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
-
基于多模态集成学习的冬虫夏草食品溯源分析与质量标志物监测
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 超参优化/自动机器学习 分类/鉴别/等级评定 定量预测/回归分析 多模态/融合数据食品标签
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 植物化学/生物活性成分冬虫夏草（OS）面临着严重的食品欺诈风险，包括质量虚假陈述、掺假和非法添加剂等问题。为了维护消费者的经济利益和食品贸易的透明管理，本研究提出了一种快速且无损的检测工具，用于识别冬虫夏草生长环境的溯源信息并预测其质量标志物。研究分别利用颜色、纹理和光谱构建了单模态模型。此外，还采用贝叶斯优化来自动寻找最佳超参数。同时，开发了一种多模态集成学习框架，并与单模态模型进行了对比评估。结果表明，所提出的系统性能有所提升：在溯源方面，准确率提高了10.34%；在多糖和核苷的预测模型中，相对预测偏差（RPD）分别提高了9.88%和3.49%。该系统有望成为一种“光谱眼”技术，用于冬虫夏草食品溯源的无损预测和质量标志物监测。
-
DPPH分子在可重复使用的智能聚合物中的共价固定及其在甜菜根抗氧化能力评估中的应用
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 定量预测/回归分析 可见光/RGB/视频数据食品标签
新鲜蔬菜 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 植物化学/生物活性成分抗氧化剂被用作衡量食品功能潜力的标志物，因此对抗氧化剂进行准确量化对于评估生物活性及可能的健康益处至关重要。研究人员通过N-乙烯基吡咯烷酮、甲基丙烯酸甲酯与二苯胺功能化单体的本体聚合，再经固相反应引入2,2-二苯基-1-苦基肼（DPPH）功能基团，合成了一种包含DPPH基序的智能聚合物（FDPPH）。傅里叶变换红外光谱（FTIR）和热分析证实合成取得成功。FDPPH传感器呈现出与溶液中DPPH一致的比色响应，彰显了其可靠性。研究人员采用传统DPPH测定法和FDPPH法对23个甜菜样品进行了分析，其中FDPPH法是将聚合物圆盘浸入样品中，通过智能手机记录颜色变化。HSV色彩空间中的色调（H）参数显示出最高的相关性。使用甜菜样品进行校准比使用Trolox校准更准确。最佳响应时间为3小时，检测限（LOD）和定量限（LOQ）分别为0.063 mmol Trolox/L和0.191 mmol Trolox/L。
-
机器学习驱动的食品包装用醋酸纤维素薄膜成分多目标优化
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/生成与推荐食品标签
生物基/可降解材料 包装设计与机械性能 统计建模与仿真 其他特殊成分增塑剂、交联剂和疏水性改性剂的最佳比例对于生物聚合物薄膜配方至关重要。在本研究中，制备了具有不同浓度聚乙二醇（PEG）、苹果酸（MA）和十六烷酸（HAD）的醋酸纤维素生物塑料薄膜。对所得薄膜的厚度（TH）、吸水性（WA）、透明度（TP）和平衡水分含量（MC）进行了表征。使用人工神经网络（ANN）和集成回归树对这些属性中的每一个都进行了建模。ANN模型与这些响应具有极佳的拟合度（R²：0.981–0.999，R²CV：0.928–0.978）。使用部分依赖性、局部可解释的模型无关解释和Shapley解释对模型进行了评估。单独优化预测的最小厚度为0.03毫米，最大透明度为43.14%，同时吸水性和水分含量低于检测极限。多目标优化建议的混合配方包含299.78毫克/克PEG、7.51毫克/克MA和44.00毫克/克HAD，同时保持厚度（0.06毫米）、水分含量（0.05%）和透明度（42.83%）。
-
基于金-硒纳米线的机器学习集成SERS平台用于实际样品中靛蓝胭脂红的检测
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 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
其他复合食品 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分我们开发了一种由金纳米颗粒修饰的硒纳米线（Au-Se纳米线）组成的表面增强拉曼散射（SERS）基底，用于食品染料靛蓝胭脂红（IC）的痕量检测。通过共沉淀法合成硒纳米线，并通过光还原法用金纳米颗粒对其进行功能化修饰。由于Au-Se纳米线内部存在协同的电磁增强和化学增强作用，所得基底表现出较强的SERS活性。实现了对靛蓝胭脂红的检测，最低检测浓度可达10⁻⁹ M，增强因子为10⁸。该基底具有优异的均匀性、重现性和稳定性，有效期长达30天。在薯片和葡萄汁等实际食品样品中验证了其实际适用性，检测限可达10⁻⁸ M。此外，将机器学习算法与SERS光谱相结合，能够准确对饼干、口香糖、奶酪和面包等多种食品中的靛蓝胭脂红进行分类。这种方法为食品工业中合成染料的实时监测提供了一种可靠、灵敏且快速的工具。
-
基于多维指纹图谱并结合深度学习的亚洲甘草溯源与质量评估
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
其他果蔬制品/植物类 香精香料 质量管理与追溯系统 光谱/色谱/质谱等分析方法 植物化学/生物活性成分甘草（Glycyrrhizae Radix et Rhizoma）因其营养特性而闻名，且由于不同地理来源的环境差异，其质量存在差异。传统的分析方法，如各种液相色谱和质谱技术，往往提供的信息有限，或者价格昂贵且操作复杂。为应对这些挑战，本研究开发了一种利用深度学习增强的多维指纹图谱的经济高效方法。研究收集并分析了来自中亚6个国家和中国6个省份的样本。首次将化学计量学、机器学习和网络药理学相结合，以预测7个关键质量标志物，随后通过皮尔逊相关分析对这些标志物进行了优化。接着开发了深度学习模型，用于准确确定甘草的地理来源并评估其质量。这种人工智能增强的方法能基于化学成分有效识别潜在的地理来源和质量差异，在其他食品和草药产品的真伪鉴别及质量评估中具有更广泛的应用前景。
