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
-
结合基于核磁共振的食品组学、统计学和机器学习方法防止有机白蘑菇（双孢蘑菇）的标识错误
查看原文
2024
Food Research International
中科院一区JCR一区
计算机标签
深度学习 偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 组学数据食品标签
水果/蔬菜与菌菇类/植物类 质量管理与追溯系统 其他理化与结构表征有机食品是最容易受到欺诈和错误标识的食品之一，因为有机食品与常规种植食品的区别依赖于纸质记录系统。本研究旨在开发一种结合核磁共振、统计方法（主成分分析和偏最小二乘判别分析）以及分类人工神经网络的鉴别模型。该模型针对双孢蘑菇的亲水性和亲脂性提取物进行了测试。作为线性技术，主成分分析和偏最小二乘判别分析，以及作为非线性分类工具的分类人工神经网络，都成功地根据核磁共振数据区分了有机样品和常规样品。偏最小二乘判别分析显示，有机类别内的亲水性样品之间以及常规类别内的亲脂性样品之间具有更高的相似性。两种应用方法都表现出较高的统计质量，但亲脂性提取物的分类置信度更高。根据培养特性的不同，对导致类别间差异和观察到的（不）相似性的代谢物进行了分析。
-
基于高光谱图像分析的泡菜发酵与质量特性化学计量学评估
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 支持向量机 主成分分析/判别分析 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱食品标签
水果/蔬菜与菌菇类/植物类 加工与新加工技术 品质、结构与理化性质 光谱/色谱/质谱等分析方法泡菜是一种通过发酵蔬菜制成的韩国传统菜肴。发酵过程对于提升其在储藏期间的品质和风味至关重要。高光谱成像（HSI）和化学计量学方法，包括主成分分析（PCA）和二维相关光谱（2D-COS），结合偏最小二乘法（PLS）和支持向量回归（SVR），能够检测关键物理化学成分以及总可溶性固形物（TSS）、pH、可滴定酸度（TA）、盐度和乳酸菌（LAB）的变化。研究开发了多变量分析模型，利用全波段和特征波长以及预处理数据来预测质量特性。结果表明，使用全波段构建的PLS预测模型对TSS、盐度、pH、TA和LAB的预测残差比（RPD）值分别为1.57、2.33、2.79、2.91和2.73。基于PCA和2D-COS矩阵提取的特征波长（951、1020、1139、1174、1216、1321和1384 nm）建立的Savitzky-Golay一阶导数预处理SVR模型显示出最佳结果，并在预测pH（R2 = 0.9166， RPD = 3.281）和LAB数量（R2 = 0.8488， RPD = 2.466）方面提高了效率。此外，可视化过程准确描绘了不同时期泡菜各种质量指标的分布情况。这些结果表明，所提出的HSI策略成功地评估了泡菜的发酵程度。
-
基于机器学习辅助元素分析的食品真实性控制增强
查看原文
2024
Food Research International
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/等级评定食品标签
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 矿物质与微量元素随着食品真实性日益受到关注，高效准确的技术对解决相关问题、提升公众对食品的信任至关重要。本综述阐述了食品真实性的两个主要方面，即食品可追溯性和食品质量控制。更具体地说，是指食品产地和有机食品的追溯、食品掺假和重金属的检测。同时指出了常用形态学和有机化合物检测方法的局限性，并强调了利用机器学习技术结合食品中的元素作为检测指标来解决食品真实性问题的优势。以元素作为检测对象具有稳定性好的显著优势，机器学习技术能够结合大数据样本，在保证准确性的同时提高效率。此外，通过比较不同算法的准确率可以找到最合适的算法。
-
基于改进轻量化深度学习模型的高档绿茶杂质检测
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
深度学习 卷积神经网络 目标检测网络 小样本学习 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
茶/茶饮料 品质、结构与理化性质 过程控制与数字化 质量管理与追溯系统 显微与成像技术茶叶在采摘和加工过程中可能混入杂质，从而降低其品质。目前，高档绿茶中的杂质分选主要依赖人工，效率低下。为应对该行业的技术挑战，本文采用深度学习技术检测高档绿茶中的杂质。然而，在实际生产中，计算资源受设备限制，大型模型不适合部署。在此基础上，提出了一种用于检测高档绿茶杂质的轻量化模型。我们在自制数据集上对YOLOv8模型进行了实验，并选择了基础模型和教师模型。通过替换损失函数和轻量化卷积、模型剪枝以及知识蒸馏，该模型在实现轻量化的同时提升了检测性能。实验结果表明，改进模型的GFLOPs、参数量、精确率(P)、召回率(R)、平均精度均值(mAP)和每秒帧数(FPS)分别为4.2、791966 B、0.9379、0.8959、0.9484和1362.7。与原始模型相比，P、R、mAP和FPS分别提升了0.0216、0.0320、0.0261和368.0。GFLOPs和参数量分别减少了3.9（48.15%）和2214462 B（73.66%）。本研究为高档绿茶的智能杂质分选提供了技术支持。
-
基于主成分分析的肉桂皮油提取物关键风味化合物表征
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
主成分分析/判别分析 缺陷/异物检测与定位 组学数据食品标签
玉米 加工与新加工技术 品质、结构与理化性质 光谱/色谱/质谱等分析方法 其他植物化学物质肉桂是一种广泛使用的香料，以其独特的风味和芳香特性而闻名。由于其木质化结构，风味成分的释放通常需要长时间炖煮（1-2小时）。为了模拟炖煮过程中风味成分的释放，本研究采用玉米油进行提取，避免使用有机溶剂。提取的风味化合物通过顶空固相微萃取结合气相色谱-质谱联用（HS-SPME-GC/MS）和主成分分析（PCA）进行表征。在肉桂提取物中鉴定出七种关键化合物：壬醛、乙酸、α-古巴烯、苯甲醛、肉桂酸乙酯、反式肉桂醛和香豆素。这些化合物通过气味活度值分析（OAV）和气相色谱-嗅觉测量法（GC-O）进行鉴定。此外，利用PCA建立了质量评价模型，为今后肉桂油提取物香气质量控制的研究提供了理论框架。
