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
-
利用高光谱成像和一维卷积神经网络探究皮孔对苹果和梨可溶性固形物含量检测的影响
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 主成分分析/判别分析 卷积神经网络 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
新鲜水果 品质、结构与理化性质 微观结构与成像 光谱/色谱/质谱等分析方法 碳水化合物与糖类 维生素本研究首次探讨了皮孔对基于380-1010 nm高光谱成像（HSI）技术建立的苹果和梨可溶性固形物含量（SSC）模型预测性能的影响。采用二维相关光谱法（2D-COS）、因子判别分析（FDA）和主成分分析（PCA）分析了皮孔、果皮以及皮孔与果皮组合感兴趣区域（ROI）的光谱特性差异。分别使用偏最小二乘回归（PLSR）为每个ROI建立了SSC校准模型。此外，利用变量选择算法和一维卷积神经网络（1D-CNN）来简化和提高模型预测能力。结果表明，皮孔和果皮的光谱特性差异显著，而PCA能够突出皮孔的分布。光谱测量位置对SSC预测精度有显著影响。只有当预测集和校准集的数据来源相同时，模型才能保持稳健。具体而言，对于苹果，SPA-1D-CNN模型取得了最佳性能，其Rc2和Rp2分别为0.845和0.808。对于梨，最佳模型是CARS-1D-CNN模型，其Rc2和Rp2分别为0.887和0.762。本研究表明，皮孔对模型预测性能有显著影响，且1D-CNN可以作为传统PLSR方法的替代方案。
-
基于近红外光谱的包装芒果质量特征预测
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 偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法纸袋包装对于保护芒果生长至关重要，但会严重干扰用于其内部质量无损分析的近红外光谱信号。本研究致力于消除或最小化纸袋对芒果近红外光谱的干扰，并开发了创新解决方案以准确评估芒果的硬度、干物质含量、可溶性固形物含量和可滴定酸度。研究强调了1150–1250纳米和2100–2400纳米附近的特定近红外信号，这些信号显著降低了这些质量特征的近红外预测精度。应用基于深度学习的全连接神经网络结合高斯空间滤波作为一种有效策略，以减轻包装芒果的光谱干扰。此外，基于经过全连接神经网络校正和高斯空间滤波处理的包装芒果光谱，偏最小二乘回归在所有质量特征上始终优于主成分回归，其预测集的决定系数和均方根误差值分别为：硬度0.847和10.705 N，干物质含量0.932和0.320%，可溶性固形物含量0.821和1.211%，可滴定酸度0.907和0.032%。结果表明，通过深度学习与高斯空间滤波的结合，有效地实现了对包装芒果的可靠预测准确性。
-
利用非侵入式光谱技术和机器学习预测油凝胶特性
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 随机森林 主成分分析/判别分析 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
油脂及油脂制品 品质、结构与理化性质 光谱/色谱/质谱等分析方法油凝胶剂被视为需要监管部门批准的食品添加剂。因此，对这些可能具有不同特性（如蜡质感）、成本和来源（如动物性或植物性）的成分进行分类对保障消费者选择至关重要。鉴于此，本研究展示了一种基于多种油凝胶剂的油凝胶非侵入式分类方法，并可同时量化其浓度、游离脂肪酸含量和油损失。为实现无损、环保、便携、快速且有效的量化，使用了色度计、拉曼光谱仪和两台互补范围的近红外光谱仪。油凝胶由葵花籽油和大豆油制备，分别添加1%至10%（w/w）的蜂蜡、单硬脂酸甘油酯和乙基纤维素作为油凝胶剂。经光谱预处理后，进行主成分分析、分类与回归建模。随机森林模型基于所用油类型和油凝胶剂类型对样本进行分类的准确率达100%，对其浓度的分类准确率达94%。针对游离脂肪酸含量和油损失的偏最小二乘回归模型表现出高性能，外部验证集的残差预测偏差大于3，范围误差比大于10，表明其具有适当的预测能力和质量控制的适用性。光谱仪器，特别是色度计和近红外光谱仪，显示出作为监测这些添加剂并预测游离脂肪酸含量和油损失的有前景的工具，可确保油凝胶的质量。
-
基于人机交互的食品安全评估优化决策支持系统
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 强化学习食品标签
水果/蔬菜与菌菇类/植物类 食品安全与风险评估 过程控制与数字化现实世界中的决策支持系统（DSS）在一个持续的循环中运行，该循环包括数据收集、标注和模型优化，并且严重依赖高质量的数据。然而，获取这类数据，尤其是在专业领域，往往成本高昂且耗费资源，这带来了巨大的挑战。为了缓解这些挑战，近年来的机器学习研究越来越注重将实验数据和专家知识整合到用户友好的工具中。在本文中，我们提出了一个名为“模型-人类交互风险评估（MHRA）”的新型框架，该框架利用人类交互和协作场景构建来实现更好的性能。我们满足了对“人在回路（HITL）”方法日益增长的需求，这种方法确保了专家系统知识库在输入、选择、计算和排序阶段的可更新性。此外，我们强调了人类交互模拟模型在开发增强型系统方面的作用，这些系统可协助决策者提高评估模型的准确性和标准化程度，同时最大限度地降低食品安全风险。我们通过一个婴儿食品评估案例研究展示了我们框架的实际应用，并讨论了该模型的优势和局限性。
-
基于深度学习的茜素红S化学响应水凝胶传感器用于水产品快速新鲜度检测
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 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
化学污染物 智能/指示型包装 显微与成像技术水产品新鲜度的快速检测需要高效的传感策略。本文建立了一种新型的基于深度学习的茜素红S化学响应水凝胶传感平台，用于水产品的新鲜度快速检测。研究了四种在有无水溶性水产品蛋白存在下对pH值有可观测颜色变化的天然色素，其中茜素红S表现出理想的响应性。通过醛基海藻酸钠与聚乙烯亚胺-透明质酸的交联制备了显色水凝胶，通过改变醛基海藻酸钠的含量改变了显色水凝胶的孔数，同时也提高了新鲜度检测的灵敏度。用硫辛酸修饰的鱼皮明胶制备的光敏粘合水凝胶使显色水凝胶更牢固地固定在水产品表面。系统分析了复合水凝胶的物理和化学特性。该复合水凝胶用于不同储存条件下鱼和虾的检测，显示出优异的灵敏度。此外，还利用深度卷积神经网络模型评估了检测结果。优化后，所建立的方法对上述新鲜度等级判定的准确率高达84%。该方法为水产品新鲜度的高级无损灵敏检测提供了一个有前景的平台。
