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 712 条结果
-
作为食品科学与营养大数据分析工具的文本挖掘应用综述
查看原文
2020
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Dandan Tao, Pengkun Yang & Hao Feng
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 知识抽取与语义理解 文本/知识库/法规数据 大规模数据集食品标签
营养与生物功能 食品安全与风险评估 标准/法规/数据库分析大数据分析能够将海量数据转化为可用于明智商业决策和运营决策的见解，因此在许多行业都有应用。先进的数据挖掘技术已被应用于食品行业供应链的多个环节。然而，以往的研究主要集中在对仪器生成数据的分析上，例如来自高光谱成像、光谱学和生物识别受体的数据。由于大数据分析技术的进步，数字文本数据在食品和营养学领域的重要性最近才受到关注。本综述旨在概述食品行业中文本数据的数据源、计算方法和应用。本文将讨论文本挖掘技术，如词级分析（例如频率分析）、词关联分析（例如网络分析）以及先进技术（例如文本分类、文本聚类、主题建模、信息检索和情感分析）。文本数据分析的应用将在食品安全与食品欺诈监测、饮食模式特征分析、消费者意见挖掘、新产品开发、食品知识发现、食品供应链管理和在线食品服务等方面进行阐述。其目标是为智能决策提供见解，以改善食品生产、食品安全和人类营养。
-
基于中红外光谱和化学计量学快速测量鸡肉中微塑料污染：一项可行性研究
查看原文
2020
Food Control
中科院一区JCR一区
Yichao Huang, James Chapman, Yongfeng Deng & Daniel Cozzolino
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
禽肉 化学污染物 光谱/色谱/质谱等分析方法截至目前，微塑料检测仍被公认为极具挑战性，尤其是现场原位分析领域。尽管学界已投入大量精力，开发快速分析方法以检测、识别环境中的微塑料，但针对食品基质内微塑料的定性鉴别与定量检测研究仍较为匮乏。本研究旨在评估一种快速检测方法的应用可行性：该方法基于衰减全反射中红外光谱（ATR‑MIR） 结合化学计量学技术，用于鉴别均质鸡胸肉中聚苯乙烯（PS，粒径 100 μm）、 聚氯乙烯（PVC，粒径 3 μm、100 μm 及 2–4 mm） 两类微塑料的污染水平。研究采用中红外光谱法，对添加不同剂量微塑料的鸡肉样品进行污染水平评估。尽管该方法检测灵敏度中等，但 ATR‑MIR 技术仍可作为快速、可靠的分析工具，对鸡肉中添加 / 污染水平为 1%～10%的高剂量微塑料实现定性检测与定量分析。本研究为首次探索鸡肉基质中微塑料定量检测可行性的相关报道。该方法经优化并提升灵敏度后，未来可大幅拓展其在生物体或组织样品中非破坏性微塑料检测的应用范围，甚至有望实现活体生物内微塑料的原位检测。
-
利用多种机器学习方法预测建模血管紧张素 I 转换酶抑制肽
查看原文
2020
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Yu-Tang Wang, Daniel P. Russo, Chang Liu, Qian Zhou, Hao Zhu, & Ying-Hua Zhang
计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主食品标签
复合/即食/餐饮食品 食品安全与风险评估 抗氧化/抗炎等功能 传统统计分析与回归 蛋白质与氨基酸食源性血管紧张素 I 转换酶（ACE）抑制肽有望作为高血压的安全辅助治疗产品。理论方法能够探索肽结构与生物活性之间的关系，是有前景的建模路径。本研究收集并整理具有 ACE 抑制活性的肽，结合多种机器学习方法和化学描述符建立定量构效关系（QSAR）模型。所得模型揭示了若干影响 ACE 抑制作用的结构特征。研究进一步筛选出 14 条预测可通过抑制 ACE 降低血压的新型二肽。分子对接显示，这些二肽可与 ACE 形成氢键；其中 5 条二肽被合成并进行实验测试。结果证明，所构建 QSAR 模型可用于设计和提出新的 ACE 抑制肽。机器学习算法与合理选择的化学描述符可成为天然功能性食品成分理性设计的有效建模方法。
-
利用近红外光谱和多元建模快速定量检测黑胡椒和孜然粉的掺假
查看原文
2020
Food Control
中科院一区JCR一区
Amanda Beatriz Sales de Lima, Acsa Santos Batista, Josane Cardim de Jesus, Jaqueline de Jesus Silva & Antônia Cardoso Mendes de Araújo & Leandro Soares Santos
计算机标签
偏最小二乘法 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
香精香料 食品安全与风险评估 光谱/色谱/质谱等分析方法香辛料属于高附加值配料，其所处供应链环节复杂，易发生各类掺伪造假行为，因此需要快速高效的质量管控手段。本研究建立检测方法，采用近红外光谱（NIRs）结合化学计量学模型，测定黑胡椒粉、孜然粉中针对性与非针对性掺伪情况，掺杂物为木薯淀粉、玉米粉，添加比例范围5%～50%。所构建的非靶向模型结果显示，相较于黑胡椒样品，孜然样品中的掺伪更易被识别。在区分掺杂物种类方面，模型对两种香辛料均表现出良好判别效果。研究采用 多元线性回归（MLR）与偏最小二乘（PLS） 方法建立靶向模型，结果表明模型对不同掺杂物均具备高预测能力：相关系数均高于 0.90，均方根误差（RMSE）介于 2.2～7 之间。研究在超市与农贸市场售卖的香辛粉样品中开展模型实际应用验证，结果显示掺伪比例较高，黑胡椒与孜然的掺伪率分别为62%和79%。上述结果证实，在黑胡椒、孜然中添加木薯淀粉、玉米粉（或类似物）的掺伪行为普遍存在，体现了此类检测研究的重要意义。
-
基于荧光与智能混沌网络的麝香葡萄酒掺假检测及其分销链评估
查看原文
2020
Food Control
中科院一区JCR一区
John C. Cancilla, Manuel Izquierdo, Anastasiia Semenikhina, Ester González-Flores, Miguel Lastra-Mejías & José S. Torrecilla
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
酒精饮料 食品安全与风险评估 光谱/色谱/质谱等分析方法本研究将智能算法与荧光检测技术集成于一套便携式系统，用于评估葡萄酒的贮藏条件，并检测葡萄酒中掺水、掺乙醇等掺伪行为。研究采集了源自欧洲（法国、俄罗斯）的三类葡萄酒的逾 700 条光谱数据，样品涵盖规模化量产与手工精酿的麝香葡萄酒。研究提取多组自变量并用于神经网络模型训练，所用变量分为两类：一类是通过特征选择直接从荧光发射光谱中提取的特征，另一类是以混沌参数形式计算得到的指标。为实现上述两大研究目标，本研究构建了超 77500 个神经网络以完成模型工具的优化。核心结果表明：无论基于混沌参数还是直接荧光发射数据，荧光检测与智能算法的融合方案，均可有效识别异常贮藏状态，且能精准判定待测葡萄酒中是否存在水、乙醇等掺杂物。
