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 364 条结果
-
基于PLS-DA、SVM和BP-ANN模型的猪肉饼贮藏期间新鲜度（TVB-N）评价
查看原文
2025
Food Control
中科院一区JCR一区
Hui Lu, Aiying Song, Ming Li, Xiangqi Yao, Yuling Cai, Longlong Dong, Dacheng Kang & Yunguo Liu
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 时序传感器/物联网数据食品标签
畜肉 货架期预测与品质劣变动力学 特征风味 风味组学本研究评估了猪肉饼在4°C下不同贮藏时间内的品质和新鲜度。使用电子鼻分析了样品的风味图谱，重点关注传感器对挥发性化合物的响应。应用了包括偏最小二乘判别分析（PLS-DA）、支持向量机（SVM）和反向传播人工神经网络（BP-ANN）在内的机器学习模型来预测新鲜度。挥发性盐基氮（TVB-N）被用作这些模型中的关键指标。结果表明，随着贮藏时间的延长，猪肉饼的品质下降。电子鼻传感器，特别是S4、S6和S14，对挥发性物质表现出很强的敏感性，突出了它们在评估新鲜度方面的相关性。在预测模型中，BP-ANN达到了最高的准确率（94%），其次是SVM（91%）和PLS-DA（89%）。基于性能最佳的BP-ANN模型，测试结果证实该模型预测的TVB-N值与实际值高度吻合，表现出优异的预测准确性。这进一步突显了本研究的实际应用性。这些发现表明，机器学习模型能够可靠地预测猪肉饼的新鲜度，为传统方法提供了一种非破坏性且高效的替代方案，而传统方法通常劳动密集且耗时。
-
基于傅里叶变换红外光谱，在硒富集克菲尔颗粒中实现绿色且快速定量检测硒
查看原文
2025
Food Chemistry
中科院一区JCR一区
Menghui Li, Dan Shi, Yifan Cheng, Qilei Dang, Wenhui Liu, Zhouli Wang, Yahong Yuan & Tianli Yue
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据食品标签
其他添加剂与配料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 碘/硒等微量元素开菲尔粒中总硒与有机硒含量的快速监测，对微生物筛选及富硒食品开发具有重要意义。首先，采用衰减全反射傅里叶变换红外光谱仪获取富硒开菲尔粒的光谱信息；其次，对比四种变量筛选方法分别结合三种机器学习算法所构建定量预测模型的性能。在总硒含量预测中，竞争性自适应重加权采样-最小二乘支持向量机模型效果最优，其预测集相关系数与相对分析误差分别为0.97和4.36。在有机硒含量预测中，IRF-LSSVM模型的预测集相关系数为0.95、相对分析误差为6.44。该方法可实现富硒开菲尔粒中总硒与有机硒含量的科学化、快速化（1分钟内）、绿色化检测。
-
通过机器学习辅助拉曼光谱直接估算单颗粒淀粉中的直链淀粉与支链淀粉
查看原文
2025
Carbohydrate Polymers
中科院一区JCR一区
Imrul M. Hossain, N. Pooja, Sri Surya Charan Kondeti, Tatsuyuki Yamamoto, Nirmal Mazumder & Hemanth Noothalapati
计算机标签
偏最小二乘法 支持向量机 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据食品标签
碳水化合物配料 光谱/色谱/质谱等分析方法 碳水化合物与糖类淀粉是人类饮食中最重要的碳水化合物之一。测定直链淀粉和支链淀粉含量的传统方法既耗时又具有破坏性。本研究提出了一种将拉曼光谱与机器学习算法相结合的新方法，以直接估算单颗粒淀粉中的这些成分。利用多元曲线分辨率分析，我们从混合信号中提取了直链淀粉和支链淀粉的纯光谱轮廓。开发了偏最小二乘回归和支持向量回归模型来量化单个颗粒内直链淀粉和支链淀粉的相对比例。该方法能够实现快速的、非破坏性的分析，并提供单颗粒分辨率，为淀粉组成和结构提供了新的见解。
-
发酵剁椒感官评分预测及关键香气化合物表征
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Yuan Liu, Lingyan Zhao, Chunya Yang, Yeyou Qin, Li Zhu & Fangming Deng
计算机标签
支持向量机 随机森林 其他深度学习结构 定量预测/回归分析 时序传感器/物联网数据 质构/流变/感官数据 多模态/融合数据食品标签
蔬菜发酵制品 特征风味 感官评价与方法学 光谱/色谱/质谱等分析方法 其他理化与结构表征发酵剁辣椒（FCP）具有复杂多变的香气特征，这使得准确预测其感官评分和识别关键香气化合物具有挑战性。本研究采用电子鼻（E-nose）结合机器学习方法来预测发酵剁辣椒的感官评分。在支持向量机（SVM）、多元线性回归（MLR）和反向传播神经网络（BPNN）中，随机森林（RF）表现出最高的预测准确率。电子鼻结合训练好的随机森林被用于预测八个地区发酵剁辣椒的感官评分。通过全二维气相色谱-嗅觉检测-四极杆飞行时间质谱（GC×GC-O-Q-TOF-MS）在表现最佳的样品（FCP-1）中检测到97种挥发性化合物和19种气味活性化合物。其中，34种化合物的气味活性值（OAV）大于1。香气重组和缺失实验证实，芳樟醇、苯乙醇、甲硫醇、3-异丁基-2-甲氧基吡嗪、反式-4-癸烯酸乙酯、β-紫罗兰酮、螺氧杂环烷、2-甲基丁酸乙酯、α-松油醇、4-乙基苯酚、β-突厥烯酮和橙花叔醇是FCP-1中的关键香气化合物。
-
基于非靶向代谢组学与机器学习对不同海拔福云6号和中茶108茶树鲜叶的鉴定与品质评价
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Liangji Wu, Ruixin Lou, Qiang Zhang, Kaikai Li & Tao Hou
计算机标签
支持向量机 随机森林 K-近邻 分类/鉴别/等级评定 组学数据食品标签
茶/茶饮料 品质、结构与理化性质 常规理化指标测定 光谱/色谱/质谱等分析方法 代谢组学茶树品种和生长海拔是影响茶叶品质的关键因素。本研究系统探究了它们对中茶108（ZC108）和福云6号（FY6）鲜叶品质的单独影响及协同作用，这两个品种的茶叶采集自海拔442至945米的区域。化学分析表明，中茶108的氨基酸、茶氨酸、糖类、黄酮类化合物和儿茶素含量高于福云6号。随着海拔升高，两个品种茶叶中的茶多酚、黄酮类化合物、咖啡因和儿茶素含量均有所降低。非靶向代谢组学鉴定出50种与品种相关的代谢物和40种与海拔相关的代谢物。随着海拔升高，苯丙素、嘌呤和黄酮类生物合成等关键代谢通路被上调。香豆素存在显著的品种×海拔交互作用。机器学习在品种分类中达到了100%的准确率（随机森林：96.7%，支持向量机：93.3%，K近邻：90%），凸显了品种因素的主导地位。研究还鉴定出了关键生物标志物，如苯乙醇和6-O-对-D-呋喃果糖基-O-葡萄糖。这些发现为茶树品种鉴定、产地溯源和品质控制提供了依据。
