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 712 条结果
-
太赫兹光谱:用于农产品质量评价的非侵入式技术
查看原文2026
Food Control
中科院一区JCR一区Narendra Gariya, Maitri Libber, & Narpinder Singh
食品标签
新鲜蔬菜 食品安全与风险评估 品质、结构与理化性质 光谱/色谱/质谱等分析方法 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 高光谱/多光谱光谱 红外/拉曼光谱数据太赫兹波位于红外和微波之间,因其高灵敏度、无损和非电离特性,已积极应用于食品质量测量。太赫兹波与农产品的相互作用使其适合检测水果和蔬菜中的成熟度、水分含量、内部缺陷和微生物污染。本文强调太赫兹光谱和成像在农业领域的潜力,并探讨其与人工智能和物联网的集成。基于 AI 的模型有助于腐败预测分析,而物联网可辅助实时跟踪贮藏和运输状态,两者共同构成自动化食品质量评估系统的基础。尽管具有优势,太赫兹技术仍面临设备成本高、穿透深度低、长期暴露安全问题以及缺乏标准化等挑战,限制了其应用。未来研究需要聚焦低成本便携式太赫兹系统开发、太赫兹与其他成像技术如高光谱成像的集成,以及 AI 分析方法的利用。这些进展有望提升食品安全、减少采后损失并加强农业供应链。
-
食品源危害监测中智能指示剂及其与传感系统集成的研究进展
查看原文2026
Food Control
中科院一区JCR一区Tamanna Awasthi, Samandeep Kaur, Shweta Joshi, & Ravneet Kaur
食品标签
复合/即食/餐饮食品 食品安全与风险评估 品质、结构与理化性质 常规理化指标测定计算机标签
机器学习/统计学习 分类/鉴别/等级评定 时序传感器/物联网数据保障食品安全和品质是全球重要议题,因为食品源危害会严重威胁公共健康并造成显著经济损失。传统检测方法虽然可靠,但耗时、劳动强度高,不适合复杂供应链中的实时监测。相比之下,智能指示剂和传感技术的最新进展能够快速、准确、连续地检测腐败和污染,在食品安全保障方面具有很大潜力。本文综述了智能指示剂和传感器及其在微生物污染和化学危害检测中的应用,并讨论了传感器在食品包装和加工线中的集成,强调其在数据驱动食品安全管理中的作用。文章考察了时间-温度指示剂、pH 指示剂、湿度指示剂和新鲜度指示剂等多种智能指示剂在腐败检测和品质保障中的应用,同时探讨了纳米技术、物联网、智能包装和人工智能与先进生物传感平台的集成如何推动食品安全管理转型。总体而言,该综述强调先进传感技术和数字化创新正在重塑食品安全未来,并促进全球食品生态系统的透明度、可持续性和消费者信任。
-
基于金属有机框架-人工智能整合的智能食品保鲜系统:技术突破与发展趋势
查看原文2026
Food Chemistry
中科院一区JCR一区Xin Ding, Nasi Ai, Yiming Zhao, Lingyun Li, Ge Chen, Donghui Xu, Xiaomin Xu, Lin Qin, Jing Chen, & Guangyang Liu
食品标签
保藏与贮藏 包装与智能监测 智能/指示型包装 包装系统中的监测与标签应用计算机标签
机器学习/统计学习 深度学习 设计/生成与推荐 时序传感器/物联网数据智能保存系统结合功能性纳米材料,具有广泛的适用性并呈现良好的发展趋势。金属有机框架(MOFs)是一种新型多孔晶体材料,由于其超高的比表面积、可调孔隙和多功能化特性,表现出卓越的气体吸附、受控释放和环境响应能力。作为新兴纳米材料,MOFs通过与人工智能(AI)技术的结合,在智能食品保存应用中显示出巨大的潜力。它实现了从分子级材料设计到智能终端包装的全面创新,体现出显著的跨学科价值。本文回顾了AI指导的MOFs新型合成策略,并系统性地综述了其结构特征和分类方案。本综述系统地分析了金属有机框架(MOFs)的结构参数--金属离子、孔隙结构和负载能力--如何影响智能保鲜中的抗菌、气体/湿度调控及刺激响应特性。此外,本文还全面回顾了基于MOF的智能食品保鲜的最新进展,同时充分展示了MOF与人工智能整合在下一代智能保鲜技术中的巨大潜力。
-
不同处理方式对柑橘贮藏货架期影响的系统比较及保鲜措施筛选:一项频次网络 Meta 分析
查看原文2026
Food Chemistry: X
中科院一区JCR一区Shiyi Xu, Xinyue Dai, Weifeng Zhao, Xuehu Yang & Ran Tang
食品标签
新鲜水果 保鲜涂膜与保鲜剂计算机标签
机器学习/统计学习 定量预测/回归分析背景柑橘果实采后极易发生损耗,亟需高效且环境友好的保鲜策略。本研究对多种处理方式进行综合评价,旨在筛选出延长柑橘货架期的最优措施。方法采用贝叶斯网络 Meta 分析对随机对照试验进行整合,比较 27 种保鲜处理,并通过合并关键指标的标准化均数差对保鲜效果进行排序。结果不同处理在特定目标上表现更优:肉桂油 - 魔芋葡甘聚糖涂膜可保持果实硬度并减少失重;羟丙基甲基纤维素 - 壳聚糖复合处理能抑制腐烂并调控酸度;生物活性处理可提升次生代谢产物含量与抗氧化酶活性。结论本 Meta 分析为柑橘保鲜处理提供了循证排序,可为降低采后损耗、提升果实品质及推动可持续发展提供指导。不存在普适性最优的单一处理方式,未来研究应聚焦多目标优化,构建均衡的综合保鲜方案。
-
利用智能技术提升乳及乳制品安全性
查看原文2026
Food Control
中科院一区JCR一区Shubham Singh Patel, Aarti Bains, Ravinder Kaushik, Sanju Bhala Dhull, Rupak Nagraik, Mohammad Fareed, Sandeep Janghu, & Prince Chawla
食品标签
液态乳 暴露评估与风险表征 其他安全问题 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 高光谱/多光谱光谱 红外/拉曼光谱数据乳及乳制品营养价值较高,但也容易受到掺假、微生物污染、品质劣变和供应链欺诈等问题影响。本文综述了智能技术在提升乳品安全和质量控制中的应用。文章重点讨论了人工智能、机器学习、大数据分析、区块链、物联网、高光谱成像和数字图像分析等技术在乳品领域的应用。人工智能和机器学习可用于快速检测掺假物、污染物和质量缺陷;物联网系统可实时监控储藏、运输和环境条件;区块链可提高乳品供应链的可追溯性和透明度;大数据分析可强化风险评估和决策;高光谱成像与数字图像分析可实现杂质和产品缺陷的无损识别。综述认为,多种智能技术的集成有助于减少乳品掺假和污染、降低浪费、优化乳品加工,并支撑更安全的乳及乳制品生产。