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
-
结合高光谱成像的光谱与颜色数据无损可视化与量化酒醅中的总酸和还原糖含量
查看原文
2022
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 高光谱/多光谱光谱食品标签
酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 植物化学/生物活性成分总酸含量（TAC）和还原糖含量（RSC）是评价酒醅品质的重要指标。本研究采用高光谱成像（HSI）技术对酒醅的总酸与还原糖含量进行定量检测，通过两种联合算法提取总酸和还原糖的特征波长，并基于H、S、V 颜色通道提取酒醅的 9 项颜色特征。
分别以全波长、特征波长、颜色特征及融合数据为输入变量，构建多元分析模型以预测总酸和还原糖含量。其中，采用CARS-SPA提取的特征波长所建立的CF 模型，对总酸含量的预测效果最优；而基于融合数据构建的PSO-SVR 模型，为还原糖含量的最佳预测模型。利用最优模型实现了总酸与还原糖含量的可视化表达。
结果表明，高光谱成像技术可实现酒醅总酸、还原糖含量的无损检测与可视化分析。 -
利用高光谱成像技术评估柿子果实干燥过程中的内部品质参数
查看原文
2022
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 主成分分析/判别分析 深度学习 定量预测/回归分析 高光谱/多光谱光谱食品标签
果蔬干/果脯/蔬菜干 传统热加工 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常量营养素（宏量）柿饼加工过程中，需获取关键品质指标以实现水分、水溶性单宁、可溶性固形物含量的实时检测。本研究建立了一种基于高光谱成像（HSI）的方法，用于柿子关键指标的在线无损检测。
研究共采集 144 个样品，扫描 150 个光谱波段；采用偏最小二乘回归（PLSR）、主成分回归（PCR）、最小二乘支持向量回归（LS-SVR）、径向基函数神经网络（RBFNN）四种建模方法，结合七种光谱预处理方式对数据进行分析。结果表明，LS-SVR在水分含量预测中表现最优，而PLSR更适用于水溶性单宁和可溶性固形物含量分析。
通过 连续投影算法（SPA） 优选最优波长以简化模型，共筛选出约 20 个关键变量。综合来看，高光谱成像技术可作为一种可靠手段，用于干制柿子中化学成分的定量检测。 -
利用时分辨光谱-图像激光诱导击穿光谱通过深度挖掘基质信息对奶粉质量进行精确定性与定量分析
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
机器学习/统计学习 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
乳粉 食品安全与风险评估 光谱/色谱/质谱等分析方法本研究提出一种新型高效的分析方法 ——时间分辨光谱成像激光诱导击穿光谱（TRSI-LIBS），用于实现奶粉品质的精准定性与定量分析。为验证该方法的可行性，研究针对奶粉品质开展了定性与定量分析。
在外源蛋白掺假定性鉴别中，基于 TRSI-LIBS 构建的模型准确率优于传统 LIBS，准确率提升幅度约5%～10%。在外源蛋白掺假及元素含量定量分析中，基于 TRSI-LIBS 的定量模型同样表现更优。
以钙（Ca）含量定量模型为例，其检测限（LOD）、预测集决定系数（R p2）、预测集均方根误差（RMSEP）和预测平均相对误差（AREP）由传统 LIBS 的1.47 mg/g、0.95、0.35 mg/g、23.29%，分别优化为 TRSI-LIBS 的0.81 mg/g、0.98、0.20 mg/g、12.60%。 -
用于Pachino受保护地理标志樱桃番茄溯源的多种元素及化学计量学分析
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
主成分分析/判别分析 分类/鉴别/等级评定食品标签
新鲜蔬菜 质量管理与追溯系统 光谱/色谱/质谱等分析方法为防范意大利西西里岛帕奇诺受保护地理标志（PGI）圣女果遭遇食品欺诈，本研究提出一套包含化学计量学处理的替代鉴别方法。
采用电感耦合等离子体质谱仪（ICP-MS），测定了 16 个 PGI、24 个非 PGI 的 Naomy 品种圣女果，以及 16 个 PGI、8 个非 PGI 对应土壤样品中 32 种无机元素（大量 / 微量元素、镧系元素）的含量。运用 主成分分析（PCA）和典型判别分析（CDA） 筛选可区分 PGI 与非 PGI 圣女果的特征元素。
前两个主成分（PC1、PC2）可解释 PGI 组与非 PGI 组间71.41%的总变异；典型判别分析则确定Zn、Cd、Mn、Ca为无机标志物，可实现样品100% 正确判别。此外，通过计算土壤–果实体系中的转运系数（K），对比了 PGI 与非 PGI 样品的元素吸收规律。 -
小麦来源对‘Blanche’小麦精酿啤酒挥发性成分的影响：一项化学计量学研究
查看原文
2022
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/等级评定食品标签
小麦 酒精饮料 质量管理与追溯系统 品质、结构与理化性质 风味组学精酿啤酒的香气是影响其整体可接受性与饮用口感的关键因素，原料会直接决定啤酒中挥发性有机化合物（VOCs）组成与香气特征。
本研究分析了采用 不同产地（品种与种植地点） 的普通小麦（Triticum aestivum L.），并按梯度添加量制备的小麦精酿啤酒的挥发性有机化合物轮廓。PLS2 分析结果表明，小麦添加比例是影响 VOCs 组成的主要因素，而品种（维托里奥 Vittorio、索利纳 Solina）与种植海拔（海拔 70、500、1200 m）对 VOCs 变异的影响相对较小。偏最小二乘判别分析（PLS-DA）可依据 VOCs 轮廓对两个品种小麦酿造的啤酒进行区分，其中2 - 乙基己醇作为品种特异性标志物，仅在索利纳小麦酿制的啤酒中检出。
