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 393 条结果
-
融合 X 射线计算机断层成像和机器学习的带壳核桃多缺陷识别与仁饱满度无损评估流程
查看原文2026
Food Control
中科院一区JCR一区Menglong Ma, Ming Zhang, Haitao Fu, Yixiao Wang, Ning Yang, Huang Dai, Fuwei Pi, Xiaodan Liu, & Jiahua Wang
食品标签
豆类与坚果(及籽类) 品质、结构与理化性质 显微与成像技术计算机标签
图像分割网络 支持向量机 缺陷/异物检测与定位 可见光/RGB/视频数据 中等规模数据集传统目视检测难以高效识别带壳核桃的内外部缺陷。本研究提出了一种融合 X 射线计算机断层成像和机器学习的无损流程,用于多缺陷识别和核桃仁饱满度评估。研究共分析 495 个 Wen-185 纸皮核桃,其中包括 45 个壳裂样品,以及 450 个健康、仁萎缩和虫害样品。研究利用 X-ray CT 图像,并采用 Canny 边缘检测和闭合轮廓分析进行壳裂检测,同时使用 U-Net 分割核仁和整果,核仁 Dice 系数为 0.89,整果 Dice 系数为 0.95。研究提取 12 个三维形态特征,并训练 GBDT、XGBoost、LightGBM、SVM 和 LDA 模型,采用 SHAP 进行特征解释。GBDT 和 XGBoost 对健康、仁萎缩和虫害核桃的分类准确率达到 0.99。仁壳比和体积估计与破坏性测量高度相关,其中仁壳比 R2 为 0.9839、MAPE 为 6.66%、RMSE 为 0.0178;核仁体积 R2 为 0.9896、MAPE 为 6.36%;整果体积 R2 为 0.9651、MAPE 为 2.57%。结果表明,X-ray CT 结合机器学习可用于核桃无损分选和内部品质评价。
-
环介导等温扩增在主动检测水产品欺诈中的视觉检测方法的系统综述
查看原文2026
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区Xiong Xiong, Yan Guo, Tianlong Wang, Hongwei Song, & Ying Yang
食品标签
鱼肉 其他安全问题 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据 文本/知识库/法规数据由于全球掺假和标签错误的趋势上升,水产品物种的鉴别成为一个重大问题,这对经济、环境甚至公共健康都有显著且令人担忧的影响。环介导等温扩增(LAMP)由于其快速的周转和简化的等温操作条件,正成为水产品鉴别的一种有前景的方法。尽管传统LAMP结果解释方法的准确性较高,但它们通常耗时且劳动强度大,需要使用复杂的分析仪器和熟练的技术人员。相反,可视化检测由于其简单、经济、便携且适合现场检测的优点而具有优势。在本综述中,我们总结了视觉LAMP检测的最新进展,重点介绍了利用金属离子与焦磷酸离子之间配位化学的检测技术创新。我们还介绍了使用基于智能手机分析pH敏感指示剂进行定性和定量检测的各种策略。此外,还分析了基于扩增产物的方法,包括依赖序列和非依赖序列的方法。基于当前技术发展的状况,我们最后提出了若干对未来研究方向的关键建议,以加速这些技术在水产品鉴定中的广泛应用和实际实施。
-
用于红辣椒粉掺假检测的深度神经网络:食品质量4.0的支柱
查看原文2026
Journal of Future Foods
中科院一区JCR一区Dilpreet Singh Brar, Birmohan Singh, & Vikas Nanda
食品标签
其他果蔬制品/植物类 其他安全问题 品质、结构与理化性质 显微与成像技术计算机标签
卷积神经网络 其他深度学习结构 分类/鉴别/等级评定 可见光/RGB/视频数据红辣椒粉(rcP)是一种用途广泛的香料,由于其独特的辛辣特性和红色,全球各种烹饪产品中均有应用。市场需求较高使这种香料容易受到不道德掺杂的影响,因此其质量评估至关重要。计算机视觉在食品掺假检测中的非破坏性应用因其稳健性和可行性,一直吸引着研究人员和行业关注。随着食品质量4.0和人工智能时代的到来,本研究采用基于一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)模型的方法来检测rcP的掺假情况。性能评估指标用于分析这些模型的效率。基于Lab色彩空间的直方图特征在1D-CNN模型(BS-40,Epoch 100)上的训练显示准确率为84.56%。另一方面,2D-CNN模型DenseNet-121(adamW和BS-30)的测试准确率也为84.62%。根据本研究的观察,可以得出结论,CNN模型可以成为解决食品质量评估中掺假检测问题的有前景的工具。此外,可以开发基于物联网的系统,帮助工业和政府机构监控rcP的质量,以应对食品掺假行为。
-
从视觉感知到数字化评估:基于智能手机的比色和荧光传感食品新鲜度监测综述
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Jingwen Li, Xinjia Zhou, Xiaoli Qin, Xiong Liu, & Jinfeng Zhong
食品标签
货架期预测与品质劣变动力学 过程监测与在线检测 显微与成像技术计算机标签
智能手机/其他 深度学习 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据背景:微生物生长、酶促反应和化学氧化是食品变质的主要驱动因素,会影响产品的质量和保质期。传统的实验室方法受限于便携性差和分析时间长。视觉传感器能够实现实时的新鲜度监测。然而,这些方法常常缺乏精确的定量能力。基于智能手机的光学平台将主观视觉评估与精确定量分析结合起来,作为有效的分析工具。范围和方法:本综述批判性地审视了促使食品新鲜度评估从定性向定量转变的相关技术。重点关注利用比色和荧光响应材料的信号生成机制、图像处理流程,以及建立用于高精度定量的机器学习算法。此外,综述还批判性地讨论了传感系统的物理集成、在实际食品基质中的验证,以及与设备间差异性和环境异质性相关的挑战。主要发现和结论:基于智能手机的便携式检测设备已发展为一种复杂的分析平台,能够将主观的视觉信号转化为客观指标。先进的功能光学材料(如金属有机框架、聚集诱导发光探针)结合基于智能手机的成像算法,显著提高了灵敏度和可靠性。深度学习的整合代表了在复杂腐败标志物的自动化、非破坏性识别方面的重大进展。最终,通用校准方法的开发以及传感器与物联网的整合被强调为食品供应链数字化转型的关键。
-
双 Pickering 双重乳液的摩擦学特性:机器学习辅助的内液滴分析
查看原文2026
Food Hydrocolloids
中科院一区JCR一区Elizabeth Tenorio-Garcia, Siavash Soltanahmadi, Jens Saalbrink, Jose C. Bonilla, Michael Rappolt, Elena Simone, & Anwesha Sarkar
食品标签
乳清及乳清制品 巧克力及含可可制品 质构与流变性质 质构与流变测试 显微与成像技术计算机标签
机器学习/统计学习 缺陷/异物检测与定位 可见光/RGB/视频数据本研究考察了 Pickering 水包油乳液以及在两个界面上均由颗粒稳定的双 Pickering 水包油包水双重乳液(DEs)的摩擦学性能。水包油乳液由可可脂基油凝胶(CBolg)晶体稳定,而以这些乳液为内相的双重乳液则由乳清蛋白微凝胶(WPM)稳定。研究考察了温度(21 ℃和 37 ℃)以及表面纹理(光滑表面与仿生舌状表面)对水包油乳液(含水体积分数为 30%~60%)和双重乳液(含 20% 和 60% 质量分数的水包油相)摩擦学行为的影响。在光滑表面上,CBolg 主要通过一种依赖温度的脂肪润滑机制,在降低摩擦系数(μ)方面发挥关键作用。在双重乳液中,内部包裹水相的较小油滴可提供与油基体系相似的润滑作用,直至发生润滑剂匮乏。值得注意的是,在仿生舌状表面上,水包油乳液的含水量使不同乳液体系表现出明显差异,较高含水量对应较低的润滑性能。采用机器学习(ML)辅助的液滴分割方法分析共聚焦显微镜图像,使研究人员能够更精确地评价双重乳液在摩擦应力作用下的内部结构变化。结果表明,尽管双重乳液的内液滴尺寸发生了变化,但由于这些液滴被卷入接触区的程度有限,其对整体润滑性能的贡献很小。更重要的是,摩擦学性能主要由 WPM 决定,液滴卷入现象的影响极为有限。这些基础性发现凸显了结构化水在理解乳化体系摩擦性能方面的重要性,并表明体系结构完整性、组成以及摩擦表面形貌是关键影响因素。