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
-
近红外光谱学结合基于L1范数和L21范数的机器学习算法，以确定中国狼莓的地理来源
查看原文
2025
Food Chemistry
中科院一区JCR一区
Xiao Zhu, Xiaohong Wu, Jifeng Shen, Jun Sun & Bin Wu
计算机标签
支持向量机 K-近邻 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
果蔬干/果脯/蔬菜干 光谱/色谱/质谱等分析方法中国狼莓的营养价值因不同地理产地而异，甚至在地区层面也有所不同。因此，一种无损且有效的方法对于确定中国狼莓的地理起源具有重要意义。为解决传统特征提取方法对异常值敏感且近红外谱数据处理不够稳健的问题，本研究受L21范数线性判别分析（L21-LDA）启发，提出了基于L21范数的稳健线性判别分析（L21-RLDA），并将其与传统LDA、L21-LDA和L1-NSLDA进行比较。最后，应用了K最近邻（KNN）和支持向量机（SVM）进行分类。L1-NSLDA、L21-LDA和L21-RLDA均取得了显著且高度分类准确性的结果。此外，提出的L21-RLDA达到了99.3%的最高分类准确率。本研究展示了结合基于L1范数和L21范数特征提取方法的近红外光谱技术，能够快速、准确且稳健地区分中国的枸杞来源。
-
基于多光源颜色与荧光成像的番石榴果实成熟度与品质无损检测
查看原文
2025
Postharvest Biology and Technology
中科院一区JCR一区
Shaozhen Lin, Kangting Yan, Zhilei Sun, Zhijie Zhang, Yubin Lan, Linlin Wang & Yali Zhang
计算机标签
偏最小二乘法 支持向量机 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 其他品质相关性质 显微与成像技术番石榴是一种广泛种植的热带水果。准确检测其成熟度和品质对于优化采收时机和确保采后品质至关重要。本研究提出了一种基于颜色图像和荧光图像结合的无损检测方法，用于准确预测和分类番石榴果实的可溶性固形物含量（SSC）、硬度和成熟度。研究使用荧光分光光度计测量了番石榴果实的激发-发射矩阵，分析了其荧光特性，并设计了一个结合紫外光和可见光源的成像系统，以捕捉不同成熟阶段的颜色图像和荧光图像。经过图像预处理和特征提取后，采用偏最小二乘回归（PLSR）模型预测SSC和硬度。实验结果表明，在SSC预测中，荧光图像特征比颜色图像特征表现出更高的敏感性和准确性。融合两种图像特征后，模型能达到最佳预测性能，测试集的R²分别达到0.80和0.90，RPD分别为2.23和3.21。对于成熟度分类，基于支持向量机（SVM）模型的组合特征分类准确率达到91%，并能有效区分番石榴的未熟、绿熟和黄熟阶段。本研究证明了多光源荧光成像系统在番石榴品质无损评估中的潜力，为成熟度评估和品质检测提供了一种快速且经济有效的解决方案。
-
基于多传感器融合与机器学习的库尔勒梨贮藏期间实时新鲜度预测
查看原文
2025
Postharvest Biology and Technology
中科院一区JCR一区
Zhongbiao He, Jiahao Yu, Xue Zhou, Tengfei Tang, Huibing Wang, Jingqi Gong, Jiashuo Shi, Xiaoshuang Zhang & Yongman Zhao
计算机标签
其他深度学习结构 支持向量机 随机森林 定量预测/回归分析 时序传感器/物联网数据食品标签
新鲜水果 货架期预测与品质劣变动力学 其他品质相关性质 过程监测与在线检测 其他理化与结构表征本研究提出了一种创新的混合传感器机器学习系统，用于对梨的新鲜度进行客观且自动化的评估，克服了传统视觉检测方法在梨储存监测中的局限性。通过危害分析与关键控制点（HACCP）确定了采后处理中的关键控制点。基于Modbus-RTU协议和Winform架构开发了实时监测系统，以获取0°C、4°C和25°C储存条件下的多源环境数据。将理化指标与传感器数据相结合，利用反向传播神经网络（BPNN）、支持向量机（SVM）、随机森林（RF）和径向基函数（RBF）网络算法构建预测模型。结果表明，微环境参数与新鲜度指标之间存在强相关性。在这些模型中，支持向量机（SVM）表现最佳，对硬度的预测准确率为96.67%，对可溶性固形物含量的预测准确率为94.30%。它显著优于传统的阿伦尼乌斯方程法，后者的准确率为88.23%。该监测系统具有较高的可靠性，数据采集精度超过99%，且运行稳定性强。本研究为梨的储存管理提供了一种无损且高效的解决方案，有效降低了品质劣变风险，提高了经济效益。
-
使用高光谱成像和机器学习对枣浆中的蔗糖、脯氨酸、灰分及果糖/葡萄糖比进行无损预测
查看原文
2025
LWT
中科院一区JCR一区
Mohammad Hossein Nargesi, & Kamran Kheiralipour
计算机标签
机器学习/统计学习 偏最小二乘法 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
果蔬汁/浓缩汁 品质、结构与理化性质 显微与成像技术 矿物质与微量元素 蛋白质与氨基酸 碳水化合物与糖类枣糖浆是枣类水果的副产品之一，富含营养和抗氧化剂，并在食品工业中有多种应用。通过实验室方法测量化学成分具有破坏性，并且需要高成本和熟练的操作人员。本研究的目的是使用高光谱成像作为一种新的、无损、快速且简单的技术来预测枣糖浆的化学成分。准备了糖浆样品，并测量了蔗糖、脯氨酸、灰分及果糖/葡萄糖比值。高光谱成像系统捕捉样品在400-950纳米波长范围内发射的光，并将其存储为高光谱图像。为了处理这些图像，在MATLAB软件中开发了一种算法。主成分分析用于识别最有信息量的波长。在从这些选定波长的图像通道中提取特征后，选择了高效特征，并使用偏最小二乘回归、支持向量回归和人工神经网络方法进行预测。人工神经网络对成分的预测准确率（分别为99.99%、100%、99.99%和100%）高于偏最小二乘回归（分别为98.98%、97.25%、98.98%和96.70%）和支持向量回归（分别为98.09%、98.92%、98.95%和72.20%）方法。本研究结果证明了高光谱成像和神经网络在估算枣浆化学成分方面的高能力。
-
同位素辅助数据挖掘技术用于中国市场大米真伪鉴别
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Syed Abdul Wadood, Weixing Zhang, Yongzhi Zhang, Chunlin Li, Karyne M. Rogers, Wahab Ali Khan, Muhammad Azeem, Lina Wu & Yuwei Yuan
计算机标签
支持向量机 随机森林 K-近邻 主成分分析/判别分析 分类/鉴别/等级评定 质构/流变/感官数据食品标签
大米 光谱/色谱/质谱等分析方法本研究旨在通过稳定同位素分析结合多变量分析和机器学习模型，对中国市场上销售的大米的地理来源和品种（粳稻与籼稻）标签进行鉴定。采用同位素比质谱法（IRMS）对大米中的δ13C、δ15N、δ18O和δ2H进行了测定，并通过主成分分析（PCA）和t分布随机邻域嵌入（t-SNE）进行分析，以可视化区域差异和品种差异。利用真实的田间样品开发了不同的机器学习模型（k近邻算法、支持向量机、随机森林），并使用市场来源的样品进行来源验证测试。结果显示，田间样品和市场标签样品之间存在显著的同位素差异，这表明可能存在品种和来源的错误标签问题。与主成分分析相比，t分布随机邻域嵌入在解析同位素数据中的非线性模式方面表现更优。在不同模型中，随机森林的分类性能略胜一筹。尽管这些模型在田间来源的样品上实现了完美的分类准确率，但应用于市场来源的样品时，性能出现了显著下降，这表明存在普遍的来源错误标签问题。
