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)

深度学习

共 339 条结果

  • 人工智能在奶酪制造中的应用:技术、应用及未来前景的综合评述

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

    Nuo Xu, Biqi Liu, Renyi Geng, Yu Zhang, Xinyan Yang, Wei Zhang, Bo Qu, Ling Guo, & Yujun Jiang

    食品标签

    奶酪 加工与新加工技术 品质、结构与理化性质 食品安全与风险评估 发酵工艺与动力学

    计算机标签

    大语言模型 深度学习 过程控制与实时优化 多模态/融合数据

    背景:奶酪作为一种发酵乳制品,其生产过程复杂,包括牛奶标准化、巴氏杀菌、发酵、凝乳、成熟和包装。这些过程需要对关键参数如pH值、温度、时间和微生物活性进行精确控制,而传统方法通常难以在效率和一致性之间取得平衡。近年来,人工智能(AI)在食品加工中的整合显示出优化整个奶酪生产链的巨大潜力,从配方设计到安全保障和质量控制。范围与方法:本综述首先概述了关键AI技术,包括数据采集、数据预处理、机器学习(ML)、深度学习(DL)、自然语言处理(NLP)和大语言模型(LLMs)。然后系统地分析了人工智能在奶酪生产链中的当前应用和挑战,涵盖原材料检测、配方优化、过程控制、质量评估和包装。此外,还讨论了基于人工智能的奶酪生产和质量管理的转型路径,以及未来的前景。关键发现和结论:结果表明,人工智能能够对生产过程中关键参数进行实时监控和智能控制。在实验室条件下,该方法表现尤为出色,超过一半的研究报告分类准确率超过90%,回归模型的R²值超过0.9。然而,在实际工业应用中仍面临挑战,包括可推广性有限、实施成本高和可解释性差。未来在多模态整合、边缘智能、人机协作和绿色制造方面的进展,预计将推动奶酪行业迈向定制化、低碳化和完全智能化的生产系统。

  • 用于番石榴贮藏期间无损实时品质监测的新型多模态数据融合策略

    2026
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Jingxiao Yu, Zongxin Liu, Hongbin Pu, & Da-Wen Sun

    食品标签

    新鲜水果 颜色与外观品质 特征风味 光谱/色谱/质谱等分析方法 显微与成像技术 碳水化合物与糖类

    计算机标签

    深度学习 偏最小二乘法 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱

    番石榴是全球重要经济水果,因其特征风味和丰富营养价值而受到重视。然而,番石榴采后强烈的生理和生化活动会加速品质劣变并造成大量采后损失,因此亟需快速、无损的品质监测方法。本研究结合高光谱成像、近红外光谱和拉曼光谱,利用不同传感技术的互补信息建立番石榴品质评价的多模态数据融合框架。研究比较了随机森林回归、支持向量回归和偏最小二乘回归在单传感器建模中的表现,其中 SVR 模型表现最佳。基于最优 SVR 模型,系统评估了低层级(数据拼接)、中层级(特征拼接)和高层级(决策堆叠)融合策略,中层级融合取得最佳结果。此外,研究比较了连续投影算法和注意力机制的特征提取效果,并进一步评估了 SVR 与多层感知机模型的预测性能。结果表明,基于 SPA-SVR 的中层级融合模型对红绿值 a、黄蓝值 b 和总可溶性固形物的预测效果最佳,R2 分别为 0.8413、0.7537 和 0.8808,对应预测均方根误差分别为 2.1743、2.9091 和 0.5336。结果证明,多光谱融合能够有效克服单一光谱技术的局限,为热带水果智能品质监测提供高效方案,并在农产品质量追溯和供应链优化中具有应用前景。

  • 基于 β-环糊精辅助共色和机器学习的高稳定性比色水凝胶指示剂用于猪肉新鲜度实时监测

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

    Xiaoxue Han, Shuaibo Zhang, Junping Yin, Shasha Zhang, Muhammad Waqas, Yuye Zhong, Xianwen Ke, & Xinghai Liu

    食品标签

    生物基/可降解材料 食品安全与风险评估 质构与流变性质 光谱/色谱/质谱等分析方法 常规理化指标测定 花青素与类胡萝卜素

    计算机标签

    深度学习 模型可解释性 分类/鉴别/等级评定 红外/拉曼光谱数据 质构/流变/感官数据

    对可持续食品安全方案的需求不断增长,推动了无损、实时监测技术的发展,以减少食品腐败造成的浪费。本研究将柠檬酸共色的黑枸杞花青素引入由羧甲基纤维素、β-环糊精和聚乙烯醇组成的可降解基质中,制备出高稳定性水凝胶比色指示剂。与单独使用黑枸杞花青素相比,柠檬酸共色和 β-环糊精包埋构成的双重稳定策略协同提高了花青素结构稳定性。柠檬酸与花青素之间的氢键作用使其在 pH 2 和 pH 3 下的吸光度分别提高 1.88 倍和 1.67 倍;FT-IR 和 UV-Vis 光谱证实了花青素-β-环糊精包合物的形成。所得水凝胶具有良好的机械性能,压缩强度为 130 kPa;其对 pH 和氨具有明显颜色响应,ΔE > 40,并能在 7 min 内快速响应挥发性胺,通过玫红、黄色和绿色等清晰颜色变化实现猪肉新鲜度实时监测。在此基础上,研究采用 VGG-16 深度学习模型进行腐败分类,准确率达到 95.4%,有效降低了人工目视判读的差异。该工作将先进材料设计与人工智能结合,为供应链中食品品质的精准实时监测提供了一种便携、简单且易制备的工具。

  • 食品风味分析的数据挖掘进展:技术、应用与未来方向的全面综述

    2026
    Journal of Future Foods
    中科院一区
    JCR一区
    查看原文

    Qihan Wu, Jiawen Yuan, Jie Zhou, Shuai Yu, Xing Xin, Jin Liu & Xiaohui Cui

    食品标签

    风味组学

    计算机标签

    机器学习/统计学习 深度学习 大模型与 LLM 知识抽取与语义理解 组学数据 文本/知识库/法规数据 多模态/融合数据 公开数据集

    在食品风味研究领域,存在大量源自风味组学、专业数据库以及社交媒体的结构化与非结构化数据。为从各类异构数据源中高效提取有价值信息并推动其合理应用,学界已开展大量数据挖掘相关研究。本文系统梳理了数据挖掘技术在食品风味领域的应用现状,归纳了多种多元数据处理方案。文章梳理了当前风味组学领域的各类研究成果,介绍了可解决数据集样本量小、人工数据整理流程繁琐等难题的数据预处理方法。此外,本文总结了依托人工智能与大语言模型搭建的新型技术手段,阐释了其在风味分子预测、配方研发方面的应用前景。最后,本文探讨了数据挖掘技术应用于风味研究所面临的挑战与发展机遇。

  • 用于评估食品系统中抗氧化活性的人工智能驱动振动光谱方法

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

    Rili Zha, Fangchen Ding, Julio Nogales-Bueno, María José Jara-Palacios, Berta Baca-Bocanegra, & Dolores Hernanz

    食品标签

    抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 显微与成像技术 植物化学/生物活性成分

    计算机标签

    深度学习 智能手机/其他 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱

    背景:食品系统中含有多种生物活性化合物,这些化合物对人类健康具有有益作用,其中抗氧化活性(AA)在缓解氧化应激相关疾病中起着关键作用。用于评估AA的传统分析方法通常劳动密集、破坏性强,并且不适合高通量或大规模评估,而人工智能增强的振动光谱技术能够在各种食品基质中快速、无破坏性且可持续地评估AA。范围与方法:本文系统总结了近红外和中红外光谱、拉曼光谱及高光谱成像等有前景的振动光谱技术的原理、应用及局限性,并回顾了其在食品AA预测方面的最新应用。值得注意的是,结合振动光谱、超参数优化、可解释人工智能、多模态数据融合和自动化机器学习的人工智能策略的进展,被用来提高氨基酸评估的准确性和可靠性。最后,本综述概述了面向大规模和实际AA感测的未来方向,强调端-边-云协作建模、区块链支持的电子标签,以及用于消费者级应用的便携式智能手机光谱仪。主要发现与结论:振动光谱与先进人工智能技术的结合,使在复杂食品系统中进行快速、无损和可扩展的氨基酸评估成为可能,弥合了实验室分析与实际应用之间的差距。基于深度学习的光谱优化、数据融合、可解释人工智能和自动化机器学习框架显著提高了模型的鲁棒性、可解释性和自动化水平。展望未来,端-边-云协作、区块链支持的可追溯性以及便携式智能手机光谱仪将支撑食品系统中大规模氨基酸预测,推动人工智能驱动的食品营养质量和功能价值评估。

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