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 712 条结果
-
食品标签
大米 食品安全与风险评估 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/多光谱光谱大米因储存不当而频繁遭受米象侵染，降低了营养价值，并对长期储存和粮食安全构成挑战。本研究采用太赫兹成像结合机器学习技术，对受米象侵染的大米进行实时监测。对于一维光谱数据，经过一阶导数预处理的支持向量机分类模型性能提高了9.68%。基于一阶导数光谱并使用竞争性自适应重加权采样提取特征频率后，SVC模型准确率达到100.00%，预测时间减少了0.79毫秒。对于二维图像数据，添加了注意力机制的VGG7模型准确率提升至100.00%。梯度加权类激活映射表明，带注意力的VGG7模型能更准确、快速地挖掘图像中的重要信息。此外，基于加权投票的融合模型（同时利用光谱和图像数据）也表现优异。总之，本研究为了解害虫侵染大米的过程提供了重要见解，可实现快速、准确、实时的监测，以用于害虫管理和粮食保藏。
-
基于多级虚拟筛选、多感官评价、电子舌与分子模拟技术，探究红菇中新型增鲜肽的发现
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Houyuan Lao, Chao Cheng, Fangxue Hang, Caifeng Xie, Debao Niu, Kai Li & Biyang Zhu
食品标签
食用菌菇 特征风味 光谱/色谱/质谱等分析方法 其他理化与结构表征 动力学建模 数值仿真 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定本研究采用整合的感官引导、机器学习和生物信息学策略，从红菇中鉴定出增鲜肽，研究了它们的鲜味增强机制，并通过感官评价和电子舌验证了其增鲜特性。三种增鲜肽（APDGLPTGQ、SDDGFQ和GLGDDL）通过显著增强谷氨酸钠（MSG）的鲜味强度和持续时间，表现出协同/叠加效应。此外，分子对接结果显示，这些增鲜肽提高了谷氨酸钠与T1R1/T1R3受体系统之间的结合亲和力和相互作用力，从而增强了鲜味感知。分子动力学模拟进一步表明，增鲜肽的存在稳定了谷氨酸钠与T1R1/T1R3的结合，这主要通过氢键和疏水相互作用实现。这些发现阐明了增鲜肽增强鲜味的机制，为减少谷氨酸钠和钠的摄入提供了新策略，同时扩充了来源于食用菌的鲜味肽库。
-
计算机辅助分子改造提升 D-阿洛酮糖 3-差向异构酶活性和热稳定性
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Taixiao Guo, Ming Miao, & Tao Zhang
食品标签
营养与生物功能 传统热加工 蛋白质与氨基酸计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主D-阿洛酮糖 3-差向异构酶可将 D-果糖转化为 D-阿洛酮糖，但较低活性和较差热稳定性限制了其工业应用。本研究利用半理性设计和特定位点突变，同时提高来自 Clostridium scindens ATCC 35704 的 DAE（Csc-DAE）的酶活性和热稳定性。六个突变体 V22I、A25V、Q46I、C212N、G165A 和 G267D 的活性较野生型（553.7 U/mg）提高 1.08-1.31 倍，有序叠加的双点突变体活性提高 1.28-1.64 倍。其中 A25V/C212N 表现出较好热稳定性，最适温度为 65 °C，在 60 °C 下半衰期为 3.997 h，分别提高 5 °C 和 5.76 倍。在 65 和 70 °C 下转化率分别达到 30.62% 和 31.22%。研究还通过分子对接分析突变体结构变化。这些结果为 D-阿洛酮糖 3-差向异构酶工业应用提供了有益突变。
-
整合非靶向质谱和机器学习对有机与常规种植农产品进行分类：以番茄为例
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Xiao Yun, Xiaoxiao Han, Xin Zhang, Wenxiao Pan, Qiao Xue, Xian Liu, Jianjie Fu, Richard Röttger, & Aiqian Zhang
食品标签
新鲜蔬菜 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 模型可解释性 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据有机农产品需求上升使其真实性验证成为关键问题。传统基于全扫描高分辨质谱数据的分类方法通常强调特征选择，可能造成信息损失并限制模型稳健性。本研究开发了一个基于人工智能的分类框架，利用质谱数据区分有机和常规种植农产品，并以番茄为代表案例。该方法结合 1000 个质荷比（m/z）分箱和自适应提升模型，取得较高预测性能，受试者工作特征曲线下面积超过 0.990，准确率达到 0.997。除模型性能外，研究还通过基于 SHAP 的重要性分析增强可解释性，并对关键 m/z 片段进行结构注释。结果显示，赤霉素 A4 和 (Z)-白藜芦醇可作为有机种植番茄的潜在化学标志物。该框架能够识别与不同栽培方式相关且具有化学意义的离子，为有机农产品真实性鉴别提供可扩展、可解释的解决方案。
-
食品标签
蛋白质配料 微观结构与成像 其他理化与结构表征计算机标签
机器学习/统计学习 文本/知识库/法规数据植物基食品正逐渐成为动物源产品的可持续和注重健康的替代品。了解植物蛋白体系从分子到介观尺度的组织结构对于设计具有理想质地、稳定性和营养表现的产品的理想的质地、稳定性和营养表现的产品至关重要的产品至关重要。小角X射线散射和小角中子散射是在现实水合条件下深入了解这些体系分层结构的强大无损技术。本综述总结了近期在使用SAXS和SANS研究植物基凝胶、泡沫、乳液、人造肉、乳制品替代品和体外消化的应用进展。这些技术揭示了关于蛋白质聚集、网络形成、界面结构化以及消化动力学的关键信息，而这些往往是传统方法无法获得的。我们还概述了未来的研究方向，包括扩展到非热凝胶化途径、整合原位加工环境、与其他互补技术联用，以及利用AI进行结构解析。SAXS和SANS有望在合理设计具有优化功能和感官属性的下一代植物基食品中发挥核心作用。
