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
-
综述：近红外光谱与化学计量方法在茶叶质量控制中的整合——原则、光谱预处理方法、机器学习算法、研究进展及未来方向
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
机器学习/统计学习 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
茶/茶饮料 品质、结构与理化性质 质量管理与追溯系统 光谱/色谱/质谱等分析方法随着茶叶产量的稳步增长，有效的茶叶质量监测需求日益紧迫。传统的感官评估和湿化学检测方法不足以实现茶叶质量的实时监测。作为一项新兴技术，近红外光谱（NIRS）具有诸多优势，如保持样品完整性、生成客观结果以及实现快速、简便的评估。这些功能使其成为实时茶叶质量检测的理想选择。本文系统回顾了NIRS的原理、频谱预处理方法、统计建模技术以及常用的机器学习方法。此外，还深入讨论了NIRS在鲜茶叶质量评估、茶叶特异性快速检测、茶叶品质评估与物种鉴定、地理可追溯性、NIRS设备开发及标准化等领域的研究进展。茶叶领域的未来研究方向也被提出。本综述为旨在理解NIRS技术在茶叶领域的应用和发展的研究人员提供了宝贵的资源。它提供洞察，促进实时茶叶质量监测，最终实现智能质量控制。
-
基于优化算法增强不同畜禽肉样品高光谱图像中总嘌呤含量的预测
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 循环神经网络 其他深度学习结构 特征工程与选择策略 超参优化/自动机器学习 定量预测/回归分析 高光谱/多光谱光谱食品标签
畜肉 营养与生物功能 过程监测与在线检测 光谱/色谱/质谱等分析方法本研究旨在通过快速检测和算法优化畜禽肉中的总嘌呤，以支持低嘌呤膳食的创建。首先，基于化学和高光谱数据构建了单一物种总嘌呤含量的预测模型。其次，通过豪斯多夫距离和皮尔逊相关系数分析了不同物种间光谱曲线的相关性，以探索混合畜禽肉中嘌呤的差异变化。最终，获得了混合畜禽肉总嘌呤的最优预测模型，分别为可见-近红外高光谱成像技术中的区间变量迭代空间收缩法-麻雀搜索算法-双向长短期记忆-多头注意力模型和近红外高光谱成像技术中的迭代保留信息变量-麻雀搜索算法-双向长短期记忆-多头注意力模型，其Rp2分别为0.7820和0.7766。总体而言，研究得出并验证了由于计算复杂度增加，混合样品模型性能低于单一物种理想模型性能的结论。本研究证明了高光谱成像技术在嘌呤含量快速检测方面的潜力，进一步推动了畜禽肉品质在线监测的产业化。
-
基于近红外光谱与双分支网络的林下三七掺假定量鉴别模型开发
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 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据 多模态/融合数据食品标签
其他果蔬制品/植物类 品质、结构与理化性质 光谱/色谱/质谱等分析方法生态栽培的草药因其更优的品质和更高的经济价值而日益受到欢迎，并在功能性食品中得到越来越广泛的应用。然而，受利益驱动，常规种植的草药常被错误标示为生态栽培产品。物种一致性给真实性鉴定带来了新的挑战，尤其是在掺假检测方面。本研究利用近红外光谱技术，分析了两种栽培模式下三七样品的模拟掺假情况。开发了一种双分支网络架构，用于从光谱序列和时频图像中提取多尺度特征。结果显示，训练集和测试集的R2值分别为0.991和0.987，RMSE分别为0.225和0.347。此外，外部验证显示R2值为0.9753，RMSE为0.638，表明该模型在定量分析方面具有优异的准确性和鲁棒性。本研究为三七的质量控制和标准化提供了关键的科学依据，并为不同栽培模式下产品的定量分析提供了新方法。
-
基于FT-IR与机器学习的不同初加工阿拉比卡咖啡豆快速鉴别
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
偏最小二乘法 智能手机/其他 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
咖啡饮料 加工与新加工技术 品质、结构与理化性质 显微与成像技术 光谱/色谱/质谱等分析方法本研究将傅里叶变换红外光谱（FT-IR）分析与机器学习相结合，同时采用色度测定、低场核磁共振波谱、扫描电子显微镜、二维相关光谱（2D-COS）和多元统计分析等多种分析技术，以快速区分和比较三种不同初加工的阿拉比卡咖啡豆。结果表明，日晒处理豆（SPB）表现出最高的总色差值以及最大的孔隙尺寸。同时，湿法加工豆（WPB）在生豆和烘焙豆中保留了最多的结合水和不易流动水。FT-IR数据分析结果表明，三种不同初加工咖啡豆的官能团组成相似，但在2D-COS中观察到了显著的结构特征差异。多元统计分析表明，正交偏最小二乘判别分析模型能有效区分不同类型的咖啡豆。机器学习结果表明，六种模型均能快速识别不同初加工咖啡豆样本。其中，SNV-Voting模型表现出卓越的预测性能，对三种初加工咖啡豆的平均精确率、召回率和F1分数分别为88.67%、88.67%和0.88。
-
利用低成本机器视觉系统快速实时检测红茶揉捻质量
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 支持向量机 卷积神经网络 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据食品标签
茶/茶饮料 加工与新加工技术 显微与成像技术 多酚与黄酮揉捻是红茶制造中的关键步骤，通过揉捻机实现茶叶的破碎、撕裂和卷曲。目前，红茶揉捻质量智能检测的缺乏限制了红茶产业自动化的发展。本研究基于机器视觉技术和化学计量学方法，建立了用于检测红茶揉捻质量的定性和定量预测模型。采用高效液相色谱法（HPLC）定量测定儿茶素和茶黄素（TFs）的含量。构建了基于动态学习率的DarkNet-53卷积神经网络（DarkNet-53 CNN）定性判别模型用于评估揉捻时间，并开发了基于改进麻雀搜索算法优化支持向量回归（ISSA-SVR）的定量预测模型，用于预测红茶揉捻过程中的茶黄素含量。结果表明，与其他模型相比，本研究中提出的DarkNet-53 CNN模型在揉捻时间的判别上表现优异，总体准确率达到97.82%。ISSA-SVR模型在预测性能上显示出显著优势，Rp值超过0.9，RPD值超过7.5。因此，本研究首次引入了一种低成本、可靠的红茶揉捻质量快速检测方法。
