英文：
The sarcocarp content and volume are key factors for assessing the quality of durian fruit. Non-destructive and efficient detection techniques can provide critical data support for durian breeding, postharvest technology research, and grading during industrialization processes. This study primarily investigated the potential of X-ray computed tomography (CT) in non-destructive analysis of internal durian traits and high-throughput evaluation of edible rate. The X-ray CT system was used for durian imaging. The U-Net model was utilized to segment tomographic images into background, sarcocarp, pericarp, kernels, and cavity regions. A total of 18 phenotyping traits, such as fruit volume and sarcocarp volume, were automatically calculated. To overcome the impact of tomographic image quantity on detection efficiency, a rapid prediction model for edible rate was developed using a single image. Experimental results indicated that the method based on X-ray CT system achieved mean absolute percentage error (MAPE) of 1.14 % for fruit volume and 3.09 % for sarcocarp volume when compared to manual measurements, with coefficient of determination (R) values of 0.989 and 0.955, respectively. When predicting the edible rate based on all tomographic images, the R [2 ] and MAPE were 0.923 and 3.39 %. Further results indicated that the edible rate prediction model based on a single image achieved R [2 ] and MAPE values of 0.917 and 4.03 %. Overall, X-ray CT imaging technology facilitates comprehensive and accurate extraction of internal durian traits while also demonstrating its potential for high-throughput prediction of the edible rate.
中文
果肉含量与果实体积是评判榴莲品质的核心指标。无损、高效的检测技术能够为榴莲育种、采后技术研究及产业化分选分级环节提供关键的数据支撑。本研究重点探究了 X 射线计算机断层扫描（CT）技术在榴莲内部性状无损分析及可食率高通量测定中的应用潜力。
研究采用 X 射线 CT 系统对榴莲进行断层扫描成像，借助 U-Net 模型将扫描图像分割为背景、果肉、果皮、果核及空腔区域，并自动计算出果实体积、果肉体积等共计 18 项表型指标。为解决断层扫描图像数量对检测效率的制约，本研究构建了基于单张扫描图像的可食率快速预测模型。
实验结果表明：与人工测量结果相比，基于 X 射线 CT 系统的检测方法对果实体积的预测平均绝对百分比误差（MAPE）为 1.14%，决定系数（R）达 0.989；对果肉体积的预测平均绝对百分比误差为 3.09%，决定系数为 0.955。基于全量断层扫描图像的可食率预测模型，决定系数（R²）为 0.923，平均绝对百分比误差为 3.39%。进一步研究结果显示，基于单张扫描图像的可食率预测模型，决定系数（R²）和平均绝对百分比误差分别为 0.917 和 4.03%。
综上，X 射线 CT 成像技术可实现对榴莲内部性状的全面、精准提取，同时证实了该技术在榴莲可食率高通量预测方面具有良好的应用前景

中文：
本研究旨在探究烤制过程中鸡胸肉内晚期糖基化终末产物（AGEs）的形成规律，重点分析并模拟两种关键AGEs——羧甲基赖氨酸（CML）与羧乙基赖氨酸（CEL）含量的动态变化模型。为系统研究AGEs的形成模式，鸡胸肉样本分别在180°C至230°C的五个烤制温度下进行处理，并于每个温度下烤制至60°C至100°C五个不同的核心温度。采用多元线性回归与偏最小二乘法构建了CML与CEL含量的动态预测模型，依据决定系数（R²）与均方根误差（RMSE）筛选出最优模型，其中CEL模型的R²为0.886，CML模型的R²为0.954，RMSE值表明预测误差极低。本研究通过验证建立了一个可靠的预测框架，可用于预测烤制过程中AGEs的形成，为优化烹饪工艺以平衡产品质量与安全性提供了重要依据。

中文：
本研究旨在建立一种快速高效的方法，用于量化鲑科鱼鱼片中的肌间脂肪含量（IMF），该指标直接决定鱼片品质。研究首先采集了204张虹鳟鱼片图像，通过传统RGB分布分析进行初步IMF估算，但效果不理想（R² = 0.61）。因此，从图像中进一步提取了9个颜色特征和7个复合特征，基于计算机视觉与机器学习技术，训练了线性模型（逐步回归、弹性网络）和非线性模型（随机森林、深度神经网络）。所有模型准确率均超过63%，且R² > 0.85。其中随机森林模型表现最为稳健，R²达0.91，准确率为79%。研究进一步应用该稳健模型对120份新增鱼片样本进行IMF量化分析，结果显示IMF含量与鱼体规格、性别及遗传背景显著相关。本研究首次建立了具备高效性、准确性、实用性与可靠性的鲑科鱼鱼片肌间脂肪含量量化方法。

本研究探讨了氯原酸对冷藏金鲳鱼片品质的影响，并开发了一种人工神经网络模型来预测经CGA处理的金鲳鱼片在贮藏期间的品质变化。结果表明，CGA能有效抑制金鲳鱼片在贮藏期间的质构劣变和蛋白质降解。与对照组（31.86 mg N/100 g）相比，经2 g/L CGA处理的金鲳鱼片在15天后，其总挥发性盐基氮值（25.90 mg N/100 g）显著降低。此外，2 g/L CGA处理组中肌原纤维蛋白的α-螺旋比例增加至32.60%，而无规卷曲比例降至29.18%，表明CGA有效保护了肌原纤维蛋白的二级结构。而且，所建立的ANN模型能够以低于3%的相对误差，准确预测CGA处理的金鲳鱼片在贮藏期间的品质变化。本研究为CGA在金鲳鱼加工工业中的应用以及ANN模型参数在其他食品加工模拟中的应用提供了理论基础。

草莓是最受欢迎的水果之一。要满足市场对高品质、风味佳品种日益增长的需求，必须了解消费者的偏好。准确预测这些偏好、评估品质并防止食品欺诈，对育种者和销售者至关重要。本研究利用可见-近红外光谱成像（光谱范围400-1000 nm）和人工神经网络，探索了对17个草莓品种的品质、荷兰消费者接受度进行预测及品种鉴别的方法，此研究尚属首次。共使用了3564个样本。评估了三种算法：支持向量机、XGBoost和多层感知器（MLP），用于预测品质参数、消费者接受度和品种鉴别。MLP模型表现出最高的精度，对总可溶性固形物、可滴定酸度、咬感和总体消费者接受度的预测R²值分别为0.85、0.81、0.76和0.78。在品种鉴别方面，MLP模型的F1分数达到0.84。这些发现凸显了人工神经网络在提升产品质量评估、防止食品欺诈以及使产品更符合消费者偏好方面的潜力。