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
-
使用机器学习方法根据南极磷虾的新鲜度预测发酵磷虾酱的质量
查看原文2026
Food Chemistry
中科院一区JCR一区Wenhui Qu, Luying Tang, Ruoshu Li, Weijia Liu, Xiaoming Jiang, Qing Kong, Yunqi Wen, & Changhu Xue
食品标签
甲壳类 其他酱腌/发酵食品 货架期预测与品质劣变动力学 常规理化指标测定 发酵工艺与动力学计算机标签
机器学习/统计学习 特征工程与选择策略 定量预测/回归分析 小规模数据集南极磷虾,一种类似虾的甲壳类,其质量强烈影响发酵虾酱的质量,但其关系和预测方法仍不清楚。本研究评估了75个不同新鲜度的磷虾样品及其对应的虾酱,并成功开发了一个高性能预测模型,将原料质量与产品质量联系起来。虾在室温下仅放置24小时后便显著变质,颜色变暗,腐败相关化合物增加,产率和转换率分别从80.4%和87.1%急剧下降至58.9%和63.7%。使用多种特征选择方法和模型的机器学习表明,Lasso回归能够有效降低多重共线性,其与线性模型的结合提高了预测准确性,约有80%的特征拟合良好,并且约70%的特征平均绝对百分比误差低于5%。本研究成功建立了将磷虾新鲜度与虾酱质量联系起来的精确模型,为磷虾利用和智能发酵提供了指导。
-
稳定同位素分析与机器学习用于确定巴西巧克力的可可来源、成分组成和可可含量
查看原文2026
Food Chemistry
中科院一区JCR一区Karina Gonçalves da Silva, Marcelo Zacharias Moreira, Antonio Vargas de Oliveira Figueira, Luiz Antônio Martinelli, & Plinio Barbosa de Camargo
食品标签
巧克力及含可可制品 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 碳水化合物与糖类计算机标签
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/拉曼光谱数据巧克力是一种多用途产品,口味从甜到苦不等。可可来自C3光合植物,是其主要原料,而甘蔗(C4代谢)制成的糖常被使用。我们分析了巴西巧克力的δ13C和δ15N组成,包括常规、豆到板(Bean-to-bar)和进口品牌,涵盖白巧克力、牛奶巧克力、半甜巧克力、黑巧克力<70%和黑巧克力≥70%版本。常规白巧克力、牛奶巧克力和半甜巧克力的同位素没有显著差异,平均δ13C值约为-22‰,表明含有高比例的C4来源成分。豆到板巧克力的δ13C值低2-3‰,而使用亚马逊可可制成的巧克力比来自大西洋森林的巧克力轻约1.5‰,可以准确预测可可来源。进口巧克力的δ13C值更轻,提示C3来源成分使用更多。δ 13 C 和 δ 15 N 值也能够可靠地估算可可含量。这些发现表明,稳定同位素分析是确定巧克力成分、来源和真实性的快速、可靠且有效的工具。
-
可编程生物制造真菌和微藻生物活性多糖:解析结构-活性机制并建立合理的调控策略
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Kejing Song, Jiameng Wu, Xueshan Zhen, Ruiying Zhu, Jian Li, & Peipei Han
食品标签
微藻及藻类产品 加工与新加工技术 营养与生物功能 发酵工艺与动力学 碳水化合物与糖类计算机标签
机器学习/统计学习 设计/生成与推荐 组学数据背景:来自真菌和微藻的微生物生物活性多糖(MBPs)正在成为功能性食品和治疗剂的关键成分。然而,其更广泛的工业应用受到固有结构复杂性和难以捉摸的结构-活性关系(SARs)的限制。目前的大多数研究仍主要是描述性的,并依赖粗略的相关性分析,未能识别决定生物活性的结构特征,从而阻碍了从经验筛选到合理设计的转变。范围和方法:本文综述了真菌和微藻MBPs的生理功能,并分析了其活性背后的多尺度结构决定因素,包括单糖组成、糖苷键模式、分子量分布、分支结构以及高阶构象。它进一步整合了当前在生物合成调控、发酵控制、提取介导的重构、合成后修饰以及人工智能辅助预测方面的进展,以建立一个面向结构的合理工程和可重复制造框架。主要发现和结论:现有证据表明,真菌和微藻MBPs的生物活性是由结构可编程的决定因素所支配,而不仅仅由来源决定,精确的功能优化需要对分子架构和制造变量进行协调控制。在不同的系统中,生物效应集中于一组有限的主导决定因素,尤其是连接拓扑、分子量范围、分支模式、与电荷相关的修饰以及超分子构象,这些因素共同影响受体结合、信号输出、界面相互作用和微生物组可及性。MBPs 转化的主要障碍在于活性基元的因果验证有限、结构定义制造的控制不足以及缺乏可预测的基于 SAR 的设计。未来的进展将依赖于整合结构解析分析、理性调控以及AI辅助的设计-构建-测试-学习工作流程,以实现可编程的糖工程。
-
地球化学指纹识别与机器学习在起泡酒产地鉴定中的应用
查看原文2026
npj Science of Food
中科院一区JCR一区Yihang Lu, Carola Doerr, & Mathieu Sebilo
食品标签
酒精饮料 其他安全问题 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 小规模数据集全球葡萄酒市场面临持续的伪造威胁,尤其是对于像起泡酒这样高价值的细分市场。依赖于供应链可追溯性和地理标志的传统认证方法不足以遏制猖獗的欺诈行为,带来经济和健康风险。本研究开创性地提出了一种可扩展的地球化学指纹识别框架,将同位素和元素分析与先进的机器学习相结合,用于验证起泡酒的产地。通过使用来自香槟和勃艮第的75个法国起泡酒样本,我们利用锶同位素比值(⁸⁷Sr/⁸⁶Sr)实现了100%的分类准确率,该比值独特地反映了葡萄园的地质特征。为降低高昂的分析成本,本研究确定铷(Rb)的浓度作为一种具有成本效益的替代方案,在保持超过90%准确率的同时,将费用减少了75%。
-
人工智能赋能高价值水果动态可持续保鲜研究
查看原文2026
Food Research International
中科院一区JCR一区Zhaoxuan He, Shenggui Lin, Xingyu Liu, Wenqian Li, Yanyong Mao & Hao Shi
食品标签
新鲜水果 生物基/可降解材料 保鲜涂膜与保鲜剂 活性包装 智能/指示型包装 其他可持续性主题 其他理化与结构表征计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化 模拟与数字孪生由于呼吸失衡、微生物侵染以及环境波动,高价值果实采后在贮藏和运输过程中的品质保持仍是一大难题。近年来,人工智能驱动的薄膜技术取得进展,为果实的动态可持续保鲜提供了创新策略。通过将壳聚糖、海藻酸钠、纤维素等天然高分子基材与智能响应剂及人工智能算法相结合,这类智能薄膜可实时感知并适应温度、湿度及气体组分的变化。机器学习辅助设计可实现材料组分、气体渗透性及主动释放动力学的预测优化,而嵌入式传感器与数字孪生系统则支撑微环境的闭环调控。本文综述了人工智能集成薄膜从材料设计、过程调控到实际应用的研究进展,重点阐述其自适应气体调控、pH响应性、抗菌性能及机械稳定性。材料科学、人工智能与食品技术的协同融合,正为下一代智能包装系统奠定基础,以实现高价值果实精准且可持续的保鲜。