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
-
淡水鱼中砷、镉、铅和汞含量及健康风险评估结合化学计量学分析
查看原文
2022
Food Chemistry
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/回归分析食品标签
鱼肉 化学污染物 光谱/色谱/质谱等分析方法本研究旨在评估波兰淡水鱼中砷（As）、镉（Cd）、铅（Pb）、汞（Hg）的污染水平。研究采用原子吸收光谱法（AAS）与电感耦合等离子体质谱法（ICP-MS），对 212 份生制、烟熏及腌制淡水鱼样品开展检测分析，并评估食用含上述重金属的鱼类对人体产生的健康风险。
检测结果显示，鱼类中砷、镉、汞、铅的污染含量范围分别为：砷 23.3～59290.1 μg/kg，镉 0.02～97.0 μg/kg，汞 9.04～606.3 μg/kg，铅 0.04～171.4 μg/kg。长期食用所检测的淡水鱼品种，尤其是烟熏鱼类制品，可能会对人体产生非致癌性健康风险，同时也存在致癌性健康风险。 -
基于蓝绿双发射碳点的智能手机比率荧光传感系统用于拟除虫菊酯类农药现场检测
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
定量预测/回归分析 智能手机/其他 可见光/RGB/视频数据食品标签
化学污染物 光谱/色谱/质谱等分析方法开发用于拟除虫菊酯类农药现场监测的高性能荧光检测策略，对于生态环境保护与人体健康保障具有重要意义。为实现精准现场分析，本研究以蓝绿双发射碳点（CDs）作为信号分辨优良的光传感单元，结合分子印迹技术，构建了一种新型比率荧光核壳纳米微球。该微球利用碳点的比率荧光信号，实现了对拟除虫菊酯类农药高选择性的现场定量检测。
该比率传感平台的检测线性范围为1～150 μg/L，检出限（LOD）低至0.048 μg/L。尤为关键的是，该核壳纳米微球在紫外光照射下，接触拟除虫菊酯类农药会产生可观测的荧光颜色变化；研究通过智能手机应用程序提取所拍摄图像的颜色通道数值，构建了基于智能手机的比率荧光传感体系，用于拟除虫菊酯定量检测，其检出限为0.61 μg/L，可满足实际样品分析需求。该传感平台在农产品中农药残留现场检测、资源受限环境下的污染管控方面，展现出优异的应用前景。 -
基于谷物仓质量检测系统的大米直链淀粉含量无损评估
查看原文
2022
Food Chemistry
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 红外/拉曼光谱数据食品标签
大米 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸直链淀粉含量是决定稻米品质的关键指标，其精准、无损检测一直是行业内的技术难题。本研究探究了稻米品质自动检测系统能否精准测定直链淀粉含量。研究选取 2008—2017 年产自日本北海道的 902 份样品，分别定标构建糙米与精米模型，并采用该地区 2018 年（n=33）和 2019 年（n=71）采自多家谷物加工厂的样品独立开展验证。
该模型通过整合自动检测系统多源数据建立，数据来源包括近红外光谱仪、可见光谷物分选仪，结合化学计量学联合分析，并合并低直链淀粉与普通直链淀粉品种的验证结果。两种模型的预测标准误差均较低（<0.52%），预测偏差比均较高（>4.0），可实现直链淀粉含量的精准无损测定。综上，该品质自动检测系统能够满足稻米高品质、高食味性的生产与检测需求，是一种实用检测工具。 -
基于指纹图谱与化学计量学的炒甘草质量评价
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 分类/鉴别/等级评定食品标签
其他果蔬制品/植物类 质量管理与追溯系统 光谱/色谱/质谱等分析方法炒甘草是将甘草不加任何辅料炒制而成，在我国兼具食品与药品用途，应用广泛。为探究甘草产地对炒甘草品质的影响，本研究建立了一种基于指纹图谱结合化学计量学的分析方法。实验选取 4 个产地共 20 批甘草原料，通过相似度分析构建各产地的对照色谱图；采用聚类分析、主成分分析、正交偏最小二乘判别分析等化学计量学方法，解析炒甘草的化学成分变化，实现产地判别并综合评价其品质；结合质谱技术完成化学成分定性鉴别；最终通过判别分析构建产地预测函数，用于甘草的产地溯源。经验证，该模型稳定、可靠、判别准确，可为炒甘草的产地溯源研究提供参考依据。
-
基于GC-MS倍半萜烃指纹图谱的地理认证：验证欧盟及单一国家标签声明
查看原文
2022
Food Chemistry
中科院一区JCR一区
计算机标签
偏最小二乘法 分类/鉴别/等级评定食品标签
植物油 质量管理与追溯系统 光谱/色谱/质谱等分析方法 植物化学/生物活性成分根据欧盟（EU）食品欺诈网络最新报告，橄榄油位列被通报问题食品首位。现行欧盟法规明确规定，初榨橄榄油必须标注地理来源，但目前仍缺失对应的官方分析检测方法。核查标签标注的欧盟产橄榄油合规性，应列为最高优先级工作。据此，本研究基于顶空固相微萃取 - 气相色谱 - 质谱联用技术（HS‑SPME‑GC–MS） 测得的 400 份样品倍半萜烃类化合物指纹图谱，构建偏最小二乘判别分析模型（PLS-DA），用于区分欧盟产与非欧盟产橄榄油。该模型外部验证（3 次重复迭代）的正确分类率达89.6%，灵敏度为 0.81，特异性为 0.95。此后，研究分别构建欧盟各成员国及非欧盟国家的多类别判别模型，并采用 3 组独立验证集完成外部验证，取得优良效果：欧盟产地模型平均正确分类率为 92.2%，非欧盟产地模型为 96.0%。
