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 276 条结果
-
追踪冷冻猪肉的营养和质量变化：一项为期12个月的研究，使用7类肉类参数和VIS/NIR光谱
查看原文
2025
Food Chemistry
中科院一区JCR一区
Xi Tang, Hui Xiao, Ting Luo, Jiacheng Wei, Ruiqiu He, Junhui Duan, Shijun Xiao, Nengshui Ding, Lusheng Huang & Zhiyan Zhang
计算机标签
机器学习/统计学习 随机森林 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
畜肉 品质、结构与理化性质 生产管理与数字化工厂 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 脂质与脂肪酸冷冻猪肉存量对于稳定粮食安全和价格至关重要，但评估冷冻期间的营养和物理化学变化仍具挑战性。本研究对50头猪的长轴肌进行了为期12个月的冷冻储存实验，在−20°C下进行，量化了7个类别中62项肉质成分的变化，包括解冻损失、肌红蛋白、脂肪酸、氨基酸和劣化指标。Prophet模型表明，猪肉在适当冷冻下可保持良好品质1至2年，4年后出现明显劣化。跨维度的表型相关揭示了关键相互作用和异常，如花生四烯酸（C20：4n6）和蛋氨酸（Met）偏离各自簇。利用VIS/NIRS和九种机器学习算法，存储时间分类模型在SpecimIQ传输光谱和AdaBoost下实现了85.8%的准确率。这些发现展示了VIS/NIRS在食品安全和加工领域的潜力，为精确的储存时长识别提供了实用解决方案，并为管理冷冻猪肉储备提供了宝贵见解。
-
应用机器学习优化生物标志物组合并指导肉类真实性鉴定的决策
查看原文
2025
Meat Science
中科院一区JCR一区
Lucille Rey-Cadilhac & Sophie Prache
计算机标签
随机森林 智能手机/其他 特征工程与选择策略 分类/鉴别/等级评定 质构/流变/感官数据食品标签
畜肉 品质、结构与理化性质 食品安全与风险评估 理化与结构表征本文测试了两种机器学习方法（决策树和随机森林模型）在肉类真实性鉴定中的相关性。决策树能够根据各自区分能力选择和排序潜在生物标志物，优化它们的组合，并指导根据生产系统对样本进行分类的决策，这些方面迄今研究不足。随机森林模型也被开发，因为它们特别稳健。我们将这两种方法应用于一项实验中测量的不同组织（肾周脂肪、背脂和最长胸腰肌）上的19种化合物/变量，该实验使用屠宰前在苜蓿牧场育肥四种不同时长的Romane公羊（每组34-36只羔羊）。我们构建了几个决策树/随机森林模型，包括在屠宰场/销售点相对容易进行的测量，或需要实验室分析的测量。决策树/随机森林模型将牧场育肥羔羊胴体与舍饲羔羊区分开来，准确率高达95.1-95.7%，并显示肾周脂肪粪臭素和肾周脂肪类胡萝卜素色素含量（在19个变量中）在分类中发挥了突出作用。为销售点使用设计的决策树/随机森林模型基于背脂分光色度特性和最长胸腰肌颜色坐标，达到了84.3-85.4%的准确率。这是首次使用决策树进行肉类真实性鉴定的研究，分类决策的阈值可能需要在更大的数据库上进一步验证。然而，这些发现为决策树在真实性鉴定中的广泛应用提出了前景。
-
结合稳定同位素和多元素与机器学习化学计量模型确定三叶青的地理起源
查看原文
2025
Food Chemistry
中科院一区JCR一区
Lu Bai, Zixuan Zhang, Yalan Li, Shanshan Zhao, Xiaoting Yang, Chengqun Chen, Shilin Zhao, Ping Zhang, Xin Peng, Yan Zhao & Kehong Liang
计算机标签
支持向量机 随机森林 其他深度学习结构 分类/鉴别/等级评定食品标签
其他果蔬制品/植物类三叶崖爬藤（Tetrastigma hemsleyanum Diels et Gilg，简称T. hemsleyanum）是一种兼具食用价值与较高药用价值的植物，其品质会因产地不同而存在差异。受经济利益驱动，该植物已出现掺假造假现象。因此，研发可用于三叶崖爬藤产地溯源的有效技术已迫在眉睫。本研究将稳定同位素与多元素分析相结合，依托支持向量机（SVM）、随机森林（RF）、前馈神经网络（FNN）等机器学习化学计量学模型，开展三叶崖爬藤产地溯源研究。结果表明，该研究方法可有效区分不同产地的三叶崖爬藤，其中支持向量机、随机森林与前馈神经网络模型的预测准确率均达100%，且前馈神经网络模型的综合表现更优。本研究可为三叶崖爬藤的产地溯源相关研究提供技术支撑与理论依据。
-
紫外可见光谱与机器学习的集成，用于识别再生聚对苯二甲酸乙二酯
查看原文
2025
Food Packaging and Shelf Life
中科院一区JCR一区
Yan-Ling Xie, Qi-Zhi Su, Qin-Bao Lin, Huai-Ning Zhong, Dan Li & Ben Dong
计算机标签
随机森林 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
塑料材料 循环经济与绿色供应链 光谱/色谱/质谱等分析方法循环经济推动了人们对聚对苯二甲酸乙二酯（PET）回收的新兴趣，包括用于食品包装的再生PET，重点是降低生产成本和实现社会发展目标。本研究提出了一种利用经济可行的紫外可见光谱结合机器学习算法来分类原生和再生PET的新方法。结果表明，基线去除（RMBL）是二元分类的最佳预处理方法，主成分分析（PCA）结合随机森林（RF）是区分原生PET和100%再生PET最有效的二元分类模型。为了进一步提高检测低再生含量样品的能力，随后开发了一个多分类模型。该方法能够检测低至10%的再生PET含量，为分类提供了定量可能性。本研究证明了该方法的有效性，并对可持续回收实践具有重要意义。
-
基于随机森林的杀虫分子探索：实现高杀虫活性与低蜜蜂毒性的平衡
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Wei Guo, Xiangmin Song, Yongchao Gao, Shuai Yang, Jiahong Tang, Chen Zhao, Haojing Wang, Jiajun Ren, Lingda Zeng & Hanhong Xu
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 文本/知识库/法规数据食品标签
化学污染物 其他可持续性主题 其他统计建模方法具有高活性的杀虫分子对于全球减少农药使用和保障食品安全至关重要。然而，由于这些分子对蜜蜂具有相当高的毒性，其使用受到了限制。在新杀虫分子的开发过程中，平衡杀虫活性与对蜜蜂的毒性控制仍然是一个关键挑战。在本研究中，我们提出了一种利用既对害虫高效又对蜜蜂毒性极小的分子的新策略。一系列分子被合成并进行了测试，以训练一个机器学习（ML）模型来预测对害虫的杀虫活性。同时，另一个 ML 模型是利用公开可用的数据训练的，用于预测对蜜蜂的毒性。这些模型表现良好，杀虫活性的平均 AUC 值为 0.88 ± 0.05，对蜜蜂的毒性平均 AUC 值为 0.91 ± 0.01。通过将这两个模型整合起来，我们成功地预测并实验证实了一种具有高杀虫活性和低对蜜蜂毒性特征的分子。这种双 ML 模型的方法为开发既有效又对环境安全的杀虫分子提供了一条有前景的途径，从而为可持续农业做出了贡献。
