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
-
基于选择离子流动管质谱指纹图谱和化学计量学的特级初榨阿甘油认证
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 定量预测/回归分析食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法特级初榨阿甘油（EVAO）因其营养价值与药用价值广受认可，却常遭遇掺假问题。研究采用选择离子流动管质谱（SIFT‑MS） 图谱，对特级初榨阿甘油中的掺假物（低品质阿甘油 LQAO、橄榄油 OO、葵花籽油 SO）进行定量分析，分别考察了H₃O⁺、NO⁺、O₂⁺· 三种试剂离子及三者数据融合后的四组数据集。
研究采用软独立建模类比（SIMCA）、偏最小二乘判别分析（PLS‑DA）两种方法，对纯品特级初榨阿甘油与掺假样品进行判别分析；同时评估了 SIFT‑MS 结合偏最小二乘（PLS）、支持向量机（SVM）回归，用于定量检测特级初榨阿甘油中微量掺假物的有效性。研究还通过投影重要性变量（VIP）、区间偏最小二乘法（iPLS）筛选有效特征变量，并构建多种模型预测特级初榨阿甘油的真伪与掺假程度，均实现了较高的预测准确率。
结果表明，SIFT‑MS 图谱结合适配的化学计量学工具，可有效用于特级初榨阿甘油的品质评价与掺假鉴别。 -
基于质谱的电子鼻用于认证100%意大利硬质小麦意面及挥发性化合物的表征
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 时序传感器/物联网数据食品标签
小麦 质量管理与追溯系统 光谱/色谱/质谱等分析方法采用顶空固相微萃取（HS‑SPME）联用质谱型电子鼻（MS‑eNose），结合多元统计分析，作为非靶向分析方法，对100% 意大利硬质小麦意面开展快速真伪鉴别研究。在测试的分类模型（主成分分析‑线性判别分析 PCA‑LDA、偏最小二乘判别分析 PLS‑DA、支持向量机分类 SVMc）中，SVMc在校正集（准确率 90%）与验证集（准确率 92%）均实现最高判别精度。
通过顶空固相微萃取‑气相色谱‑质谱联用（HS‑SPME/GC–MS）分析，筛选出可区分意面样品的潜在标志物。在 59 种挥发性有机化合物（VOCs）中，有 8 种化合物的含量在 100% 意大利硬质小麦意面与其他产地硬质小麦制作的意面间存在显著差异，这些差异物质大多与两类意面中脂质氧化程度的不同相关。
本研究建立的质谱型电子鼻方法快速、可靠，可用于意大利意面的真伪鉴别，既有助于推广其地理标志性特征，也能保护消费者免受食品欺诈行为侵害。 -
一种利用电子鼻、电子舌与化学计量学鉴别新会陈皮不同栽培品种并筛选气味与味觉风味化合物的新策略
查看原文
2022
Food Chemistry
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 时序传感器/物联网数据食品标签
其他果蔬制品/植物类 质量管理与追溯系统 光谱/色谱/质谱等分析方法 其他特殊成分本研究联合电子鼻、电子舌与化学计量学，建立了一种快速区分不同种植方式新会陈皮 全枝（QZ）与驳枝（BZ） 的方法，可作为市场上鉴别食品欺诈的工具。
采用气相色谱 - 质谱联用（GC–MS）与超高效液相色谱 - 四极杆飞行时间质谱（UHPLC-Q-TOF-MS），从 108 份新会陈皮样品中鉴定出 30 种挥发性成分、34 种低分子量特征指纹成分；通过化学计量学筛选并对比全枝与驳枝陈皮的关键标志物。分别利用电子鼻、电子舌实现两类陈皮气味、滋味的有效区分。
研究经斯皮尔曼秩相关筛选出主要挥发性风味成分，包括 β- 月桂烯、柠檬烯、β- 反式 - 罗勒烯、γ- 松油烯、异松油烯等；基于灰色关联分析与偏最小二乘回归，筛选出羟甲基糠醛、橙皮素、川陈皮素、橘皮素等关键滋味成分。本研究可为新会陈皮的品质评价提供更深入的理论依据。 -
整合代谢组学与多元化学计量学以发现食品功能性相关活性标志物的综合策略：以山楂果实为例
查看原文
2022
Food Chemistry
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 组学数据食品标签
新鲜水果 品质、结构与理化性质 代谢组学人们对天然富含营养素、且含有潜在有益健康生物活性成分的功能食品需求日益增长。本研究以野山楂（Crataegus cuneata）为研究对象，采用代谢组学与化学计量学联用的研究策略，筛选可用于区分果实功能相关生物活性的品质标志物。
该联用策略可用于解析代谢过程、挖掘潜在生物活性成分，并可进一步对这些成分开展功能验证。整套研究体系可为筛选功能相关活性标志物、进而开展食品品质评价提供方法学指导。 -
使用智能手机控制的便携式近红外光谱仪与化学计量学快速检测玉米粉样品中的伏马毒素B1和B2
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析食品标签
玉米 食品安全与风险评估 光谱/色谱/质谱等分析方法本研究提出采用便携式近红外（NIR）光谱仪结合化学计量学，实现玉米粉样品中 伏马毒素 B₁、B₂（FBs）的检测。研究共采集 173 份玉米样品，通过高效液相色谱 - 串联质谱法（HPLC–MS/MS）测定其伏马毒素含量，并采用偏最小二乘法（PLS）、支持向量机（SVM） 及基于全局 PLS 得分的局部偏最小二乘法（LPLS-S）构建定量模型。
结果显示，SVM 与 LPLS-S 模型性能优于 PLS，其中 LPLS-S 模型的 预测均方根误差（RMSEP）最低（12.08 mg/kg），预测偏差比（RPD）最高（3.44）。研究进一步采用偏最小二乘判别分析（PLS-DA）与支持向量机判别分析（SVM-DA），依据伏马毒素最大残留限量（MRL） 对玉米样品进行分类判别，两种算法的判别准确率均高于 86.0%。综上，本研究为玉米样品中伏马毒素污染的快速监测提供了可行方法。
