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 236 条结果
-
柑橘品质与病害检测中机器学习构建流程的研究进展
查看原文2026
Food Control
中科院一区JCR一区Ruijie Mai, Xiang He, Yang Li, Jingnan Ren, Xudong Gong, & Gang Fan
食品标签
新鲜水果 特征风味 加工与新加工技术 光谱/色谱/质谱等分析方法 显微与成像技术 其他植物化学物质计算机标签
深度学习 模型可解释性 缺陷/异物检测与定位 多模态/融合数据 高光谱/多光谱光谱柑橘是全球重要的鲜食和加工食品,其产量与经济价值高度依赖品质属性和病害发生情况。本文综述了用于柑橘品质与病害检测的机器学习模型构建流程进展。文章概述了数据采集、数据预处理、模型构建和模型评价等通用流程,并强调结构化数据(如光谱、色谱和化合物浓度)以及非结构化数据(如图像和高光谱图像)预处理的重要性。综述讨论了依赖人工特征的传统机器学习算法,以及能够自动学习层级表征的深度学习方法。文章梳理了多种数据模态在成熟度评估、可溶性固形物和酸度预测、缺陷检测、病害诊断和现场部署中的应用,包括图像、光谱、挥发性有机物、非挥发性化合物、高光谱图像、电子鼻数据和组学相关信息。作者指出了数据集稀缺且异质、标准化不足、跨品种泛化能力有限、预处理与模型相互依赖、黑箱解释性不足和部署受限等关键挑战。未来方向包括建立开放标准化多模态数据库、开发便携式数据采集设备、推进跨传感器数据协调、设计适用于复杂农业条件的预处理和增强方法、构建传统机器学习与深度学习结合的混合或多目标模型,并提升柑橘及更广泛农产品检测中的模型可解释性和现场可部署性。
-
基于 RGB 图像特征提取快速无损估计蓝靛果忍冬果实品质属性
查看原文2026
Postharvest Biology and Technology
中科院一区JCR一区Jian Zhang, Jixiao Li, Xiangji Meng, Yue Yang, Yidan Lyu, & Yoichiro Hoshino
食品标签
新鲜水果 颜色与外观品质 抗氧化/抗炎等功能 显微与成像技术 花青素与类胡萝卜素计算机标签
深度学习 缺陷/异物检测与定位 多模态/融合数据 可见光/RGB/视频数据蓝靛果忍冬是一种具有极高抗氧化活性和显著健康益处的浆果,但目前仍缺乏高效、无损的品质评价方法。为解决这一问题,本研究开发了基于 RGB 图像的深度学习检测模型,用于预测蓝靛果忍冬果实的花青素含量和可溶性固形物含量。该框架首先应用 YOLOv8 进行精确果实定位,随后使用 VGG16、VGG19 和 YOLOv8n 网络从定位后的果实区域提取特征。提取的特征经自适应平均池化模块压缩后,输入全连接回归模型,用于果实品质指标的定量预测。结果显示,YOLOv8n 提取的特征在预测花青素和可溶性固形物方面表现最佳,R2 分别为 0.93 和 0.79,RPD 分别为 3.81 和 2.20(AAP 尺寸为 3 x 3)。进一步分析表明,YOLOv8n 融合了多尺度浅层和深层语义纹理,相比仅依赖高层特征的 VGG 网络产生了明显更好的预测效果。特征数量与模型性能之间呈非线性关系,说明适度压缩能够保留更丰富的果实特征。花青素预测精度显著高于可溶性固形物,提示与色素相关的性状更容易由表面外观表征;相反,内部理化性质需要通过多模态数据融合提高可靠性。本研究证明了基于深度学习的图像分析用于果实无损品质评价的可行性,为蓝靛果忍冬品质分级和采收管理提供了高效、低成本方案。
-
用于预测牛油果采后硬度的物理信息神经网络
查看原文2026
Postharvest Biology and Technology
中科院一区JCR一区R.G.M. van der Sman, X. Guo, & R. Pedreschi
食品标签
新鲜水果 加工与新加工技术 保藏与贮藏 标准/法规/数据库分析 蛋白质与氨基酸计算机标签
深度学习 定量预测/回归分析 公开数据集本研究采用物理信息神经网络(PINNs)建模牛油果成熟过程中的硬度变化。模型基于一个生理框架,即硬度损失由酶促细胞壁降解控制,其动力学受代谢速率调节。PINNs 使用来自不同品种和国家、处于恒定贮藏条件下的文献数据集进行训练,揭示了相似的呼吸跃变型成熟动力学。研究进一步利用时间/温度/气体条件叠加原理,将该方法扩展到动态贮藏情景。果园来源、气候和采收时间造成的差异通过初始呼吸跃变前状态的差异体现,而这些差异无法用单一状态变量描述。
-
基于光谱重塑和动态注意力驱动深度学习的蓝莓早期碰伤无损检测
查看原文2026
Postharvest Biology and Technology
中科院一区JCR一区Yuping Huang, Zhouchen Bian, Khurram Yousaf, Xuzhong Cao, Haojun Jin, Dong Hu, Ye Sun, Weijun Xie, & Chenlong Fan
食品标签
新鲜水果 微观结构与成像 显微与成像技术计算机标签
深度学习 偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据 可见光/RGB/视频数据蓝莓果皮柔软,在采收和运输过程中极易发生碰伤。因此,早期检测碰伤对提升经济价值和满足市场需求至关重要。本研究旨在通过整合光谱数据重塑方法和引入动态注意力融合机制的改进深度学习模型,建立一种早期蓝莓碰伤无损检测新框架。研究还进行微观结构分析,以增强光谱数据解释性。比较了使用一维光谱曲线的传统模型和使用包含重塑光谱数据二维图像的深度学习模型。结果表明,在 400-1000 nm 范围内,偏最小二乘判别分析(PLSDA)和支持向量分类(SVC)取得相近准确率;在 1350-2200 nm 范围内,SVC 表现更好,准确率为 91.2%。深度学习模型在重塑的二维光谱数据集上表现突出,其中 DAF-EfficientNetV2 在原始和增强数据集上均取得最高分类准确率,即在 400-1000 nm 范围内分别为 98.5% 和 99.7%,在 1350-2200 nm 范围内分别为 95% 和 99.2%。这些结果证明,将所提出的光谱数据重塑方法与注意力增强深度学习模型结合具有有效性。
-
草莓综合质量指数的建立及其基于高光谱成像的无损预测
查看原文2026
Food Control
中科院一区JCR一区Mingzhu Sun, Fengli Jiang, Chu Wang, Aiping Zhang, & Youwen Tian
食品标签
新鲜水果 颜色与外观品质 显微与成像技术 常规理化指标测定 维生素 C计算机标签
卷积神经网络 偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据单一质量指标难以全面反映草莓成熟和整体品质。本研究建立草莓质量指数(SQI),并利用高光谱成像进行无损预测。研究采集香野品种草莓 192 个,覆盖从 70% 成熟至完全成熟的四个成熟阶段。测定外部颜色参数以及硬度、可溶性固形物、可滴定酸和维生素 C 等内部品质指标。研究通过相关分析和因子分析将十个理化指标整合为 SQI。400-1000 nm 高光谱图像经 SG 平滑、MSC、SNV 及其组合方法预处理,并采用 UVE、CARS 和 SPA 选择特征波长。随后建立 PLSR、SVR 和 CNN 模型预测 SQI。全光谱 CNN 模型表现最佳,测试集 Rp2 为 0.916,RMSEP 为 0.157,RPD 为 2.901。该基于 SQI 的框架为草莓最佳采收期判断和智能分级提供了多维度、无损评价方法。