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 236 条结果
-
多维成分定量分析：探究中国商品芒果品种
查看原文
2025
Food Chemistry
中科院一区JCR一区
Jingtao Cui, Yanchi Zhou, Xue Lin, Jing Wei & Weimin Zhang
食品标签
新鲜水果 品质、结构与理化性质 理化与结构表征 植物化学/生物活性成分计算机标签
随机森林 分类/鉴别/等级评定不同的芒果品种在食品品质和营养价值方面表现出不同的特性，这既影响市场潜力，也影响消费者偏好。我们假设，基因型驱动的代谢物变化是这些品质差异的基础。为了验证这一点，我们采用定量分析结合机器学习的方法，对中国12个主要芒果品种的理化特性、营养成分、与口感相关的化合物、具有生物活性的植物化学物质以及抗氧化能力进行了系统评估。凯特芒果的总可溶性糖和类黄酮含量最高；水仙芒和黄玉芒的有机酸含量最高；鸡蛋芒的类胡萝卜素最丰富；苹果芒的多酚含量和抗氧化活性最强。相关性分析表明，酚类物质和类胡萝卜素分别是抗氧化能力和颜色的主要贡献者。随机森林模型识别出15种具有区分性的生物标志物。这些发现支持了基因型依赖性代谢物变化导致芒果品质多样性这一假设，并为品种选择和高价值芒果产品的定向开发提供了理论基础。
-
基于机器学习的海藻酸盐、瓜尔胶和果胶可食性涂层优化以延长草莓保质期
查看原文
2025
LWT
中科院一区JCR一区
Saklain Niam, Iftekhar Ahmad, Md Abu Rayhan, Sajid Mahmood, Parvej Hasan Jon, & Md Monir Ahmed
食品标签
新鲜水果 保鲜涂膜与保鲜剂 货架期预测与品质劣变动力学 响应面分析与多因素优化计算机标签
支持向量机 随机森林 梯度提升决策树 定量预测/回归分析草莓在温暖潮湿的环境下会迅速变质，更糟糕的是，在许多热带地区，冷藏物流有限。可食用生物高分子涂层提供了一种低成本的方法来减缓品质损失，但多组分配方表现出非线性。在本研究中，开发并评估了十种涂层对草莓在25°C（298.15K）储存6天期间的理化性质（失重、硬度、总可溶性固形物（TSS）、pH值、颜色变化（ΔE））和生化性质（总酚含量（TPC）、抗氧化性能（DPPH））的影响。最优配方由0.56%（w/v）海藻酸盐、0.33%（w/v）瓜尔胶和2.11%（w/v）果胶组成，根据我们的机器学习模型显示，其失重为7%，硬度为586.34 N，pH值为4.08，ΔE为4.32。此外，通过优化出现了两种配方家族：果胶丰富的涂层延长了保质期，降低了重量损失并抑制了颜色变化，而海藻酸盐丰富的涂层则保持了更好的硬度。所有机器学习模型（随机森林（RF）、支持向量回归（SVR）和极端梯度提升（XGB））都达到了较高的预测准确性（R² > 0.97）。
-
使用卷积神经网络和梯度加权类激活映射的拉曼光谱技术用于常见苹果农药混合物的多标签识别
查看原文
2025
Food Control
中科院一区JCR一区
Salvador Castillo-Girones, Quentin Armould, Juan Gómez-Sanchis, Jose Blasco, Olivier Pigeon, Vincent Baeten & Juan Antonio Fernández Pierna
食品标签
新鲜水果 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 卷积神经网络 缺陷/异物检测与定位 红外/拉曼光谱数据市场上的水果必须不含对人体有害的农药，但残留物往往持续存在，对公众健康构成风险。高效检测这些残留物至关重要。然而，传统方法速度慢且缺乏实时能力。此外，当农药以混合物形式使用时，检测挑战变得更加困难，而拉曼光谱为识别农药残留提供了一种有前景的实时解决方案。本研究通过拉曼光谱和多标签分类方法，调查了苹果上常用农药活性化合物在复杂混合物中的检测，解决了识别复杂混合物中活性化合物的难题。模型也在独立的、完全不同的混合物上进行了测试，以评估其局限性和鲁棒性。
为纯活性化合物建立了独特的光谱指纹，从而能够在混合物分析中进行区分。降维技术（t-SNE和PCA）有效地区分了纯化合物和混合物。训练了三种机器学习模型：偏最小二乘法（PLS）、支持向量机（SVM）和一维卷积神经网络（1-D CNN）来识别混合物中的活性化合物。所有模型对关键化合物都给出了较高的F1分数，其中克菌丹的F1分数高于99%，但某些化合物（如灭菌丹或代森锰锌）的预测结果较差。一维卷积神经网络以最低的汉明损失取得了最佳性能，Grad-CAM分析证实其识别了相关的光谱区域。这项工作证明了机器学习增强的拉曼光谱在有效农药监测、法规遵从和食品安全方面的潜力。 -
面向痕量分子检测的人工智能集成三维混合SERS传感器
查看原文
2025
Chemical Engineering Journal
中科院一区JCR一区
Petchi Raman Mariappan, Nazar Riswana Barveen, Chih-Yu Kuo & Yu-Wei Cheng
食品标签
新鲜水果 化学污染物 过程监测与在线检测 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
智能手机/其他 分类/鉴别/等级评定 红外/拉曼光谱数据三维纳米工程化表面增强拉曼散射（SERS）基底的开发已成为实现超灵敏高选择性分子检测的重要策略。本研究采用化学氧化聚合法合成聚吡咯（PPy）纳米球，通过原位修饰金纳米颗粒（AuNPs），继而利用真空抽滤技术将三维PPy@Au SERS材料集成至柔性聚偏氟乙烯（PVDF）膜中。该方法促进了高密度等离子体网络的形成，增强了局域表面等离子体共振（LSPR）效应，并能够产生多模态热点以优化表面增强拉曼散射（SERS）性能。通过将聚吡咯（PPy）作为功能材料与金纳米颗粒（AuNPs）结合，该混合平台利用电磁增强与化学增强的协同机制，同时优化了检测灵敏度和分子特异性。该基底实现了约10的增强因子（EF），可进行高重现性的痕量分子检测。该系统展现出对福美双10 M的超低检测限（LOD），并通过水果表面的实际测试验证。为进一步提升检测精度并实现光谱分类自动化，本研究开发了用于SERS光谱分析的人工神经网络（ANN）模型。经过训练的ANN模型展现出100%的分类准确率，能有效区分福美双残留物与亚甲基蓝（MB）、酸性橙（AO）、靛蓝胭脂红（IC）及罗丹明B（RB）等有机污染物的光谱特征，凸显其在实际传感场景中的强健预测能力。本研究提出了一种可扩展的三维SERS传感平台，通过将等离子体纳米工程与人工智能（AI）驱动分析相结合，实现了实时无损的分子检测。这种AI融合策略增强了系统的适应性，使其成为食品安全、环境监测及生物医学应用领域的新一代工具。
-
纳米间隙辅助 SERS/PCR 生物传感器结合机器学习直接检测食品中的金黄色葡萄球菌
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Yi Xu, Jiaji Zhu, Rui Liu, Fangling Jiang, Min Chen, Felix Y. H. Kutsanedzie, Tianhui Jiao, Jie Wei, Xiao-mei Chen, & Quansheng Chen
食品标签
液态乳 新鲜水果 微生物安全 过程监测与在线检测 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据 时序传感器/物联网数据金黄色葡萄球菌是食品安全中的主要风险因素。本研究开发了一种纳米间隙辅助表面增强拉曼散射/聚合酶链式反应（SERS/PCR）生物传感器，并结合机器学习工具，用于直接、特异检测牛奶中的金黄色葡萄球菌。研究首先通过 PCR 扩增金黄色葡萄球菌特异性 nuc 基因片段（nucT），随后利用 I- 和 Mg2+ 介导的双金属金银纳米花（Au/Ag FL@I--Mg2+）的纳米间隙效应对其进行捕获。这些纳米间隙可形成热点，实现被包埋 nucT 的直接信号放大。随后，机器学习工具用于比较分析采集到的 SERS 信号，其中自助软收缩-偏最小二乘方法表现最佳，预测均方根误差为 0.437，预测集相关系数为 0.967。该研究展示了一种新型无标记特异检测金黄色葡萄球菌的策略；通过设计合适的特异性引物，该策略可进一步扩展为检测其他食源性致病菌的平台。
