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 39 条结果
-
人工智能用于预测各类食品保质期：最新进展与持续挑战
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Mahdi Rashvand, Yuqiao Ren, Da-Wen Sun, Julia Senge, Christian Krupitzer, Tobi Fadiji, Marta Sanzo Miró, Alex Shenfield, Nicholas J. Watson & Hongwei Zhang
食品标签
保藏与贮藏 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 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/物联网数据背景：准确估算保质期对于维持食品安全、减少浪费和提高供应链效率至关重要。传统方法（如微生物和化学分析以及感官评价）可提供可重复的结果，但耗时耗力，且可能不适用于实时或高通量应用。人工智能与先进分析技术的集成为在动态存储环境中快速、数据驱动地估算保质期提供了一种合适的替代方案。
方法与范围：本综述评估了基于人工智能的技术（如机器学习、深度学习和混合方法）在食品保质期预测中的应用。本研究重点阐述了如何利用人工智能分析来自高光谱成像、光谱学、机器视觉和电子传感器等无损检测方法的数据，以提升预测性能。综述还描述了基于人工智能的技术如何通过确保优化的食品配送和减少浪费，来帮助管理食品质量、减少经济损失并增强可持续性。
主要发现与结论：人工智能技术通过整合影响食品腐败的微生物、生化和环境因素等多源复杂信息，克服了传统技术的局限。肉类、乳制品、果蔬和饮料的案例研究证明了人工智能技术在实时监测和质量评估方面的优越性。同时，本文也指出了数据可用性、模型普适性和计算成本等限制其广泛应用的局限性。未来的应用需要考虑将云平台和物联网平台集成，以实现实时决策和自适应建模。人工智能可以成为食品行业的一种范式转变工具，为食品安全、减少浪费和可持续性提供智能化、可扩展且低成本的解决方案。 -
季节性变化驱动浓香型大曲核心微生物的演变：一项整合多组学分析与深度学习的研究
查看原文
2025
Food Research International
中科院一区JCR一区
Ping Huang, Shiyuan Ma, Xiawei Yi, Rongqing Zhou & Chongde Wu
食品标签
发酵食品及酱腌制品 保藏与贮藏 微生物与发酵实验计算机标签
深度学习 分类/鉴别/等级评定 定量预测/回归分析核心微生物在决定大曲（一种发酵剂）质量方面起着至关重要的作用，其识别和调控对于进一步控制大曲和白酒的质量至关重要。因此，本研究揭示了季节和压制模式变化下大曲的风味动态和微生物演替，并基于此，通过整合高通量测序和深度学习揭示了核心微生物和群落组装。对120个大曲样品的理化性质和风味化合物分析表明，春季生产的大曲表现出更高的酶活性、酯类和吡嗪类化合物的多样性和丰度。此外，硬脂酸甲酯和2-十一酮被鉴定为区分不同季节生产的大曲的差异风味化合物。优势细菌均与耐热微生物和酸度相关微生物（如芽孢杆菌属、高温放线菌属、葡萄球菌属和魏斯氏菌属）有关，而真菌在所有季节中主要由嗜热子囊菌属和嗜热丝孢菌属组成。通过对微生物、理化性质和风味化合物之间相互作用的调查，并借助数据驱动的关键物种识别（DKI）框架进行验证，揭示了不同季节生产的大曲的核心微生物。地霉属和棒孢酵母属被鉴定为不依赖于季节变化和压制模式的核心微生物。进一步基于βNTI和RCbray的分析被用于研究大曲的群落组装过程，结果表明在季节变化过程中，随机漂变始终主导着群落组装。这些发现可能为优化不同季节浓香型大曲的生产，并进而提升大曲质量提供科学指导。
-
基于人工智能的低空配送新鲜食品供应链：研究进展与趋势
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Yonggan Zhao, Min Zhang, Arun S. Mujumdar, Benu Adhikari & Luming Rui
食品标签
保藏与贮藏 品质、结构与理化性质 可持续性与资源高值化 过程控制与数字化计算机标签
定量预测/回归分析 过程控制与实时优化背景：新鲜食品是日常生活中不可或缺的一部分，消费量相对较大。然而，它是一种易腐食品，在供应链过程中容易导致新鲜度下降和营养价值降低，因此其供应链的高效运行对于确保产品质量、减少浪费、降低成本和提高客户满意度至关重要。
范围与方法：本文探讨了如何将低空配送技术（如无人机）与人工智能相结合，以改变保鲜和运营可持续性。低空配送技术与人工智能的结合为新鲜食品供应链的效率和智能化提供了新的范式。本文分析了人工智能在需求预测与库存管理、路径优化与动态调度、质量监测与管理、自主避障与安全控制等方面的重要作用，并强调了无人机赋能供应链配送的创新潜力。讨论了人工智能低空配送在新鲜食品供应链中面临的挑战和未来发展方向。
主要发现与结论：本综述表明，人工智能驱动的低空配送可以提高新鲜食品供应链的效率和可持续性，并有助于保护新鲜食品的质量特性。然而，技术和公众接受度方面的障碍依然存在，包括需要低噪音无人机、无人机能力的持续进步、建立稳健的监管标准以及保护数据安全。尽管存在这些挑战，将人工智能驱动的低空配送技术整合到新鲜食品供应链中代表了配送创新的新兴趋势。将无人机与无人电动冷藏车和配送机器人集成，有望形成高效且环境可持续的配送模式。采用共享无人机机队进行低空新鲜食品配送可以降低运营成本，同时支持无人机配送的多功能应用。通过采用这些创新，人工智能赋能的低空配送系统可以改变新鲜食品供应链，最大限度地减少浪费，并与全球可持续发展目标保持一致。 -
利用人工智能增强食品安全与保藏中抗菌生物活性化合物的筛选
查看原文
2025
Trends in Food Science and Technology
中科院一区JCR一区
Mengyue Zhou, Juliana Coelho Rodrigues Lima, Hefei Zhao, Jingnan Zhang, Changmou Xu, Célio Dias Santos-Júnior & Haizhou Wu
食品标签
保藏与贮藏 食品安全与风险评估 微生物安全 植物化学/生物活性成分计算机标签
机器学习/统计学习 分类/鉴别/等级评定 设计/生成与推荐 组学数据背景：全球食品工业中的微生物污染，由日益增长的食源性疾病和食品腐败驱动，使抗菌生物活性化合物成为焦点。传统的筛选方法耗时、费力且成本高昂。人工智能（AI）和机器学习（ML）算法能够高效筛选高性能候选物，成为发现抗菌剂的变革性工具。
范围与方法：我们评估了筛选抗菌剂的传统方法，并根据生物活性化合物的扩散途径对其进行了分类。本文还探讨了人工智能和机器学习技术在食品领域的整合，重点介绍了算法的进步、数据库的改进以及计算资源的扩展。此外，本综述深入探讨了人工智能预测的抗菌化合物实例，并讨论了它们在食品系统中作为有前景应用的验证和测试过程。
主要发现与结论：传统方法存在局限性，包括需要进行大量测试，而人工智能驱动的筛选技术能够快速高效地识别大量具有潜在生物活性的候选化合物。尽管在数据库的质量、数量、标注和网络可访问性方面面临挑战，基于人工智能和机器学习的技术在筛选用于食品应用的抗菌肽方面具有潜力。该领域的一个未来方向是扩展抗菌生物活性化合物数据库，以涵盖更广泛的来源，并纳入高质量的注释。通过整合多组学数据、优化商业抗菌剂的结构以及开发决策支持系统，最终将实现优化抗菌剂使用的个性化推荐。 -
物联网赋能的智能厨房技术及其对食品储存、制备与餐饮体验的影响：系统综述
查看原文
2025
Food Research International
中科院一区JCR一区
Hazem Golshany, Yang Ni, Qun Yu & Liuping Fan
食品标签
其他加工设备与系统 保藏与贮藏 过程控制与数字化 智能/指示型包装计算机标签
机器学习/统计学习 过程控制与实时优化 设计/生成与推荐 时序传感器/物联网数据物联网（IoT）技术在厨房中的集成正在彻底改变食品储存、制备和餐饮体验。智能厨房家具，包括物联网冰箱和烹饪设备，可加强食品管理、减少浪费并促进营养认知。本系统综述审查了2018年1月至2024年9月期间的同行评审研究，重点关注智能厨房家具的创新及其对食品管理和消费习惯的影响。智能冰箱利用传感器和人工智能监控食品新鲜度、推荐食谱、自动订购食品杂货并减少浪费。物联网烹饪设备可实现精确的温度控制、个性化营养优化以及如定制餐食的3D食品打印等先进功能。智能餐饮家具集成了份量控制系统、膳食追踪工具和交互功能，丰富了用餐体验。尽管取得了这些进步，但数据隐私问题和网络安全风险等挑战仍然显著。监管框架正在不断发展以解决这些问题，同时支持智能包装和基于区块链的食品可追溯性等新兴技术。通过融入能源效率和减少浪费等可持续性原则，智能厨房家具有潜力重新定义家庭空间，并鼓励环保意识的生活方式。本综述强调了这些技术在促进可持续消费和改善现代家庭健康结果方面的变革性作用。
