类目筛选（计算机学者）
清除筛选
-
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
-
-
深度筛选（食品学者）
清除筛选
-
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
-
-
标签记录（计算机学者）
清除全部筛选
标签记录（食品学者）
共 1098 条结果
-
基于改进的条件互信息最大化和SHAP分析的玉米粗脂肪含量预测
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 支持向量机 模型可解释性 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据 公开数据集食品标签
玉米 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸传统的条件互信息最大化（CMIM）算法难以捕捉连续近红外（NIR）光谱分析中的非线性依赖关系。因此，本研究提出了一种将改进的CMIM与SHAP相结合的新框架，用于玉米粗脂肪含量的快速预测。创新性地用连续变量估计和两阶段过滤-包裹特征选择取代了离散化处理。CMIM_KDE方法在偏最小二乘回归（PLSR）和支持向量回归（SVR）模型中分别获得了0.7618和0.7531的预测决定系数（R²p），与其他改进策略相比，平均提升了6.18%和4.42%。此外，SHAP分析表明，筛选出的5684 cm⁻¹和4312 cm⁻¹左右的特征波数与玉米中的C—H基团相关。该方法的有效性和泛化能力在公开数据集上得到了验证。本研究解决了传统CMIM方法在近红外光谱分析中的适用性瓶颈，可为其他农产品的质量检测以及低空遥感和实时在线预测提供技术支持。
-
通过归一化VNIR-SWIR透射高光谱成像和SPF-SSF-GSF-NLF融合方法改进荔枝果实中可溶性固形物和花青素的检测
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 花青素与类胡萝卜素高光谱成像（HSI）对水果内部成分含量的检测精度受到几何结构以及成分含量与光谱特征之间非线性关系的影响。针对这些问题，分别开发了基于光谱归一化和光谱特征（SPF）-图像特征（SSF）-几何结构特征（GSF）-非线性特征（NLF）融合的方法。为此，采用可见近红外-短波红外透射高光谱成像结合偏最小二乘回归（PLSR）模型来检测荔枝果实中的可溶性固形物含量（SSC）和花青素含量（AC）。结果表明，光谱归一化结合SPF-SSF-GSF-NLF融合使PLSR模型对SSC和AC的Rp²分别提高了17.47%和11.85%，其值分别达到0.9148和0.8455。此外，基于预测的SSC和AC开发的荔枝分级方法具有95.17%的高分类准确率。这些结果表明，所提出的方法能有效提高荔枝果实品质的检测精度。
-
果蔬中抗氧化剂协同作用的预测建模：功能食品设计的多目标优化方法
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
智能手机/其他 设计/生成与推荐 小规模数据集食品标签
其他果蔬制品/植物类 抗氧化/抗炎等功能 统计建模与仿真 植物化学/生物活性成分水果和蔬菜中植物化学物质之间的复杂相互作用是其抗氧化益处的基础。在此，我们提出了一个多目标优化框架来预测最佳功能性食品组合。通过DPPH和ABTS测定法，在9种比例下对12种关键植物化学物质进行了评估，揭示了比例依赖性的协同作用或拮抗作用（例如，在ABTS测定中，β-胡萝卜素/表儿茶素比例为1:9时产生-19.94%的拮抗作用，而比例为19:1时则产生+13.36%的协同作用）。一个基于Python的预测系统通过最小化计算出的EC₅₀值来推断最佳的农产品搭配。针对实验性DPPH协同作用数据的验证显示出显著的负相关性（r=-0.69，p=0.04），证实了该模型的预测准确性。ABTS模型的相关性较弱（r=-0.55，p=0.13），这凸显了需要改进的方面。这项工作为设计富含抗氧化剂的水果和蔬菜组合提供了一种稳健的、数据驱动的方法，减轻了实验负担，并为基于证据的饮食和功能性食品建议提供了依据，以促进公众健康。
-
基于 ¹H 核磁共振波谱结合多元统计、机器学习与深度学习模型的食用油及掺伪体系中芝麻油的分类与定量分析
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
卷积神经网络 偏最小二乘法 支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
植物油 质量管理与追溯系统 光谱/色谱/质谱等分析方法 脂质与脂肪酸芝麻油常被掺入更廉价的油脂，因此需要精确的鉴别和定量方法。本研究探究了基于人工智能的模型利用1H核磁共振光谱数据对食用油进行分类以及对掺假混合物中芝麻油进行定量的性能。所有分类模型——主成分分析-线性判别分析（PCA-LDA）、支持向量机（SVM）和一维卷积神经网络（1D-CNN）——均达到了100%的准确率，其中1D-CNN还能同时捕捉木酚素和脂肪酸的信号。在回归分析方面，偏最小二乘回归（PLSR）和支持向量回归（SVR）模型的预测均方根误差（RMSEP）值分别为1.94和1.40（决定系数R²=0.998），而1D-CNN回归模型表现更优（RMSEP=1.03，R²=0.999），能实现更广泛的光谱特征整合。包含此前未使用过的油脂类型的外部测试样本进一步验证了卷积神经网络（CNN）模型的稳健性，该模型预测的芝麻油含量误差在2%以内。这些研究结果凸显了可解释性深度学习与核磁共振波谱相结合在可靠检测和定量掺假芝麻油方面的潜力。
-
Umami-Transformer：一种用于鲜味肽高精度预测和实验验证的深度学习框架
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
其他深度学习结构 分类/鉴别/等级评定 组学数据食品标签
其他添加剂与配料 感官科学与消费者研究 数值仿真 蛋白质与氨基酸在食品领域，鲜味肽的识别及其感官评价均受到传统方法效率低下和人工评估主观性的限制。为解决这些问题，研究人员将Transformer架构与8个理化描述符相结合，开发出了Umami-Transformer。该模型的分类准确率达0.965，F1分数为0.903，马修斯相关系数为0.889。研究人员对所有二肽至五肽进行了检测，合成了4种预测得分最高且对接亲和力较强的肽（DD、DDE、DDED和DDEDD）。感官分析和电子舌分析证实，浓度为1 mg/mL的DDE和DDED具有鲜味和咸味，其效果超过了浓度为3 mg/mL的谷氨酸钠。分子对接研究表明，鲜味肽的N端或C端存在天冬氨酸/谷氨酸残基，这会增强它们与鲜味受体的相互作用，从而引发鲜味感知。理论建模与味觉优化的实际应用相结合，可显著节约成本。
