污染物。然而，传感器校准、数据可靠性和对高质量训练数据集的需求等方面仍存在挑战。未来的研究应侧重于增强传感器的鲁棒性、优化ML模型以提高准确性，并推进用于食品安全监测的ML增强型传感器的商业化。 -
基于机器学习预测模型的Sn-Ta-O摻杂垂直石墨烯电化学传感器，用于监测饮料中的镉
查看原文
2025
Food Chemistry
中科院一区JCR一区
Zhiyu Tao, Lin Su, Mingji Li, Xiuwei Xuan, Cuiping Li & Hongji Li
食品标签
其他饮料 化学污染物 过程监测与在线检测 其他理化与结构表征 其他矿物质计算机标签
机器学习/统计学习 定量预测/回归分析 时序传感器/物联网数据饮品品类日益多元化，市场对现场重金属检测的需求不断增加，以此保障饮品食用安全。多杂原子共掺杂石墨烯电极相较于传统碳基电极，具备更优异的电催化活性与稳定性，可应用于机器学习辅助的镉离子实时检测领域。研究采用物理气相沉积与化学气相沉积相结合的工业化制备工艺，制备出表面性能均匀的新型锡-钽-氧共掺杂垂直石墨烯电极。该锡钽氧掺杂垂直石墨烯传感器融合传统线性回归算法与机器学习预测模型，实现样品中镉离子的实时检测。该传感器检测范围广泛（0.1–200微摩尔每升）、检出限低（信噪比=3，检出限1.80纳摩尔每升），且长期稳定性能优异。此外，该传感器对各类饮品中的镉离子实时检测，回收率可达95.6%~105.2%，检测结果精准可靠。本研究开发了性能稳定的锡钽氧掺杂垂直石墨烯传感器，同时构建了基于机器学习的高效检测方案，为镉离子的现场实时定量检测提供了新方法。
-
便携式智能手机辅助的Tb/Eu-MOF琼脂切片探针用于视觉检测氟喹诺酮
查看原文
2025
Food Chemistry
中科院一区JCR一区
Liwei Cui, Yiqian Zhang, Weifeng Chen, Jingyi Liu, Heli Zhang, Hongshuai Zhu, Jian Zou & Weidan Chang
食品标签
其他肉与水产品 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据氟喹诺酮类（FQ）的广泛使用会导致食物残渣，这对人体健康构成重大风险。基于Tb/Eu-MOF纳米材料的便携式智能手机辅助检测平台已建立，用于检测FQs，其中enrofloxacin（ENR）作为代表性样本。合成了五个具有不同双金属比例的Tb/Eu-MOF，其中Tb/Eu-MOFs（3：1）作为最佳传感元件。Tb/Eu-MOF 纳米材料悬浮液因荧光共振能量转移与 ENR 发生了从橙红色变浅黄色的变化，达到 0.004 μM 的 LOD，宽线性范围为 0.005–25 μM。Tb/Eu-MOF被整合进琼脂切片中，并与智能手机结合检测以提高便携性。开发了基于智能手机的琼脂切片平台，线性范围为5–150微米，LOD为4.7微米。该检测平台为FQs检测提供了创新、低成本且便携的方法。
