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FT-NIR光谱与GC-MS结合化学计量学快速鉴别与量化紫苏叶化学型
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 随机森林 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 组学数据食品标签
其他果蔬制品/植物类 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法紫苏叶（PF）是一种著名的药食同源植物，含有不同的化学型，这些化学型会影响其品质。本文提出了一种利用气相色谱-质谱联用（GC-MS）和傅里叶变换近红外光谱（FT-NIR）对紫苏叶化学型进行分类和定量的方法。GC-MS结果显示，紫苏叶含有多种化学型，包括紫苏酮（PK）型、α-细辛醚（PP-as）型和莳萝油脑（PP-dm）型，其中紫苏酮型是主要表型。基于FT-NIR数据，可对不同化学型进行准确分类。随机森林算法在表型分类中的准确率达到90%以上。此外，采用偏最小二乘回归模型成功对紫苏叶中的主要成分紫苏酮和异胡薄荷酮进行了定量分析，预测偏差值分别为3.76和2.59。该方法为紫苏叶及其他食品的质量监管提供了有价值的见解和参考。
-
面向通用化的食物源识别：一种采用稳定同位素和元素标记分析进行大米鉴别的可解释深度学习方法
查看原文
-0001
Food Research International
中科院一区JCR一区
计算机标签
无标签食品标签
无标签 -
革新食品工业：人工智能的变革力量——综述
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 分类/鉴别/等级评定 定量预测/回归分析 过程控制与实时优化食品标签
谷物/块根/豆与坚果类 品质、结构与理化性质 食品安全与风险评估 感官科学与消费者研究 智能/指示型包装 质量管理与追溯系统人工智能（AI）正通过优化流程、提高食品质量与安全以及促进创新，变革着食品工业。本综述探讨了AI在食品科学中的应用，包括供应链管理、生产、感官科学和个性化营养。文中讨论了基于知识的专家系统、模糊逻辑、人工神经网络和机器学习等技术，重点阐述了它们在预测性维护、质量控制、产品开发和废物管理中的作用。AI与先进传感器的结合，增强了食品安全和包装领域的实时监测与决策能力。然而，伦理问题、数据安全、透明度和高成本等挑战依然存在。AI有望通过优化资源利用推动可持续发展，借助作物产量的预测分析增强粮食安全，并通过个性化营养和供应链自动化驱动创新，确保产品定制化和高效配送。本文在阐述AI对食品工业变革潜力的同时，也探讨了其广泛应用所面临的障碍。
-
用于机器学习验证新鲜农产品卫生处理的固定化过氧化氢酶仿生叶片
查看原文
2024
Food Research International
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 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
发酵食品及酱腌制品 加工与新加工技术 食品安全与风险评估 过程监测与在线检测 质构与流变测试 光谱/色谱/质谱等分析方法清洗和消毒是新鲜农产品采后加工中至关重要的步骤，旨在降低产品表面的微生物负荷。尽管当前的过程控制和验证工具能有效预测清洗水中的消毒剂浓度，但在评估消毒剂降低农产品表面微生物数量的有效性方面存在显著局限性。这些挑战凸显了改进卫生处理验证的迫切需求，特别是考虑到动态有机污染物和复杂表面形貌的存在。本研究旨在为新鲜农产品行业提供一种新颖、可靠且高精度的方法，用于验证产品表面的卫生处理效果。我们的结果证明了使用食品级、固定有过氧化氢酶（CAT）的仿生叶片结合振动光谱学和机器学习来预测微型绿叶蔬菜表面微生物灭活效果的可行性。使用两种消毒剂进行了测试：次氯酸钠（NaClO）和过氧化氢（H2O2）。所开发的固定化CAT的叶片复制PDMS（CAT@L-PDMS）有效地模拟了叶片表面的微观形貌和细菌分布。在模拟卫生处理后，CAT@L-PDMS的FTIR光谱变化表明了由NaClO或H2O2处理引起的CAT氧化所导致的化学变化，这为后续的机器学习建模提供了便利。在测试的五种算法中，竞争性自适应重加权采样偏最小二乘判别分析（CARS-PLSDA）算法在分类微型绿叶蔬菜表面大肠杆菌灭活效果方面最为有效。对于NaClO，该算法在训练集和预测集中对微型绿叶蔬菜表面细菌减少的预测准确率均为100%；对于H2O2，训练集准确率为95%，预测集为86%。这种方法可以改进新鲜农产品卫生处理的验证，并为未来的研究铺平道路。
-
基于数字图像结合随机森林算法的蜂花粉粗蛋白含量绿色快速预测
查看原文
2024
Food Research International
中科院一区JCR一区
计算机标签
随机森林 定量预测/回归分析 可见光/RGB/视频数据食品标签
马铃薯 品质、结构与理化性质 生产管理与数字化工厂 显微与成像技术 维生素蜂花粉被认为是一种具有功能特性的优良膳食补充剂，广泛应用于食品、化妆品配方及生物医学领域。因此，了解其化学成分，尤其是粗蛋白含量，对于保证其质量及工业应用至关重要。为了定量蜂花粉中的粗蛋白，本研究探索了结合数字图像分析和随机森林算法来开发一种快速、经济且环境友好的分析方法的潜力。使用智能手机相机在受控光照下拍摄了蜂花粉样本（n = 244）的数字图像。利用开源软件提取了RGB通道强度和颜色直方图。粗蛋白含量通过凯氏定氮法（参考方法）测定，并与数字图像的RGB通道及颜色直方图数据结合，通过应用随机森林算法生成预测模型。所开发的模型在蜂花粉粗蛋白分析中表现出良好的性能和预测能力（R² = 80.93%；RMSE = 1.49%；MAE = 1.26%）。因此，根据AGREE指标，该分析方法可被视为环境友好型，是传统分析方法的优秀替代方案。它避免了有毒试剂和溶剂的使用，展现了能源效率，利用了低成本仪器，并且稳健、精确。这些特点表明其易于在质量控制实验室的蜂花粉样本粗蛋白常规分析中实施。
