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
-
组学分析结合化学计量学在食品与药品明胶真实性鉴别中的应用综述
查看原文
2024
Food Chemistry: X
中科院一区JCR一区
计算机标签
偏最小二乘法 主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 组学数据食品标签
内脏及副产物 食品安全与风险评估 质量管理与追溯系统 组学与高通量技术 蛋白质与氨基酸明胶是一种可从胶原蛋白、动物骨骼、皮肤中水解得到的蛋白质分子，且易溶于水。必须对明胶原料的来源动物及其清真状态进行评估。用于食品和药品中明胶鉴别的组学方法具有诸多优势，包括高灵敏度和数据可靠性。组学研究通过将物质分解成小颗粒，从而提高检测更多化合物的能力。组学研究能够在亚类水平上识别物质，这使其非常适合用于明胶鉴别。明胶的脂质、代谢物、蛋白质和挥发性化学物质可作为明胶鉴别的参考依据。在进行明胶鉴别时，脂质组学、代谢组学、蛋白质组学和挥发组学必须与化学计量学相结合以进行数据解读。化学计量学能将组学分析数据转化为易于查看的数据。能够呈现用于明胶鉴别的组学分析数据的化学计量学方法包括主成分分析（PCA）、层次聚类分析（HCA）、偏最小二乘判别分析（PLS-DA）、偏最小二乘回归（PLSR）、软独立建模分类法（SIMCA）和流式细胞术（FACS）。通过化学计量学可直观地解释不同动物来源明胶之间的差异。组学分析与化学计量学相结合是一种在食品和药品明胶鉴别方面极具前景的技术。
-
基于HS-GC-IMS与深度学习结合的藏红花不同产地表征与真伪鉴别
查看原文
2024
Food Chemistry: X
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 组学数据食品标签
香精香料 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法随着藏红花需求的不断增长，规范其产地确认并识别任何掺假情况，对于维持市场上以质量为导向的产品至关重要。然而，目前仍缺乏一种快速且可靠的藏红花掺假识别策略。在此，我们开发了一种顶空-气相色谱-离子迁移谱（HS-GC-IMS）与卷积神经网络（CNN）相结合的方法。该方法可快速直接地检测出69种挥发性化合物（VOCs），其中包括7组异构体。我们提出了一种基于GC-IMS数据的CNN预测模型。凭借最少的数据预处理和自动特征提取能力的优势，GC-IMS图像可直接输入到CNN模型中。产地预测结果的平均准确率约为90%，高于主成分分析（PCA，61%）和支持向量机（SVM，71%）等传统方法。所建立的CNN在识别假冒藏红花方面也表现出98%的高准确率，可用于藏红花的真伪鉴别。
-
基于人工神经网络应用的麻花中丙烯酰胺含量预测
查看原文
2024
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 质构/流变/感官数据食品标签
小麦 油炸食品 传统热加工 颜色与外观品质 加工污染物 光谱/色谱/质谱等分析方法丙烯酰胺是在食品热加工过程中，由还原糖与天冬酰胺反应形成的。像液相色谱-质谱联用（LC-MS）、高效液相色谱（HPLC）等检测方法既耗时又昂贵，这促使我们采用基于遗传算法的反向传播人工神经网络（BP-ANN）来建立麻花中丙烯酰胺的预测模型。我们测定了 frying时间和温度对丙烯酰胺含量的影响，以及在不同时间和温度下的色差与酸价。研究发现，丙烯酰胺含量与温度呈极显著相关（P < 0.01），与酸价和色差呈显著相关（P < 0.05）。因此，我们将温度、酸价和色差设为输入层，丙烯酰胺含量设为输出层，构建了BP-ANN网络预测模型。通过多种群遗传算法对BP-ANN网络预测模型中的权重和阈值进行优化，并设置测试数据以获得优化后的BP神经网络预测模型。结果表明，隐藏层神经元为5个、学习率为0.005的BP-ANN模型，采用Levenberg-Marquardt反向传播训练算法时预测性能最佳，其测试集和验证集的相关系数（R）分别为0.9640和0.8999，表明该模型拟合度良好，逼近能力较强。该BP-ANN模型有望准确预测麻花中的丙烯酰胺含量。
-
基于脂质组学结合粒子群优化-反向传播神经网络的盐池滩羊肉真实性鉴别
查看原文
2024
Food Chemistry: X
中科院一区JCR一区
计算机标签
主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 时序传感器/物联网数据 组学数据食品标签
畜肉 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/质谱等分析方法本研究成功将广泛靶向脂质组学与基于粒子群算法优化的反向传播（BP）神经网络相结合，用于鉴别盐池滩羊的真伪。研究采用电子鼻和气相色谱-嗅觉测定-质谱联用（GC-O-MS）技术，探究了不同地区滩羊的风味差异。在已鉴定的17种挥发性化合物中，有16种存在显著的地区差异（p < 0.05）。脂质组学在41个脂质类别中鉴定出1080种分子，其中包括肉碱15:0、肉碱17:1和肉碱G8:1-OH在内的11种脂质可作为盐池滩羊的潜在标志物。此外，研究还采用逐步线性判别模型和三种反向传播神经网络对滩羊的产地进行鉴定。结果显示，粒子群优化-反向传播（PSO-BP）神经网络的预测效果最佳，其训练集和测试集的预测准确率均达到100%。所建立的PSO-BP模型能够有效区分盐池滩羊和非盐池滩羊。这些结果为盐池滩羊的鉴别提供了全面视角，并增进了人们对滩羊风味和脂质组成与产地关系的理解。
-
基于FT-NIR结合机器学习的陈皮掺假快速检测与掺假浓度预测
查看原文
2024
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 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
其他果蔬制品/植物类 香精香料 食品安全与风险评估 颜色与外观品质 常规理化指标测定 光谱/色谱/质谱等分析方法陈皮（PCR）多年来一直被用作食品和香料，以其丰富的营养成分和独特的香气而闻名。然而，价格上涨往往伴随着掺假现象。本研究通过色度分析、傅里叶变换近红外光谱（FT-NIR）和机器学习算法对两种掺假物（橙皮-OP和蜜橘皮-MR）进行了鉴别，并对掺杂浓度进行了定量预测。结果表明，色度分析无法完全区分陈皮和掺假物。采用光谱预处理结合机器学习算法，成功区分了陈皮和两种掺假物，分类准确率分别达到99.30%和98.64%。筛选特征波长后，掺假定量模型的决定系数（R²）大于0.99。总体而言，本研究首次提出采用傅里叶变换近红外光谱技术研究陈皮的掺假问题，填补了陈皮掺假研究的技术空白，为解决日益严重的陈皮掺假问题提供了重要方法。
