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
-
基于机器学习的食品安全分析:全面综述与未来展望
查看原文2025
Food Chemistry
中科院一区JCR一区Jiaxun Li, Aihong Wu, Liqiang Liu, Aihua Qu, Chuanlai Xu, Hua Kuang & Liguang Xu
食品标签
食品安全与风险评估 显微与成像技术 其他特殊成分计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据随着全球人口增长和供应链复杂化,食品安全挑战日益加剧。传统分析方法虽精准,但在速度和适应性方面存在局限。机器学习(ML)提供了数据驱动的解决方案,在污染物检测(农药、重金属、微生物)、通过图像/感官分析进行质量评估以及供应链溯源等方面表现出色。尽管潜力巨大,机器学习仍面临数据质量不一致、模型可解释性不足以及缺乏标准化协议等挑战。未来的进展取决于优化算法以提高准确性、通过可解释人工智能增强透明度、整合物联网进行实时监测以及建立监管框架。这些创新有望改变食品安全分析,确保全球食品更安全且可溯源。
-
融合多源光谱数据的机器学习方法用于预测中华蜜蜂蜂蜜的花源及滋味成分
查看原文2025
Food Research International
中科院一区JCR一区Zhaolong Liu, Hongxia Li, Nan Liu, Cuiling Liu, Xiaorong Sun & Lanzhen Chen
食品标签
蜂蜜等天然糖 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常量营养素(宏量)计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据 多模态/融合数据本研究探讨了利用近红外、中红外和拉曼光谱融合技术快速预测中华蜜蜂蜂蜜花源和主要滋味成分的方法。基于偏最小二乘回归-随机森林的特征级融合模型在识别蜂蜜花源方面达到了100%的分类准确率。此外,该模型对糖类、氨基酸和有机酸表现出强大的预测能力,其R2值介于0.88至0.96之间,并且在预测总有机酸和总氨基酸方面表现尤为突出(R2值分别为0.94和0.93)。PLSR-RF模型在脯氨酸、葡萄糖和果糖的预测上显示出有效的聚类效果,与数据级融合相比,预测精度提升了23.5%。这些结果证实了PLSR-RF模型在中华蜜蜂蜂蜜定量分析中的有效性。
-
机器学习:一种用于监控和确保食品安全、质量和营养的有效工具
查看原文2025
Food Chemistry
中科院一区JCR一区Xin Yang, Chi-Tang Ho, Xiaoyu Gao, Nuo Chen, Fang Chen, Yuchen Zhu & Xin Zhang
食品标签
品质、结构与理化性质 营养与生物功能 食品安全与风险评估计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析食品安全、质量和营养等领域被复杂的数据集淹没。机器学习(ML)已成为食品科学领域的强大工具,相比传统方法,它提供了快速、便捷且高效的解决方案。本综述概述了机器学习在保障食品安全、提升质量以及解开营养复杂性方面的应用。该综述涵盖食品污染物预测、食品等级分类、掺假物检测以及食品营养素及其与营养疾病的相关性分析。此外,机器学习方法旨在阐明肠道微生物群、饮食模式与疾病病理之间的关系,从而将肠道微生物群定位为通过饮食调控干预疾病的潜在生物标志物。本研究为未来机器学习在食品科学领域的应用提供了宝贵参考。
-
适应性食品价格预测在快速经济变化时期提升公众信息
查看原文2025
Nature Communications
中科院一区JCR一区Matthew J. MacLachlan, Michael K. Adjemian, Xiaoli Etienne, Megan Sweitzer, Richard Volpe III & Wendy Zeng
食品标签
其他复合食品 过程控制与数字化 统计建模与仿真 传统统计分析与回归计算机标签
机器学习/统计学习 智能手机/其他 定量预测/回归分析 时序传感器/物联网数据 文本/知识库/法规数据COVID-19 的到来结束了继 2010-2012 年世界粮食价格危机之后美国零售食品价格稳定的时代。与大流行相关的中断、禽流感爆发以及俄乌战争导致 2022 年家庭食品通胀率达到自 1974 年以来的最高水平(11.4%)。2023 年,美国农业部(USDA)经济学家通过使用统计学习协议更新食品价格预测来应对这些变化,以选择时间序列模型和预测区间来传达其不确定性。我们表征了这些“适应性”通胀预测所提供的公共利益,并通过纳入外生变量来增强它们,以提高其精确度和解释力。COVID-19 的到来凸显了适应扣除食品和能源的所有项目(“核心”)指数、货币供应量和工资在预测食品价格方面日益增加的相关性的价值。食品价格与核心价格和货币供应量之间的密切关系表明食品市场对宏观经济力量和政府政策决策的敏感性。
-
用于食品质量评估的多激光高光谱成像系统
查看原文2025
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Jia-Cheng Li, Jia-Yong Song, Ze-Sheng Qin, Li-Feng Bian & Chen Yang
食品标签
其他根茎类 传统热加工 品质、结构与理化性质 理化与结构表征计算机标签
机器学习/统计学习 定量预测/回归分析 高光谱/多光谱光谱本研究旨在解决传统高光谱系统在光谱纯度和热伪影等方面的固有问题,引入了一种用于食品质量检测的新型激光高光谱成像系统(LHIS)。该系统采用了一种创新的照明策略,利用一系列可切换的窄线宽激光器,将其均匀化为无散斑的均匀光源。该设计旨在以简化的结构实现卓越的光谱纯度和低热负荷。在干燥过程中对复杂食品基质的干物质含量和质构参数进行无损评估存在重大挑战。与传统系统不同,我们定制的LHIS独特地采用20个离散激光波长同时采集透射和反射高光谱图像,证明了其在监测60°C热风干燥山药切片过程中的有效性。采用偏最小二乘法、极限学习机、随机森林和XGBoost算法来预测干物质含量和硬度。透射模式 consistently 表现出更优的性能,其中PLS在干物质含量预测上达到最佳效果(R2 = 0.98),XGBoost在硬度预测上表现突出(R2 = 0.938)。伪彩图生动地展示了干物质含量从外到内的空间演变过程,以及伴随的硬度增加。最显著的是,LHIS仅使用20张光谱图像就实现了稳健的预测,与传统系统通常所需的数百张图像相比大幅减少,极大地降低了数据采集和处理需求。本研究证实了窄带激光在分析复杂生化系统方面的显著优势,并将LHIS确立为一种用于食品干燥过程质量评估的创新、高效方法,为农产品加工中的智能在线监测奠定了坚实基础。