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
-
基于HS-GC-IMS检测VOCs的多任务深度学习用于姜黄粉地理溯源与掺假检测
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/等级评定食品标签
其他谷物与块根 食品安全与风险评估 特征风味 质量管理与追溯系统 光谱/色谱/质谱等分析方法 其他特殊成分姜黄粉在全球烹饪中的广泛应用及其高市场需求，导致其易受经济利益驱动的掺假行为影响。本研究开发了一种基于顶空气相色谱-离子迁移谱（HS-GC-IMS）的检测方法。构建了利用深度学习算法的多任务学习（MTL）模型，同时执行地理溯源和掺假水平预测。该方法的性能通过与传统化学计量学方法和基于机器学习的单任务学习（STL）模型进行比较评估。化学计量学方法难以准确区分姜黄产地和掺假水平。STL模型在地理溯源中实现了高精度，但在预测掺假水平方面存在局限。相比之下，MTL模型不仅能精确分类姜黄产地，还能有效预测掺假水平，获得0.9651的决定系数、0.5640的均方根误差和0.4296的平均绝对误差。该研究成功建立了基于MTL的HS-GC-IMS方法，为姜黄粉掺假检测和食品安全保障提供了快速、准确的解决方案。
-
基于机器学习辅助荧光传感器阵列的多抗生素快速视觉判别与定量
查看原文
2025
Food Control
中科院一区JCR一区
计算机标签
大语言模型 定量预测/回归分析 高光谱/多光谱光谱食品标签
化学污染物 光谱/色谱/质谱等分析方法多种抗生素的协同污染因其协同和叠加效应对公众健康产生严重影响，而快速判别和定量多种抗生素仍是一项艰巨挑战。本研究开发了一种集成荧光传感器阵列和机器学习辅助便携设备的分析平台，实现对多种抗生素的判别与定量。采用碳点（CDs）和碲化镉量子点（QDs）作为传感元件构建荧光传感器阵列，用于多种抗生素的判别。通过判别抗生素混合物、定量分析抗生素及识别实际样品中的抗生素，进一步验证了方法的检测性能。此外，构建了结合智能手机自开发应用的便携设备，实现抗生素的快速视觉判别。该工作为食品样品中多种有害物质的快速现场检测提供了新途径。
-
基于激光诱导击穿光谱和化学计量学的抹茶汤等级掺假快速识别
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/等级评定食品标签
茶/茶饮料 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他植物化学物质本研究采用激光诱导击穿光谱（LIBS）和化学计量学方法相结合，快速识别抹茶汤中的掺假行为。研究重点分析了水分含量对LIBS光谱和烧蚀图像的影响，并利用LIBS光谱与烧蚀图像的组合建立了定量模型。结果表明，光谱波段选择和烧蚀图像中的信息有助于掺假判定。通过将MobileNet架构与支持向量机回归（SVR）模型相结合，在掺假定量方面取得了最佳结果，相关系数R为0.9058，均方根误差（RMSE）为12.40%。该研究强调了精确的光谱波段选择和利用烧蚀图像来增强LIBS检测食品掺假的准确性，展示了LIBS在确保食品质量和安全方面的潜力。
-
便携式和手持式高光谱成像用于磨碎马铃薯片中的丙烯酰胺无损预测
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 定量预测/回归分析 红外/拉曼光谱数据食品标签
马铃薯 饼干/薄脆制品 化学污染物 光谱/色谱/质谱等分析方法 其他植物化学物质最常见的食品中丙烯酰胺检测分析方法成本高、耗时且具有破坏性，因此不适合食品制造过程中的过程控制。高光谱成像（HSI）为实时检测丙烯酰胺提供了一种有前景的无损替代方案。本研究调查了两种便携式 HSI 系统（一个便携式高光谱相机和一个全合一光谱成像（ASI）装置，捕获400-1000 nm范围的图像）用于马铃薯片中丙烯酰胺预测的可行性。使用 HSI 数据开发的预测模型与通过高端傅里叶变换红外（FTIR）光谱仪获得的模型进行比较，显示出更好的预测性能。然后，在更大的样本集上评估了 HSI 系统，并进一步在低丙烯酰胺含量的商业薯片独立样本集上进行了测试。在中等丙烯酰胺水平（<3000 μg/kg）范围内校准的偏最小二乘回归（PLSR）模型实现了校准均方根误差（RMSEC）为314.5 μg/kg（r = 0.9）和预测均方根误差（RMSEP）为466 μg/kg（r = 0.2）。识别了6个关键波长带，并用于构建RMSEC为267.9 μg/kg（r = 0.9）和RMSEP为312.7 μg/kg（r = 0.9）的模型。这些结果表明，便携式和手持式 HSI 系统可用作快速无损技术来预测马铃薯片中的丙烯酰胺。
-
基于高光谱反射成像的灵武长枣早期碰伤综合评估
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 红外/拉曼光谱数据食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法鲜食枣质地酥脆，易受机械冲击和挤压而造成损伤，这是消费者购买的主要障碍之一。本研究提出了一种方法，利用高光谱成像技术精确识别和分类不同成熟期灵武长枣的碰伤。结果表明，枣的碰伤变化与550-650 nm、660-750 nm、800-850 nm和950-1000 nm附近的有效光谱变化相关。在比较的模型中，长短期记忆网络（LSTM）模型在识别枣早期碰伤方面明显优于传统机器学习模型。自助软收缩（BOSS）和迭代变量子集优化（IVSO）算法被认为是最佳的特征波长选择方法。对于碰伤等级的判别结果，最优模型在校准集和验证集上的准确率分别达到92.20%和87.80%。此外，基于特征波长的LSTM模型达到了93.55%的预测准确率，成功区分了不同碰伤时间的样本。基于特征波长的最佳简化LSTM模型在2小时内对碰伤和未碰伤枣的判别率达到96%。最后，生成了碰伤位置和等级分布的伪彩色图。本研究证明，高光谱成像与深度学习的结合对于快速评估鲜食枣的隐性碰伤具有最佳能力。
