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 1098 条结果
-
加工肉制品中的减盐:维持咸味感知的综合策略与机制
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区食品标签
肉类/蛋类与水产品 营养与生物功能 感官评价与方法学 消费者偏好与接受度 动力学建模 钠/钾/镁等常量矿物质计算机标签
机器学习/统计学习 深度学习 设计/生成与推荐背景
饮食中钠摄入过多与高血压和心血管疾病密切相关,而加工肉类中的钠是我们日常饮食中的主要来源之一。然而,氯化钠在肉类体系中发挥着关键作用——赋予风味、溶解肌原纤维蛋白以形成凝胶、确保微生物稳定性以及增强持水性——因此,简单地减少盐的用量往往会降低产品质量和消费者接受度。因此,需要找到既能降低配方中的钠含量,又不降低感知到的咸味或整体风味的策略。
范围与方法
我们在Web of Science、Scopus和Google Scholar等数据库中,使用关键词(减盐策略、加工肉类、咸味感知、盐味觉受体、盐替代品)进行了文献检索。筛选的研究主要集中在2005年至2025年,同时通过滚雪球法和专家推荐补充了其他参考文献。
主要发现与结论
单一的减盐策略很难在大幅降低钠含量的同时,保持产品质量和感官接受度。综合策略是利用人工智能重新设计配方,并将新型加工方法与多感官增咸机制以及受控的钠离子释放相结合。这种方法即使在产品钠含量逐步降低的情况下,也能维持对咸味的感知。本综述整合了盐味觉感知、肉类基质中钠离子释放动力学以及互补的减盐策略,为肉类产品减盐提供了基于科学的路线图,并为开发更健康的加工肉类提供了实用指导。未来的研究应致力于寻找具有成本效益和环境可持续性的解决方案,利用天然增咸剂,并加深对食品基质中钠离子释放机制的理解。 -
3D打印驱动的功能性食品创新:个性化营养体系的构建与质构精准调控机制
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区食品标签
营养与生物功能 3D 打印与结构构筑 质构与流变性质 质构与流变测试计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化背景
3D食品打印技术通过精确控制质地和营养成分,彻底改变了功能性食品领域。它能够为特定人群(如吞咽障碍患者、糖尿病患者、儿童等)提供个性化营养,并提高益生菌等功能性成分的生物利用率。
范围与方法
本综述对3D打印功能性油墨进行了多维度分析,重点关注其流变行为、营养功能性和益生菌存活机制。通过系统性文献综合和案例研究,本研究评估了该技术在特定人群个性化营养中的应用,包括吞咽困难患者、糖尿病患者和儿科群体。此外,还对人工智能(AI)在优化打印参数、预测建模和适应性配方设计中的整合进行了批判性考察。
主要发现与结论
分子结构决定了3D食品打印油墨的流变学和营养学双重功能,实现了对结构保真度的可编程控制。这一具有范式转变意义的创新通过层次化保护框架提高了益生菌的存活率,该框架整合了材料功能化、工艺优化、结构化微生境和原位代谢调节。关键的是,与传统热加工相比,该技术在保留热敏性化合物(如维生素和多酚)方面具有更优异的营养保留能力,同时还能提升感官属性。研究强调了3D打印食品中质量与安全控制、打印精度和成本平衡的重要性。深度人工智能整合推动了智能适配:实时流变学调节与预测性营养个性化相结合,加速了下一代食品系统的发展。本研究为未来个性化营养系统的构建和功能性食品的精准制造提供了理论基础和技术方向。 -
生鲜农产品智能冷链物流:关键技术、挑战与未来趋势
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区食品标签
保藏与贮藏 循环经济与绿色供应链 过程监测与在线检测 过程优化与控制策略 质量管理与追溯系统计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化背景
冷链物流(CCL)对于保障新鲜农产品的质量与安全、减少损耗至关重要。然而,传统的冷链物流系统存在环境感知能力弱、响应滞后以及协同效率低等问题。这些不足增加了链条断裂、产品损失和排放增加的风险。因此,迫切需要进行智能化转型,以应对高损耗和高排放的双重挑战。
范围与方法
本综述首先阐述了智能冷链物流概念的演变过程,然后评估了在多维传感、自适应控制和协同管理方面的最新进展。综述综合了一系列具有开创性和代表性的研究,在一个整合框架内描绘了当前的现状、核心挑战和新兴趋势。
主要发现与结论
下一代信息技术(如物联网、人工智能和区块链)推动了闭环式智能农业冷链物流的实现,通过多维传感、自适应调节和协同控制,显著提高了环境控制的精准度、能源效率和碳排放管理水平。目前仍存在诸多关键挑战,包括传感器在恶劣条件下出现漂移、多源数据融合及实时分析困难、模型对变化的适应性较差,以及区块链成本高昂且存在隐私问题等。克服这些挑战需要强大的多模态传感技术、有效的协同框架以推动绿色转型,以及具有标准化执行接口的数字孪生平台,从而增强韧性、减少产品损失并优化能源使用。 -
人工智能唤醒食品包装:综合进展、挑战与未来展望
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区食品标签
食品安全与风险评估 货架期预测与品质劣变动力学 包装设计与机械性能 智能/指示型包装 其他可持续性主题 质量管理与追溯系统计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 过程控制与实时优化背景
人们对食品安全、环境可持续性以及消费者期望的担忧日益加剧,这正推动着包装从传统的被动式系统向主动式系统转变。人工智能(AI)已成为增强食品包装性能的变革性工具,它通过实现数据驱动的设计、实时监测和预测性质量控制,减少了食品浪费,并为循环经济目标提供了支持。
范围与方法
本综述对人工智能驱动的食品包装创新进行了全面且综合的分析。它介绍了关键的人工智能技术,包括机器学习、深度学习和生成模型,并探讨了这些技术在九个关键领域的应用:材料设计与优化、食品安全与新鲜度监测、化学迁移与毒性预测、包装工艺自动化、供应链与物流优化、个性化包装设计、回收与减废、碳足迹评估以及信息与可追溯系统。此外,本综述还指出了主要的技术、法规、经济和消费者相关挑战,并提出了未来的研究方向,以指导从实验室研究向商业应用的过渡。
主要发现与结论
人工智能在改善包装材料性能、实现智能腐败与质量监测、确保化学安全性以及优化制造和供应链方面已展现出巨大潜力。然而,数据可获得性有限、复杂的法规要求、高昂的实施成本以及对增强消费者信任的需求等障碍仍然十分显著。未来的研究应优先关注为复杂食品系统开发先进材料、可生物降解和可回收的传感器平台、可解释且节能的人工智能模型、标准化的评估框架,以及实现经济可行性和消费者参与的策略。总体而言,人工智能驱动的智能包装为实现安全、智能和可持续的食品系统提供了一条充满希望的途径。 -
释放食用花卉的营养保健品潜力:一种基于人工智能的综合化学分析方法
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区食品标签
营养与生物功能 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 分类/鉴别/等级评定 定量预测/回归分析背景
可食用花卉长期以来因其鲜艳的外观和烹饪上的多功能性而在不同文化中受到重视。近期研究强调了它们丰富的营养成分和植物化学物质组成,使其成为极具前景的功能性食品原料。
范围与方法
本综述综合了2018年至2025年关于可食用花卉的营养、植物化学物质及健康促进特性的文献。它对传统技术(高效液相色谱法、气相色谱-质谱联用、核磁共振)与人工智能增强方法(基于机器学习的模式识别和光谱数据挖掘)进行了分析比较,以评估它们在化合物鉴定和生物活性预测方面的功效。
主要发现与结论
主要的可食用花卉含有高水平的类黄酮、多酚、花青素、维生素和矿物质,其成分变化受基因型、环境和发育阶段的影响。基于人工智能的定量构效关系建模和光谱数据挖掘改进了低丰度生物活性物质的检测,并为机理研究提供了支持。它们的应用涵盖烘焙产品、饮料和营养保健品配方,利用了其抗氧化、抗炎、心血管保护、神经保护和抗癌特性。在常规剂量下用于烹饪时,毒性或致敏性极小。建议将组学技术与人工智能数据融合相结合,以标准化植物化学物质分析、提高模型的可解释性,并加速转化为经过验证的功能性食品和营养保健产品。