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
-
氢化物发生-智能手机RGB读取与视觉比色双模式系统用于水样和蜂蜜中无机砷的检测
查看原文
2023
Food Chemistry: X
中科院一区JCR一区
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
蜂蜜等天然糖 化学污染物 过程监测与在线检测 光谱/色谱/质谱等分析方法建立了一种用于蜂蜜和饮用水样品中无机砷测定的小型化/便携式双模式比色分析系统。氢化物发生技术因其高发生效率和有效基质分离能力，被用作该比色系统的采样技术。通过氢化物发生生成AsH3，与HAuCl4反应后在试纸上形成金纳米颗粒，使试纸颜色由浅黄色变为深蓝色，可同时通过肉眼（视觉比色模式）和智能手机（RGB读取模式）读取。通过对两种水样、四种蜂蜜样品和两种标准参考水样（BWB2440-2016和GBW08650）的分析，进一步验证了该方法的准确性和现场分析潜力，所有样品及其加标样品的回收率均在90%-116%之间。
-
近红外光谱结合A-CARS-PLS测定玉米蛋白质含量
查看原文
2023
Food Chemistry: X
中科院一区JCR一区
计算机标签
偏最小二乘法 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据食品标签
玉米 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸为了快速、准确地测定玉米中的蛋白质含量，本文提出了一种新的特征波长选择算法——锚定竞争自适应重加权采样(A-CARS)。该方法首先利用蒙特卡洛协同区间偏最小二乘法(MC-siPLS)筛选出特征变量所在的子区间，然后使用竞争自适应重加权采样(CARS)对这些变量进行进一步筛选。将A-CARS-PLS与6种方法进行了比较，包括3种特征变量选择方法(GA-PLS、Random frog-PLS和CARS-PLS)和2种区间偏最小二乘法(siPLS和MWPLS)。结果表明，A-CARS-PLS方法显著优于其他方法：校正集的结果为RMSECV = 0.0336，R_c² = 0.9951；预测集的结果为RMSEP = 0.0688，R_p² = 0.9820。此外，A-CARS将原始的700维变量减少至23个变量。结果表明，A-CARS-PLS优于某些波长选择方法，在玉米蛋白质含量无损检测方面具有巨大的应用潜力。
-
在决策层使用多元素融合信息监测红茶发酵过程中的主要滋味成分
查看原文
2023
Food Chemistry: X
中科院一区JCR一区
计算机标签
智能手机/其他 特征工程与选择策略 定量预测/回归分析 过程控制与实时优化 高光谱/多光谱光谱 时序传感器/物联网数据 多模态/融合数据食品标签
茶/茶饮料 品质、结构与理化性质 过程监测与在线检测 显微与成像技术 光谱/色谱/质谱等分析方法 碳水化合物与糖类 多酚与黄酮 咖啡因迄今为止，由于样本信息片面和模型性能不佳，红茶发酵质量的智能检测仍然是一个引人深思的问题。本研究提出了一种利用高光谱成像技术和电特性预测主要化学成分（包括总儿茶素、可溶性糖和咖啡因）的新方法。利用多元素融合信息建立定量预测模型。使用多元素融合信息的模型性能优于使用单一信息的模型。随后，采用融合数据结合特征选择算法的堆叠组合模型来评价红茶发酵质量。我们提出的策略比经典的线性和非线性算法获得了更好的性能，总儿茶素、可溶性糖和咖啡因的预测集相关系数(R)分别为0.9978、0.9973和0.9560。结果表明，我们提出的策略可以有效评价红茶发酵质量。
-
使用稳定同位素比值分析和随机森林分类验证乳制品的产地声明
查看原文
2023
Food Chemistry: X
中科院一区JCR一区
计算机标签
随机森林 分类/鉴别/等级评定 定量预测/回归分析 中等规模数据集食品标签
奶酪 乳粉 其他乳制品 食品安全与风险评估 质量管理与追溯系统 光谱/色谱/质谱等分析方法 蛋白质与氨基酸用科学依据支持地理产地声明将提高消费者对食品标签的信任度。稳定同位素比值分析是一种基于自然发生的同位素组成差异来支持食品产地验证的分析技术。本研究对从黄油（60份）、奶酪（96份）和全脂奶粉（41份）中分离的酪蛋白进行了五种相关元素（碳、氢、氮、氧、硫）的稳定同位素比值分析。根据其商业来源地将样本分为四个地理区域：爱尔兰（79份）、欧洲（67份）、澳大拉西亚（29份）和美国（22份）。使用所有产品（197份）的δ13C、δ2H、δ15N、δ18O和δ34S值构建的随机森林机器学习模型，准确预测了原产地（模型准确率88%），其中对爱尔兰产品的分类准确率为95%，欧洲产品为84%，澳大拉西亚产品为71%，美国产品为94%。
-
机器学习在食用作物多源数据中的应用：当前趋势与未来展望综述
查看原文
2023
Food Chemistry: X
中科院一区JCR一区
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 过程控制与实时优化食品标签
品质、结构与理化性质 食品安全与风险评估 过程控制与数字化食用作物的质量和安全是关乎人类健康和营养的关键环节。在人工智能快速发展的时代，利用人工智能挖掘食用作物的多源信息为食用作物的产业发展和市场监督提供了新的机遇。本综述全面总结了多源数据结合机器学习在食用作物质量评价中的应用。多源数据能够整合不同的数据信息，因此相比单一数据源可以提供更全面丰富的信息。有监督和无监督机器学习被应用于数据分析，以满足食用作物质量评价的不同要求。本文强调了各种技术和分析方法的优缺点，指出了需要克服的问题，并提出了有前景的发展方向。为了实时监测市场，食用作物的质量评价方法必须进行创新。
