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
-
智能食品质量监测：一种用于稳健牛肉质量评估的混合扩张卷积网络和BiLSTM-MSVM模型
查看原文
2025
Food Control
中科院一区JCR一区
计算机标签
深度学习 分类/鉴别/等级评定 时序传感器/物联网数据食品标签
畜肉 特征风味 光谱/色谱/质谱等分析方法牛肉是全球广泛消费的食品。它含有大量蛋白质和脂肪，因此不能长期储存。确保牛肉质量是满足顾客需求的重要措施。为解决人工牛肉质量分析耗时过长的问题，近年来开始使用一种称为电子鼻的设备，该设备包含多个传感器，用于检测牛肉释放的挥发性气体。为此，本文提出了一种结合扩张卷积网络、双向长短期记忆网络和多类支持向量机的系统，基于四种标准品质对牛肉质量进行评估。该系统使用“不同部位牛肉的电子鼻”数据集进行评估。在该系统中，采用离散小波变换噪声过滤技术对传感器采集的数据进行预处理。然后，使用一维精细卷积网络从预处理数据中提取最优特征。接下来，使用混合双向长短期记忆-多类支持向量机架构对这些特征进行分类。评估结果表明，所提模型达到了98.74%的准确率、98.24%的精确率、97.91%的召回率、98.07%的F1分数和99.32%的特异性。在训练和测试效率方面，该模型均显著优于现有模型，训练和测试时间分别减少至38分钟和3.8分钟。这表明所提模型在牛肉质量评估方面具有优越性。
-
结合HS-SPME-GCMS与化学计量学识别掺假亚麻籽油及追踪添加剂来源
查看原文
2025
Food Control
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 组学数据食品标签
植物油 特征风味 其他安全问题 光谱/色谱/质谱等分析方法亚麻籽油中普遍存在的掺假问题亟待高效的方法来解决。本研究提出了一种结合顶空固相微萃取-气相色谱-质谱（HS-SPME-GCMS）与化学计量学的新策略，用于高效识别掺假亚麻籽油并追踪非法添加油的植物来源。研究设计了数据分析引导的HS-SPME参数优化方法，利用自研的自动非靶向数据分析软件AntDAS-GCMS处理GC-MS数据文件，全面研究了纯亚麻籽油与大豆油、花生油、菜籽油等其他食用油之间的风味物质差异。最终，采用两阶段分类策略，通过构建两个独立的偏最小二乘判别分析（PLS-DA）模型，分别实现掺假识别和添加剂来源追溯。结果表明，该策略在第一阶段对掺假亚麻籽油的识别准确率达100%，第二阶段对添加油来源追溯的准确率达96.0%。该数据分析策略为食用油掺假问题提供了新的解决方案。
-
基于太赫兹成像结合机器学习的大米米象侵染快速实时监测
查看原文
2025
Food Control
中科院一区JCR一区
计算机标签
机器学习/统计学习 缺陷/异物检测与定位 高光谱/多光谱光谱食品标签
大米 食品安全与风险评估 显微与成像技术大米因储存不当而频繁遭受米象侵染，降低了营养价值，并对长期储存和粮食安全构成挑战。本研究采用太赫兹成像结合机器学习技术，对受米象侵染的大米进行实时监测。对于一维光谱数据，经过一阶导数预处理的支持向量机分类模型性能提高了9.68%。基于一阶导数光谱并使用竞争性自适应重加权采样提取特征频率后，SVC模型准确率达到100.00%，预测时间减少了0.79毫秒。对于二维图像数据，添加了注意力机制的VGG7模型准确率提升至100.00%。梯度加权类激活映射表明，带注意力的VGG7模型能更准确、快速地挖掘图像中的重要信息。此外，基于加权投票的融合模型（同时利用光谱和图像数据）也表现优异。总之，本研究为了解害虫侵染大米的过程提供了重要见解，可实现快速、准确、实时的监测，以用于害虫管理和粮食保藏。
-
猪肉馅饼中鸡肉掺假的分类与识别：基于多维质量谱和机器学习的方法
查看原文
2025
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 支持向量机 深度学习食品标签
畜肉 禽肉 品质、结构与理化性质 理化与结构表征 风味组学 常量营养素（宏量）本研究旨在利用机器学习技术识别含有不同水平鸡肉掺假的猪肉馅饼样本。构建了一个多维检测系统，使用了300个样本，包含0%到100%的鸡肉掺假梯度。分析了43个参数，包括水分活度、颜色、质地特性、游离氨基酸和电子鼻传感器响应。系统分析了掺假引起的猪肉馅饼的物理和化学变化。基于质量指标和掺假率，开发并评估了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）等机器学习模型。BP-ANN模型取得了99.52%的训练准确率，独立测试集准确率达到98.00%。其性能显著优于SVM（95.56%）和PLS-DA（86.75%）。SHAP分析确定苏氨酸含量、色度参数和组氨酸含量为主要判别指标。筛选出的六个特征与电子鼻传感器阵列相结合，共同增强了模型的稳健性。BP-ANN算法被集成到Streamlit平台，开发了一个用于预测掺假率的实时在线工具。
-
基于卷积神经网络的便携式电子鼻用于啤酒鉴别
查看原文
2025
Food Control
中科院一区JCR一区
计算机标签
卷积神经网络 分类/鉴别/等级评定食品标签
谷物发酵食品 特征风味 风味组学食品质量监测在维护产品完整性和确保消费者健康方面起着至关重要的作用，是公共卫生和行业标准的基石。作为检测食品挥发物的设备，电子鼻可用于监测啤酒的气味，帮助验证其真实性。本研究设计了一种具有垂直环形传感器阵列和神经网络的电子鼻，用于啤酒鉴别。为了克服依赖规则测试腔室的传统平面电子鼻的局限性，气体传感器被垂直排列。此外，采用了一种基于通道注意力和余弦退火热重启的二维卷积神经网络（简称CC-2DCNN）作为模式识别算法。通道注意力机制增强了学习关键特征和权重区分的能力，而余弦退火热重启策略则动态调整学习率。还研究了快速识别，以在保持啤酒鉴别准确性的同时加速响应速度。随后，CC-2DCNN成功部署到电子鼻中，99.3%的准确率表明这是一种新颖且有前景的食品识别方法。
