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
-
结合高光谱成像与WGAN数据增强算法的小麦籽粒含水量无损预测
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
卷积神经网络 生成对抗网络 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
小麦 品质、结构与理化性质 光谱/色谱/质谱等分析方法含水量是显著影响谷物品质与安全的关键因素。本研究采用高光谱成像（HSI）与Wasserstein生成对抗网络（WGAN）预测单个小麦籽粒的含水量。为解决可见-近红外（Vis-NIR）与短波红外（SWIR）波段数据规模的差异，WGAN被设计为具有两种独立的网络结构，用于增强光谱与含水量数据。通过将生成数据与真实数据进行比较，并应用t-SNE降维算法，验证了生成数据的合理性。通过分别选择Vis-NIR和SWIR波段的最佳预处理方法和最有效波长，得到的最优回归模型分别为Vis-NIR波段的1st-derivative-SPA-CNN（R2p = 0.9371, RMSEP = 0.5717, RPD = 3.8955, RER = 15.2713）和SWIR波段的1st-derivative-Relieff-CNN（R2p = 0.8095, RMSEP = 1.0009, RPD = 2.3201, RER = 8.6116）。通过模型反演应用于单像素，实现了单个小麦籽粒内部含水量空间分布的可视化。总体而言，本研究提出了一种提高含水量预测准确性的新方法，从而改善了谷物加工质量和安全监控。
-
基于GC-IMS、GC-MS和GC×GC-MS结合机器学习表征和探索酱香型白酒不同轮次挥发性成分的动态变化
查看原文
2025
Food Research International
中科院一区JCR一区
计算机标签
随机森林 分类/鉴别/等级评定 组学数据 多模态/融合数据食品标签
酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法酱香型白酒的生产过程包括七次蒸馏，产生七个轮次的基酒，随后进行勾调成为最终产品。因此，基酒的质量与最终产品的质量密切相关。这七个轮次的基酒各具独特的风味轮廓，但其挥发性成分及其特异性尚不明确。本研究综合利用GC-MS、GC×GC–MS和GC-IMS技术研究了基酒中挥发性化合物及其动态变化。共鉴定出469种挥发性化合物，其中17种为重叠化合物。利用随机森林模型，从三种方法中筛选出35种关键生物标志物。异戊酸乙酯、丁酸乙酯、苯甲醛、2-乙基-6-甲基吡嗪和苯乙醛等关键化合物在风味形成中起重要作用。通过受试者工作特征曲线验证了模型性能，曲线下面积接近1。此外，这些挥发性化合物的代谢途径主要涉及碳水化合物和氨基酸代谢。本研究揭示了酱香型基酒中挥发性成分的特异性，并为白酒质量控制提供了有价值的见解。
-
基于高光谱成像与人工智能相结合的快速无化学技术用于监测虾干品质与货架期
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 主成分分析/判别分析 定量预测/回归分析 高光谱/多光谱光谱食品标签
甲壳类 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法 花青素与类胡萝卜素本文开发了一种基于高光谱成像与人工智能相结合的快速、无化学方法，用于监测虾干品质。将虾干包装于聚丙烯袋中，在30°C储存期间按时间顺序监测其品质指标的变化，包括虾红素、硫代巴比妥酸反应物、总挥发性盐基氮以及感官属性。使用可见光至近红外区域的高光谱成像系统获取虾干的超立方数据。获得的光谱数据可作为反映各品质指标变化的指纹图谱。在进一步数据分析前，采用移动平均平滑技术对反射光谱进行数学预处理，以消除光散射不均匀引起的变异性。使用主成分分析作为无监督机器学习方法，探索波长变量之间的关系并降低高光谱数据的维度。随后，采用前向反馈反向传播人工神经网络同时评估虾红素、TBARS、TVB-N和感官特性，其决定系数分别为0.96、0.95、0.92和0.93，均方根误差分别为1.12 µg/g、0.22 mg MDA/kg、3.19 mg N/100 g和0.68分。此外，基于ANN预测值构建了伪彩色分布图，以直观展示虾干随时间的品质变化。结果表明，结合人工智能的高光谱成像技术能有效评估虾干在储存期间的品质与货架期。
-
物联网赋能的智能厨房技术及其对食品储存、制备与餐饮体验的影响：系统综述
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 过程控制与实时优化 设计/生成与推荐 时序传感器/物联网数据食品标签
其他加工设备与系统 保藏与贮藏 过程控制与数字化 3D 打印与结构构筑 智能/指示型包装 质量管理与追溯系统物联网（IoT）技术在厨房中的集成正在彻底改变食品储存、制备和餐饮体验。智能厨房家具，包括物联网冰箱和烹饪设备，可加强食品管理、减少浪费并促进营养认知。本系统综述审查了2018年1月至2024年9月期间的同行评审研究，重点关注智能厨房家具的创新及其对食品管理和消费习惯的影响。智能冰箱利用传感器和人工智能监控食品新鲜度、推荐食谱、自动订购食品杂货并减少浪费。物联网烹饪设备可实现精确的温度控制、个性化营养优化以及如定制餐食的3D食品打印等先进功能。智能餐饮家具集成了份量控制系统、膳食追踪工具和交互功能，丰富了用餐体验。尽管取得了这些进步，但数据隐私问题和网络安全风险等挑战仍然显著。监管框架正在不断发展以解决这些问题，同时支持智能包装和基于区块链的食品可追溯性等新兴技术。通过融入能源效率和减少浪费等可持续性原则，智能厨房家具有潜力重新定义家庭空间，并鼓励环保意识的生活方式。本综述强调了这些技术在促进可持续消费和改善现代家庭健康结果方面的变革性作用。
-
微型光谱仪与人工智能驱动探针在食品工业自动化中的应用
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 定量预测/回归分析 过程控制与实时优化 红外/拉曼光谱数据食品标签
分选/分级/检验设备 过程控制与数字化 过程监测与在线检测 光谱/色谱/质谱等分析方法光谱学是一种快速发展的分析技术，越来越多地被用作食品工业中的无损快速质量控制工具。基于光谱分析和建立的多变量预测模型，该技术适用于各种食品的在线和实时监测。通过集成到线内、线上或旁线系统中，光谱学能够监测关键质量属性、营养物、生物活性物质及特定分析物分子，从而提升产品的一致性和安全性。光谱仪器技术的最新发展，结合机器学习算法，进一步增强了其作为食品生产系统自动化和优化变革技术的潜力。尽管在此类应用中显示出巨大潜力，但将光谱技术成功整合到食品加工设施中仍面临挑战。这可以通过系统微型化和人工智能建模来实现。本综述总结并介绍了微型光谱学的过去和当前知识。重点概述了在线微型光谱学、设计与架构、在食品工业中的应用（包括过程监测与控制），以及诸如成本、模型可转移性和仪器差异等优势和局限性。
