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
-
基于深度学习的食品品质属性回归：利用近红外光谱和高光谱成像的综述
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
深度学习 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
品质、结构与理化性质 光谱/色谱/质谱等分析方法 其他特殊成分近红外（NIR）光谱技术和高光谱成像（HSI）是食品质量与安全检测中两种常用的非破坏性工具。在食品质量属性定量分析方面，关键在于构建回归模型，以关联特征（光谱特征、空间特征及其融合特征）与质量属性。除了传统的机器学习方法，基于深度学习的回归方法已被证明是一种极具潜力且具有优势的质量属性定量分析方法。本文综述了近年来深度学习算法在近红外光谱技术和高光谱成像用于食品质量属性定量分析中的最新进展。文中简要介绍了深度学习回归算法，并将其与传统的回归数据分析方法进行了比较。此外，还重点阐述了有助于充分发挥深度学习优势的策略，同时讨论了面临的挑战及未来展望。本综述旨在让人全面了解深度学习在食品质量属性定量分析中的应用。
-
基于MXene的智能传感器在食品安全监测中的应用：合成策略、现场应用及前景新见解
查看原文
2025
Food Chemistry
中科院一区JCR一区
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 时序传感器/物联网数据食品标签
食品安全与风险评估 其他理化与结构表征 其他特殊成分MXene是一类二维过渡金属碳化物/氮化物，因其优异的性能能够设计出高效传感器，在食品安全领域引起了广泛关注。因此，科学界越来越一致地认为，全面评估在推进基于MXene的现场食品质量智能评估系统方面发挥着关键作用。本综述涵盖了基于MXene的智能传感器在基本性能、通过各种识别原理和信号输出模式实现的合成策略等方面的进展，涉及食品监测的多个领域。对MXene集成传感平台的分类和创新设计范式进行了严格评估，结果表明基于MXene的传感器能够深度融合人工智能技术，以提高识别精度。本文首次对食品监测中基于MXene的智能传感器进行了系统综述，可为解决食品工业中传感平台的现有局限性和商业考量提供新思路。
-
采用顶空固相微萃取-气相色谱-质谱联用（HS-SPME-GC-MS）、气相色谱-离子迁移谱（GC-IMS）和电子鼻对三个草莓品种不同成熟阶段的香气及关键差异挥发性化合物的分析
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 多模态/融合数据食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 其他特殊成分本研究以红岩（HY）、香叶（XY）和妙香（MX）三个草莓品种为研究对象，系统探究了六个不同成熟阶段香气成分的动态变化及形成机制。研究中，采用了顶空固相微萃取-气相色谱-质谱联用（HS-SPME-GC-MS）、气相色谱-离子迁移谱（GC-IMS）、电子鼻（E-Nose）等多种技术平台，并结合感官评价和正交偏最小二乘判别分析（OPLS-DA），对香气特征进行了系统表征。感官评价和电子鼻结果显示，香叶草莓（XY）在成熟后期的香气丰富度最高。气相色谱-离子迁移谱（GC-IMS）分析表明，草莓在成熟早期以醛类物质为主，到成熟后期则转变为酯类和萜类物质占主导。顶空固相微萃取-气相色谱-质谱联用（HS-SPME-GC-MS）共鉴定出70种挥发性有机物：红岩草莓（HY）的酯类物质积累较为均衡，妙香草莓（MX）以呋喃类物质突出为特征，而香叶草莓（XY）则表现出独特的萜类物质富集。正交偏最小二乘判别分析（OPLS-DA）确定了己醛、2-己烯醛、芳樟醇、4-甲氧基-2,5-二甲基呋喃-3(2H)-酮和5-己基二氢呋喃-2(3H)-酮是这三个草莓品种的关键差异挥发性化合物。本研究揭示了草莓香气的动态形成过程，为草莓品种育种和采收优化提供了理论依据。
-
基于数字图像分析的马黛茶枝条含量质量评估
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 可见光/RGB/视频数据食品标签
其他果蔬制品/植物类 质量管理与追溯系统 光谱/色谱/质谱等分析方法马黛茶是南美洲的一种重要作物，因其宜人的口感和较高的感官品质而备受珍视，这通常与较低的枝条含量有关。为了量化枝条含量并鉴定高品质样本（枝条含量低于30% m/m），研究采用了化学计量学辅助的基于颜色直方图的分析系统（CACHAS）。利用色调-饱和度-明度（HSV）直方图，偏最小二乘（PLS）模型表现出优异的预测性能，其预测均方根误差（RMSEP）为4.05% m/m，相关系数（rpred）为0.96，性能偏差比（RPD）为3.64，预测相对误差（REP）仅为10.79%。此外，在测试集中，数据驱动的类别类比软独立建模（DD-SIMCA）的灵敏度为100%，特异性为91.2%，总效率达96.4%。符合绿色化学原则，CACHAS成为一种高效、环保的马黛茶质量评估和鉴定工具。
-
基于比色分析和机器学习预测模型对日本鲭（Scomber japonicus）进行无损新鲜度评估
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
支持向量机 定量预测/回归分析 可见光/RGB/视频数据食品标签
鱼肉 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法新鲜度是海鲜品质的关键属性。然而，传统的评估方法既耗时又具有破坏性。本研究探索了一种无损检测方法，该方法通过对日本鲭（Scomber japonicus）的眼部、腹部和背部区域进行比色分析，并将这些变化与微生物和理化新鲜度指标相关联。在4°C和10°C的储存条件下，RGB、HSV和Lab色彩参数呈现出逐渐变暗的趋势，这与微生物数量、pH值和总挥发性盐基氮的增加相对应。研究还开发了多元线性回归（MLR）、偏最小二乘回归和支持向量回归（SVR）模型，用于基于色彩数据预测新鲜度。虽然MLR在线性指标（包括活菌计数和品质指数法）的预测方面表现良好，但SVR在非线性指标（包括pH值和总大肠菌群）的预测上更具优势。这些研究结果表明，将色彩分析与机器学习相结合有望实现海鲜新鲜度的实时、无损评估，这为其在工业质量控制系统中的应用提供了支持。
