《食品科學(xué)》：“機(jī)器學(xué)習(xí)”專(zhuān)欄文章（二）

機(jī)器學(xué)習(xí)作為人工智能的一個(gè)重要領(lǐng)域，在尋找共同性、區(qū)分差異性上具有傳統(tǒng)技術(shù)難以比擬的優(yōu)勢(shì)，近年來(lái)，食品科學(xué)領(lǐng)域逐漸開(kāi)始探索機(jī)器學(xué)習(xí)的研究與應(yīng)用。因此，《食品科學(xué)》特設(shè)機(jī)器學(xué)習(xí)專(zhuān)欄，旨在報(bào)道食品科學(xué)和機(jī)器學(xué)習(xí)技術(shù)的最新交叉研究與應(yīng)用進(jìn)展，催生新的創(chuàng)意。

特邀專(zhuān)欄主編：盧偉副教授、丁浩晗講師

專(zhuān)欄文章

摘要：近年來(lái)，隨著社會(huì)對(duì)食品質(zhì)量和安全的關(guān)注度不斷提高，計(jì)算機(jī)視覺(jué)技術(shù)在食品質(zhì)量評(píng)價(jià)領(lǐng)域逐漸受到重視并開(kāi)始廣泛應(yīng)用。通過(guò)學(xué)習(xí)技術(shù)，如人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等，研究人員能夠利用大量的食品圖像和相關(guān)數(shù)據(jù)進(jìn)行訓(xùn)練，從而實(shí)現(xiàn)對(duì)食品質(zhì)量的自動(dòng)評(píng)估和監(jiān)測(cè)。特別是深度學(xué)習(xí)技術(shù)的發(fā)展，使得計(jì)算機(jī)能夠更加準(zhǔn)確地識(shí)別食品的外觀、形狀、顏色等特征，進(jìn)而對(duì)其進(jìn)行分類(lèi)、預(yù)測(cè)和質(zhì)量檢測(cè)。除了在食品質(zhì)量評(píng)價(jià)中的常規(guī)應(yīng)用，學(xué)習(xí)技術(shù)還被用于更復(fù)雜的任務(wù)，如食品缺陷檢測(cè)、異物檢測(cè)、新鮮度評(píng)估等。這些技術(shù)不僅可以提高食品生產(chǎn)和加工的效率，還能夠減少人為因素帶來(lái)的誤差，從而確保食品質(zhì)量和安全。然而，盡管學(xué)習(xí)技術(shù)在食品質(zhì)量評(píng)價(jià)中的應(yīng)用取得了顯著進(jìn)展，但仍然存在一些挑戰(zhàn)需要克服。例如，食品圖像數(shù)據(jù)集的獲取和標(biāo)注成本較高，數(shù)據(jù)質(zhì)量和數(shù)量的不足可能會(huì)影響模型的性能和泛化能力。此外，模型的可解釋性和透明性也是一個(gè)重要問(wèn)題，尤其是在需要對(duì)食品質(zhì)量評(píng)價(jià)結(jié)果做出解釋或決策的情況下。因此，未來(lái)的研究需要繼續(xù)探索如何提高數(shù)據(jù)集的質(zhì)量和規(guī)模、優(yōu)化模型的魯棒性和可解釋性，以及開(kāi)發(fā)更加高效和可持續(xù)的食品質(zhì)量評(píng)價(jià)系統(tǒng)。

結(jié)論：本文深入探討了CV和ML技術(shù)在食品質(zhì)量評(píng)估領(lǐng)域的應(yīng)用。隨著CV技術(shù)與ML技術(shù)在食品評(píng)價(jià)領(lǐng)域的發(fā)展，CV和ML技術(shù)已經(jīng)越來(lái)越多地應(yīng)用到實(shí)際生產(chǎn)中。可以在收獲時(shí)，通過(guò)對(duì)水果、蔬菜以及農(nóng)產(chǎn)品受損傷程度進(jìn)行分級(jí)，縮短人工分級(jí)所需要的時(shí)間；還可以在工廠的加工過(guò)程中，實(shí)時(shí)監(jiān)控生產(chǎn)產(chǎn)品的質(zhì)量，對(duì)于不合格的產(chǎn)品進(jìn)行提前清除。然而，CV和ML技術(shù)在食品質(zhì)量評(píng)估中仍然面臨著一些挑戰(zhàn)和障礙，CV技術(shù)與ML技術(shù)并不能夠?qū)κ称焚|(zhì)量進(jìn)行全面的評(píng)價(jià)，并且在數(shù)據(jù)處理過(guò)程中還會(huì)出現(xiàn)算法的魯棒性和可解釋性等問(wèn)題。因此在后續(xù)優(yōu)化的過(guò)程中，還需要對(duì)不同環(huán)境下模型的適配能力進(jìn)行深度研究，并且加強(qiáng)CV技術(shù)提供的數(shù)據(jù)精度。在未來(lái)，越來(lái)越多的食品將朝著多樣化、個(gè)性化的需求發(fā)展，而CV技術(shù)和ML技術(shù)將逐步實(shí)現(xiàn)對(duì)食品質(zhì)量的精準(zhǔn)把控，并進(jìn)行有針對(duì)性的調(diào)控。同時(shí)，ML技術(shù)在食品質(zhì)量預(yù)測(cè)和控制方面也展現(xiàn)出了強(qiáng)大的潛力。通過(guò)對(duì)大量的歷史數(shù)據(jù)和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析和學(xué)習(xí)，ML算法能夠建立高度準(zhǔn)確的預(yù)測(cè)模型，預(yù)測(cè)食品的成分、含量、新鮮度等關(guān)鍵指標(biāo)。這些預(yù)測(cè)模型不僅可以幫助企業(yè)優(yōu)化生產(chǎn)工藝和管理流程，提高產(chǎn)品質(zhì)量和生產(chǎn)效率，還可以為監(jiān)管部門(mén)提供科學(xué)依據(jù)，加強(qiáng)對(duì)食品安全的監(jiān)管和管理。

綜上所述，未來(lái)ML與CV技術(shù)在食品質(zhì)量評(píng)估領(lǐng)域的應(yīng)用需要不斷發(fā)展，為食品安全和質(zhì)量保障提供更可靠的支持，并為食品行業(yè)的可持續(xù)發(fā)展和消費(fèi)者的健康提供更多可能性。

引文格式：

黃曉琛, 張凱利, 劉元杰, 等. 機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺(jué)技術(shù)在食品質(zhì)量評(píng)價(jià)中的研究進(jìn)展[J]. 食品科學(xué), 2024, 45(12): 1-10. DOI:10.7506/spkx1002-6630-20240131-284.

HUANG Xiaochen, ZHANG Kaili, LIU Yuanjie, et al. Research progress on machine learning and computer vision technology in food quality evaluation[J]. Food Science, 2024, 45(12): 1-10. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20240131-284.

摘要：食品風(fēng)味在人們生活中起著重要作用。傳統(tǒng)的風(fēng)味分析檢測(cè)方法對(duì)于預(yù)測(cè)食品風(fēng)味的能力有限，近年來(lái)已有不少研究者利用機(jī)器學(xué)習(xí)模型對(duì)食品風(fēng)味信息進(jìn)行有效的處理，建立得到分類(lèi)和預(yù)測(cè)模型，使風(fēng)味預(yù)測(cè)變得更準(zhǔn)確和高效。本文綜述了傳統(tǒng)和新型機(jī)器學(xué)習(xí)方法的原理，如支持向量機(jī)、隨機(jī)森林、k最近鄰和神經(jīng)網(wǎng)絡(luò)，及其與風(fēng)味分析儀器、分子結(jié)構(gòu)分析兩種方法相結(jié)合并用于食品風(fēng)味預(yù)測(cè)的研究進(jìn)展，為機(jī)器學(xué)習(xí)模型在食品風(fēng)味分析和預(yù)測(cè)中的應(yīng)用提供新思路。通過(guò)總結(jié)發(fā)現(xiàn)機(jī)器學(xué)習(xí)模型可用于預(yù)測(cè)不同物質(zhì)成分對(duì)風(fēng)味的影響、識(shí)別不同產(chǎn)地的風(fēng)味特征等，并且將多種機(jī)器學(xué)習(xí)模型結(jié)合分析的方法可提高預(yù)測(cè)的精度和可靠性，推動(dòng)促進(jìn)食品風(fēng)味的深入研究和發(fā)展。

結(jié)論：機(jī)器學(xué)習(xí)模型在食品風(fēng)味預(yù)測(cè)的研究已變得越來(lái)越廣泛，通過(guò)輸入電子舌、快速氣相電子鼻、GC-MS儀、近紅外光譜儀的傳感器響應(yīng)值、質(zhì)譜和光譜數(shù)據(jù)信息進(jìn)行訓(xùn)練學(xué)習(xí)，并經(jīng)過(guò)機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)的特征提取和選擇，最終運(yùn)用于模型的預(yù)測(cè)。食品的風(fēng)味離不開(kāi)揮發(fā)性成分和非揮發(fā)性成分的共同作用，基于風(fēng)味分析儀器的風(fēng)味預(yù)測(cè)可讓機(jī)器學(xué)習(xí)模型熟悉了解食品的呈香和呈味部分，而基于分子結(jié)構(gòu)的風(fēng)味預(yù)測(cè)更多的是運(yùn)用DL模型，通過(guò)對(duì)分子結(jié)構(gòu)圖像的拆解識(shí)別學(xué)習(xí)結(jié)構(gòu)對(duì)某一風(fēng)味特征，如甜味、苦味的影響。

然而在預(yù)測(cè)食品風(fēng)味的實(shí)際應(yīng)用中，機(jī)器學(xué)習(xí)模型的運(yùn)用還較為欠缺，其預(yù)測(cè)準(zhǔn)確度離不開(kāi)大量數(shù)據(jù)的訓(xùn)練和驗(yàn)證，且通常需要選擇多種機(jī)器學(xué)習(xí)模型共同或輔助預(yù)測(cè)，以防止單一模型的預(yù)測(cè)性能較差，此外，機(jī)器學(xué)習(xí)模型的建立對(duì)電腦系統(tǒng)的要求也較高，需要與其他應(yīng)用程序集成，才能實(shí)現(xiàn)較好的應(yīng)用。在未來(lái)的研究中可以通過(guò)迭代算法先對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行優(yōu)化和減少變量，或使用幾種機(jī)器學(xué)習(xí)算法相結(jié)合的模型，以提高算法模型的泛化能力和預(yù)測(cè)準(zhǔn)確度，這將有助于推動(dòng)機(jī)器學(xué)習(xí)算法在預(yù)測(cè)食品風(fēng)味領(lǐng)域的應(yīng)用。

引文格式：

蔡尉彤, 馮濤, 宋詩(shī)清, 等. 機(jī)器學(xué)習(xí)在預(yù)測(cè)食品風(fēng)味中的研究進(jìn)展[J]. 食品科學(xué), 2024, 45(12): 11-21. DOI:10.7506/spkx1002-6630-20240103-032.

CAI Weitong, FENG Tao, SONG Shiqing, et al. Research progress on the application of machine learning in predicting food flavor[J].Food Science, 2024, 45(12): 11-21. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20240103-032.

摘要：糧食加工過(guò)程污染物的準(zhǔn)確預(yù)測(cè)對(duì)糧食安全具有重要意義，但由于糧食加工工藝復(fù)雜，污染物檢測(cè)困難導(dǎo)致數(shù)據(jù)量較小，難以滿足建模預(yù)測(cè)所需，需要研究小樣本的污染物數(shù)據(jù)擴(kuò)充方法。同時(shí)，較小樣本量的糧食加工過(guò)程污染物數(shù)據(jù)往往缺乏足夠的先驗(yàn)知識(shí)，傳統(tǒng)監(jiān)督學(xué)習(xí)的方法對(duì)其預(yù)測(cè)精度較低，且現(xiàn)有連續(xù)型深度學(xué)習(xí)模型不適于糧食加工過(guò)程這一間歇過(guò)程，需研究基于無(wú)監(jiān)督學(xué)習(xí)和離散深度學(xué)習(xí)的糧食加工過(guò)程污染物預(yù)測(cè)方法。為此，本文針對(duì)糧食加工過(guò)程污染物提出基于時(shí)間生成對(duì)抗網(wǎng)絡(luò)（time generative adversarial networks，TimeGAN）的數(shù)據(jù)擴(kuò)充及基于生成對(duì)抗網(wǎng)絡(luò)（generative adversarial networks，GAN）和深度森林（deep forest，DF）結(jié)合的預(yù)測(cè)方法。首先構(gòu)建TimeGAN模型，對(duì)小樣本數(shù)據(jù)學(xué)習(xí)后得到多組樣本數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)擴(kuò)充；將無(wú)監(jiān)督學(xué)習(xí)的GAN模型與適用于離散過(guò)程的DF模型結(jié)合，構(gòu)建GAN-DF模型，實(shí)現(xiàn)污染物預(yù)測(cè)；再分別將DF與長(zhǎng)短時(shí)記憶（long short-term memory，LSTM）-DF模型作為生成器嵌入到GAN，構(gòu)建DFGAN與LSTM-DFGAN模型，進(jìn)一步提高污染物預(yù)測(cè)的準(zhǔn)確度。通過(guò)稻谷加工過(guò)程的金屬污染物Pb數(shù)據(jù)（Pb含量）進(jìn)行仿真驗(yàn)證，結(jié)果表明TimeGAN方法擴(kuò)充數(shù)據(jù)可行，LSTM-DFGAN模型的綜合預(yù)測(cè)效果最好，其擴(kuò)充數(shù)據(jù)后的預(yù)測(cè)平均絕對(duì)誤差和均方根誤差低至7.50×10-5 mg/kg和1.60×10-8 mg/kg。

結(jié)論：本實(shí)驗(yàn)針對(duì)糧食加工過(guò)程污染物的小樣本數(shù)據(jù)擴(kuò)充和糧食加工過(guò)程這一間歇過(guò)程污染物的預(yù)測(cè)問(wèn)題，引入深度學(xué)習(xí)領(lǐng)域中時(shí)間序列數(shù)據(jù)生成技術(shù)TimeGAN和離散時(shí)間序列建模預(yù)測(cè)技術(shù)，通過(guò)改進(jìn)并結(jié)合無(wú)監(jiān)督學(xué)習(xí)的GAN模型、適用離散過(guò)程建模的DF模型與時(shí)間序列預(yù)測(cè)的LSTM模型，先后建立GAN-DF、DFGAN、LSTMDFGAN等模型，提出適用于糧食加工過(guò)程污染物的數(shù)據(jù)擴(kuò)充和預(yù)測(cè)的全新算法。通過(guò)稻谷加工過(guò)程的金屬污染物數(shù)據(jù)進(jìn)行仿真驗(yàn)證，結(jié)果表明TimeGAN方法擴(kuò)充數(shù)據(jù)可行，LSTM-DFGAN模型綜合預(yù)測(cè)效果更為理想。本研究屬于食品和人工智能交叉領(lǐng)域研究，在食品安全的智能預(yù)測(cè)方向具有一定的理論和應(yīng)用創(chuàng)新，研究成果可提高糧食加工過(guò)程污染物預(yù)測(cè)的準(zhǔn)確性及有效性，大幅度降低糧食加工過(guò)程污染發(fā)生率，對(duì)促進(jìn)糧食安全、促進(jìn)學(xué)科間的滲透與交叉發(fā)展發(fā)揮積極作用。

引文格式：

郭香蘭, 王立, 金學(xué)波, 等. 基于生成對(duì)抗網(wǎng)絡(luò)和深度森林結(jié)合的糧食加工過(guò)程污染物小樣本數(shù)據(jù)擴(kuò)充及預(yù)測(cè)[J]. 食品科學(xué), 2024, 45(12): 22-30. DOI:10.7506/spkx1002-6630-20240129-264.

GUO Xianglan, WANG Li, JIN Xuebo, et al. Expansion and prediction of small sample data of contaminants in grain processing using combination of generative adversarial networks and deep forest[J]. Food Science, 2024, 45(12): 22-30. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20240129-264.

摘要 ：食品風(fēng)味對(duì)于感官具有重要作用，是消費(fèi)者偏好和選擇的關(guān)鍵因素，因此風(fēng)味分析方法非常重要。傳統(tǒng)的分析方法具有局限性，十分耗時(shí)，還無(wú)法處理大樣本的數(shù)據(jù)，機(jī)器學(xué)習(xí)的出現(xiàn)將會(huì)解決這一難題。機(jī)器學(xué)習(xí)具有分析和處理海量樣本、識(shí)別高維變量空間中的復(fù)雜模式、從已知數(shù)據(jù)中獨(dú)立自主學(xué)習(xí)、基于新數(shù)據(jù)生成和自動(dòng)優(yōu)化算法實(shí)現(xiàn)預(yù)測(cè)的能力。機(jī)器學(xué)習(xí)的出現(xiàn)給食品科學(xué)領(lǐng)域提供了理解復(fù)雜風(fēng)味特征的新方法。本文綜述了傳統(tǒng)和新型機(jī)器學(xué)習(xí)方法的優(yōu)缺點(diǎn)，以及與分析儀器電子舌、電子鼻和氣相色譜-質(zhì)譜聯(lián)用的不同應(yīng)用場(chǎng)景。此外還綜述了機(jī)器學(xué)習(xí)在食品風(fēng)味分析中的應(yīng)用。經(jīng)過(guò)研究發(fā)現(xiàn)，不同機(jī)器學(xué)習(xí)方法對(duì)應(yīng)了不同食品風(fēng)味分析的場(chǎng)景，需要根據(jù)樣本的實(shí)際情況，有選擇性地使用。機(jī)器學(xué)習(xí)在提高食品質(zhì)量、安全性和消費(fèi)者滿意度方面具有重大的潛力，多種機(jī)器學(xué)習(xí)模型和分析技術(shù)相結(jié)合，對(duì)食品風(fēng)味分析將產(chǎn)生重要作用。

結(jié)論：本文列舉了幾種常用的ML方法。當(dāng)處理小樣本的簡(jiǎn)單數(shù)據(jù)時(shí)，用SVM快速處理，KNN進(jìn)行簡(jiǎn)單直觀的數(shù)據(jù)處理，DT作結(jié)構(gòu)清晰、易于理解的圖；對(duì)于復(fù)雜的大數(shù)據(jù)集，用RF和ELM進(jìn)行處理；在處理復(fù)雜的高維數(shù)據(jù)并識(shí)別風(fēng)味化合物中的復(fù)雜模式時(shí)使用神經(jīng)網(wǎng)絡(luò)。還探討了ML在食品風(fēng)味中的應(yīng)用，強(qiáng)調(diào)了ML在食品領(lǐng)域中的重要性。

ML在提高食品質(zhì)量、安全性和消費(fèi)者滿意度方面具有重大的潛力，未來(lái)的研究可以通過(guò)不斷地改善ML算法或使用多種算法組合提高模型預(yù)測(cè)效果，減少單一模型的弊端，從而增加數(shù)據(jù)的可信度，促進(jìn)ML算法在食品風(fēng)味研究中的應(yīng)用。風(fēng)味分析技術(shù)在近幾年在不斷地更新，未來(lái)還可以使用更新的分析技術(shù)（如GC×GC-TOF MS和質(zhì)子轉(zhuǎn)移反應(yīng)質(zhì)譜等）與ML模型相結(jié)合。通過(guò)ML模擬創(chuàng)造新的風(fēng)味化合物十分有意義，可以為食品行業(yè)帶來(lái)新的活力，同時(shí)對(duì)消費(fèi)者的感官數(shù)據(jù)預(yù)測(cè)模擬，使新的風(fēng)味物質(zhì)與感官結(jié)合對(duì)未來(lái)食品風(fēng)味的創(chuàng)新具有實(shí)用價(jià)值，可以進(jìn)一步探索ML在食品科學(xué)領(lǐng)域的應(yīng)用潛力。

引文格式：

沈?yàn)t, 王海濤, 姚凌云, 等. 機(jī)器學(xué)習(xí)在食品風(fēng)味分析中的應(yīng)用[J]. 食品科學(xué), 2024, 45(12): 31-41. DOI:10.7506/spkx1002-6630-20240104-040.

SHEN Xiao, WANG Haitao, YAO Lingyun, et al. Application of machine learning in food flavor analysis[J]. Food Science, 2024, 45(12): 31-41. (in Chinese with English abstract) DOI:10.7506/spkx1002-20240104-040.

特邀主編簡(jiǎn)介

盧 偉 副教授

南京農(nóng)業(yè)大學(xué)副教授，2005年和2012年分別獲得東南大學(xué)碩士和博士學(xué)位，2016年至2017年為美國(guó)密歇根州立大學(xué)訪問(wèn)學(xué)者。現(xiàn)為江蘇園藝工程分會(huì)副理事長(zhǎng)，江蘇省自動(dòng)化學(xué)會(huì)理事，江蘇省儀器儀表學(xué)會(huì)理事，江蘇省人工智能學(xué)會(huì)機(jī)器人專(zhuān)委會(huì)委員，《智能化農(nóng)業(yè)裝備學(xué)報(bào)（中英文）》青年編委。主要從事智能機(jī)器人與人工智能技術(shù)、智能傳感及無(wú)損檢測(cè)技術(shù)等相關(guān)研究。獲得2014年江蘇省科學(xué)技術(shù)一等獎(jiǎng)，2016年教育部技術(shù)發(fā)明一等獎(jiǎng)，2014-2018年度中國(guó)農(nóng)業(yè)機(jī)械學(xué)會(huì)先進(jìn)工作者等。主持國(guó)家自然科學(xué)基金面上項(xiàng)目、江蘇省自然科學(xué)基金面上項(xiàng)目等縱向課題9 項(xiàng)，發(fā)表SCI/EI論文40余篇，授權(quán)發(fā)明專(zhuān)利10余項(xiàng)，研究成果受到央視CCTV17等多家媒體報(bào)道。

丁浩晗 講師

江南大學(xué)未來(lái)食品科學(xué)中心講師。2021年12月博士畢業(yè)于新西蘭奧克蘭大學(xué)，畢業(yè)后加入江南大學(xué)未來(lái)食品科學(xué)中心食品大數(shù)據(jù)與風(fēng)味組學(xué)團(tuán)隊(duì)。主要研究方向?yàn)楣I(yè)智能化在食品工程中的應(yīng)用。針對(duì)工業(yè)4.0開(kāi)發(fā)在線軟測(cè)量技術(shù)，包括使用圖像處理技術(shù)和人工智能算法構(gòu)建奶粉品質(zhì)在線軟測(cè)量技術(shù)、對(duì)工業(yè)生產(chǎn)過(guò)程變量進(jìn)行大數(shù)據(jù)分析、建立奶粉產(chǎn)品的三維模型，對(duì)其進(jìn)行表面紋理分類(lèi)以及利用聯(lián)邦學(xué)習(xí)和區(qū)塊鏈技術(shù)解決食品安全信息問(wèn)題等。以第一作者發(fā)表SCI論文5 篇，EI論文1 篇，中文核心論文2 篇以及發(fā)明專(zhuān)利2 項(xiàng)，多次參加國(guó)際會(huì)議做口頭或海報(bào)展示。目前擔(dān)任“十四五”國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“食品全程全息風(fēng)險(xiǎn)感知及防控體系構(gòu)建與應(yīng)用示范”（2022YFF1101100）子課題負(fù)責(zé)人。

專(zhuān)欄網(wǎng)址：

《食品科學(xué)》2024年12期：

https://www.spkx.net.cn/CN/volumn/volumn_1889.shtml

實(shí)習(xí)編輯：李雄；編輯：閻一鳴；責(zé)編：張睿梅。圖片來(lái)源于文章原文及攝圖網(wǎng)。

為匯聚全球智慧共探產(chǎn)業(yè)變革方向，搭建跨學(xué)科、跨國(guó)界的協(xié)同創(chuàng)新平臺(tái)，由北京食品科學(xué)研究院、中國(guó)肉類(lèi)食品綜合研究中心、國(guó)家市場(chǎng)監(jiān)督管理總局技術(shù)創(chuàng)新中心（動(dòng)物替代蛋白）、中國(guó)食品雜志社《食品科學(xué)》雜志（EI收錄）、中國(guó)食品雜志社《Food Science and Human Wellness》雜志（SCI收錄）、中國(guó)食品雜志社《Journal of Future Foods》雜志（ESCI收錄）主辦，西南大學(xué)、 重慶市農(nóng)業(yè)科學(xué)院、 重慶市農(nóng)產(chǎn)品加工業(yè)技術(shù)創(chuàng)新聯(lián)盟、重慶工商大學(xué)、重慶三峽學(xué)院、西華大學(xué)、成都大學(xué)、四川旅游學(xué)院、西昌學(xué)院、北京聯(lián)合大學(xué)、 中國(guó)健康管理協(xié)會(huì)特殊食品與植物營(yíng)養(yǎng)分會(huì)共同主辦 的“ 第三屆大食物觀·未來(lái)食品科技創(chuàng)新國(guó)際研討會(huì) ”， 將于2026年4月25-26日 （4月24日全天報(bào)到） 在中國(guó) 重慶召開(kāi)。

長(zhǎng)按或微信掃碼進(jìn)行注冊(cè)

為系統(tǒng)提升我國(guó)食品營(yíng)養(yǎng)與安全的科技創(chuàng)新策源能力，加速科技成果向現(xiàn)實(shí)生產(chǎn)力轉(zhuǎn)化，推動(dòng)食品產(chǎn)業(yè)向綠色化、智能化、高端化轉(zhuǎn)型升級(jí)，由北京食品科學(xué)研究院、中國(guó)食品雜志社《食品科學(xué)》雜志（EI收錄）、中國(guó)食品雜志社《Food Science and Human Wellness》雜志（SCI收錄）、中國(guó)食品雜志社《Journal of Future Foods》雜志（ESCI收錄）主辦，合肥工業(yè)大學(xué)、安徽農(nóng)業(yè)大學(xué)、安徽省食品行業(yè)協(xié)會(huì)、安徽大學(xué)、合肥大學(xué)、合肥師范學(xué)院、北京工商大學(xué)、中國(guó)科技大學(xué)附屬第一醫(yī)院臨床營(yíng)養(yǎng)科、安徽糧食工程職業(yè)學(xué)院、安徽省農(nóng)科院農(nóng)產(chǎn)品加工研究所、安徽科技學(xué)院、皖西學(xué)院、黃山學(xué)院、滁州學(xué)院、蚌埠學(xué)院共同主辦的“第六屆食品科學(xué)與人類(lèi)健康國(guó)際研討會(huì)”，將于 2026年8月15-16日（8月14日全天報(bào)到）在中國(guó) 安徽 合肥召開(kāi)。

長(zhǎng)按或微信掃碼進(jìn)行注冊(cè)

會(huì)議招商招展

聯(lián)系人：楊紅；電話：010-83152138；手機(jī)：13522179918（微信同號(hào)）