基于人工智能的多阶段深度学习框架可用于3D打印食品的配方研发，能通过提取12项涵盖淀粉颗粒多尺度结构特征、凝胶配方组成及其理化性质参数的关键特征，实现非破坏性评估。该研究构建了包含四类典型淀粉与不同配比钠Alginate增稠剂的88组实验样本基准数据库，开发的标准化评估流程较传统试错法减少62%的样本消耗，将配方优化周期从平均3周压缩至5天。在实际应用中，该系统可在巧克力打印配方优化中成功预测45%的非打印配方，避免价值数万
原文链接：https://m.ebiotrade.com/newsf/2026-1/20260106084706846.htm