摘要：风味特征是影响消费者对食物的偏好和购买欲的重要因素，在食品生产以及食品科学研究领域发挥重要作用。传统的食品风味测定方法是基于实验的感官评价、仪器分析或二者相结合。随着计算机技术的快速发展，具有高预测能力和准确性的机器学习模型已被广泛用于食物风味的分析和预测，有效克服了传统方法在食品风味评价上耗时且不能处理大量数据的局限性。本文综述了食品风味分析技术、机器学习技术在食品风味研究中的最新进展，介绍了常用的食品风味分析技术和机器学习算法，系统阐述了机器学习在食品风味物质高通量筛选、食品风味感知及风味品质控制等方面的应用，并对机器学习在食品风味分析和预测中存在的问题和未来研究趋势进行了展望，为机器学习技术在预测风味形成机制、合成理想风味化合物和控制食品品质等方面提供理论参考。
文章目录
1 食品风味分析技术
1.1 电子舌技术
1.2 高效液相色谱技术
1.3 电子鼻技术
1.4 气相色谱-质谱联用技术
1.5 气相色谱-嗅闻技术
1.6 气相色谱-离子迁移色谱技术
2 机器学习算法
2.1 支持向量机
2.2 决策树
2.3 随机森林
2.4 k-最近邻
2.5 深度学习
3 机器学习在食品滋味物质高通量筛选中的应用
4 机器学习在食品风味感知中的应用
5 机器学习在食品风味品质控制中的应用
6 总结与展望
