01 / 01

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
暂无筛选

标签记录(计算机学者)

机器学习/统计学习

共 712 条结果

  • 从检测到预防:用于减少牛奶掺假和乳制品欺诈的网络安全人工智能生态系统

    2026
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    Mati Ullah Khan, Limin Zhen, Jiaqi Tian, Anum Farid, Zhiwei Chen, & Hongliang Liu

    食品标签

    液态乳 其他安全问题 光谱/色谱/质谱等分析方法

    计算机标签

    机器学习/统计学习 定量预测/回归分析 多模态/融合数据

    背景:全球乳制品行业面临来自牛奶掺假和欺诈行为的持续且不断变化的威胁,这些威胁危及公共健康、经济稳定和消费者信任。传统检测方法具有被动性且日益不足,需要向预防为主的模式转变。范围与方法:本综述批判性地审视了网络安全人工智能生态系统的潜力,这一综合框架逐步融合人工智能(AI)与网络安全,通过无缝的技术整合来改造乳制品供应链。我们分析了人工智能驱动的方法如何与网络安全措施相结合,例如用于非线性模式识别的机器学习(ML)、用于化学分析的光谱分析以及用于视觉检查的计算机视觉(CV),通过特定接口实现统一,例如用于物联网(IoT)数据采集的安全应用程序编程接口(API)和用于数据验证的区块链智能合约。这使得供应链传感器(捕获温度、地理位置和组成特征)到人工智能模型的数据流可以实现加密,通过反馈机制(如预测异常警报和自适应模型再训练)确保系统的持续弹性和端到端数据完整性,从而超越孤立技术,形成一个有机统一的生态系统。主要发现和结论:我们的综合分析表明,这种深度整合创造了一个稳健的、多层次的防御系统,其中人工智能的预测分析通过网络安全的保护协议得以增强,从而实现通过不可篡改的审计跟踪进行取证归因,并实现从检测到预防的决定性转变。例如,通过零信任架构保护的实时物联网数据被输入到用于掺假检测的人工智能模型中,反馈循环会触发自动响应,如数据隔离或通过联邦学习进行模型更新,从而确保系统的动态适应性。然而,这一范式转变面临重大挑战,包括复杂人工智能模型的黑箱特性、区块链的成本与可扩展性以及社会技术采纳障碍。我们得出结论,虽然这一生态系统的战略实施不是万能的,但对于保障公共健康和确保乳制品行业的完整性至关重要。这篇综述为利益相关者提供了一个连贯的路线图,强调协作治理、标准化协议以及诸如联邦学习和抗量子加密等新兴技术,以克服现有障碍并建立一个具有韧性的供应链。

  • 自然语言处理与文本分析在感官科学中的实际应用:近期文献综述

    2026
    Current Opinion in Food Science
    中科院一区
    JCR一区
    查看原文

    Kyle Hamilton, Rebekah J Miller, & Jacob Lahne

    食品标签

    感官科学与消费者研究

    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

    在感官科学中,收集和分析自然语言或自由文本数据的方法日益普及。其支持者认为,这些方法更加灵活、全面,能够在更自然的场景中同时收集情感性信息和描述性信息。为总结感官科学中文本数据来源、分析方法和研究问题的现状,本文回顾了27篇发表于2020—2024年、采用文本分析研究食品描述性感官特征的论文。多数论文将文本分析与其他感官评价方法进行比较,或利用文本分析识别影响消费者喜好的因素。大多数研究采用中心地点测试数据,受试者少于100人,测试产品少于10种。数据分析通常依赖半人工文本标准化、词频或计数表以及降维方法,与传统感官分析的处理方式较为相似。作者认为,该领域仍处于发展初期,需要为常见任务开发可公开获取的计算工具,建立验证新方法的统一标准,并加强计算方法培训或与计算机科学研究人员开展长期合作,从而更高效地处理大规模感官文本语料。

  • 分子感官科学结合机器学习用于探索山西陈醋的关键活性香气化合物及老化特征化合物

    2026
    npj Science of Food
    中科院一区
    JCR一区
    查看原文

    Jiao Wang, Boya Zhu, Xinyu Wang, Ao Zhang, Kai Liang, Xing Tong, Wei Ding, Jia Song, Yu Zheng, & Min Wang

    食品标签

    其他酱腌/发酵食品 特征风味 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质

    计算机标签

    机器学习/统计学习 定量预测/回归分析 质构/流变/感官数据

    发酵食品中的香气化合物来源于原料或由微生物产生,贡献了其多样的香气特征。通过分子感官科学系统分析了中国著名醋之一的山西老陈醋(SAV)中的关键活性气味化合物(OACs)。本研究共鉴定出152种OACs。此外,对87种OACs进行了定量测定,其中37种OACs的气味活性值(OAVs)大于1。香气重组和缺失实验证实,酮类、吡嗪类、内酯类和酸类是SAV香气特征的最重要贡献者。相关性分析表明,特定香气化合物的缺失不仅直接影响与这些化合物相关的感官特性,还会影响其他感官属性。因此,通过重组和省略实验验证后,将47种OACs分类为关键OACs,这些OACs是基于AEDA(FD ≥ 400)或OAV(≥1)的。最后,通过基于关键OACs的机器学习确定了6种与老化相关的标志物(甲硫醛、1-十二醇、乙酰乙酮、苯甲酸乙酯、丙酸和三甲基吡嗪)。这些结果为筛选决定SAV香气特性的关键OACs以及产品质量控制提供了标准。

  • 新兴预处理、干燥技术和人工智能在蓝莓加工中应用的系统综述

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Qiao-Yi Ma, Yan Ge, Magdalena Zielinska, Jia-Xuan Shu, Shan-Yu Wang, Xiaojun Huang, & Zi-Liang Liu

    食品标签

    果蔬干/果脯/蔬菜干 品质、结构与理化性质 营养与生物功能 常规理化指标测定

    计算机标签

    机器学习/统计学习 定量预测/回归分析 文本/知识库/法规数据

    蓝莓因营养价值和商业价值高而在全球广受欢迎,但鲜蓝莓含水量高、采后呼吸旺盛,极易腐败。干燥是延长其货架期的有效加工方式之一,但蓝莓表面的蜡质层会抑制干燥过程。预处理可破坏蜡质层结构并促进水分迁移,是改善蓝莓干燥效率的重要途径。本文系统总结了蓝莓中的生物活性成分,重点讨论不同预处理和干燥技术及其比较优势与局限,并进一步分析各种预处理对蓝莓蜡质层和细胞结构的影响机制。文章还探讨了预处理和干燥过程对蓝莓理化性质的影响,以及先进人工智能技术在蓝莓加工中的应用。综述认为,适当预处理与干燥技术的组合可显著缩短干燥时间,同时改善干制蓝莓的品质属性;人工智能还可结合优化算法动态调节干燥过程,用于优化加工参数,从而提高加工精度和功能成分保留率。

  • 基于人工智能的牲畜情感监测为何重要:对肉类质量认知和消费者购买意向的影响

    2026
    Food Quality and Preference
    中科院一区
    JCR一区
    查看原文

    Vanessa Apaolaza, Mario R. Paredes, Patrick Hartmann, & Ainhize Eletxigerra

    食品标签

    畜肉 品质、结构与理化性质 感官科学与消费者研究 问卷/市场与消费者研究

    计算机标签

    机器学习/统计学习 定量预测/回归分析 质构/流变/感官数据

    畜牧生产因其对环境的影响和动物福利方面的关注而受到日益审查,这促使人们探索能够在保持高福利标准的同时提高生产力的新技术。本文利用美国具有代表性的样本数据,构建并实证检验了一个概念模型,其中对人工智能在监测动物情绪以降低其压力水平方面的有效性的感知,与消费者的购买意图正相关,既有直接影响,也有通过感知肉类质量的间接影响。我们进一步引入了两个调节变量:对人工智能在促进畜牧业可持续性方面有效性的感知,以及个人对动物福利的关切。我们的研究发现,通过感知的肉类质量,消费者对动物情绪监控中人工智能效果的间接认知与购买意图之间的关系,在那些认为人工智能是提升可持续性有价值工具的消费者以及对动物福利高度关注的消费者中被放大。这些结果强调了技术、伦理与可持续性在塑造消费者行为中的复杂相互作用。从管理角度来看,这些结果强调了关于人工智能驱动的动物福利和环境改善的透明沟通的重要性。同样,政策制定者可以利用这些见解创建框架,使技术创新与消费者对肉类生产的伦理和可持续性期望相一致。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号