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 108 条结果
-
通过可解释机器学习对甜味剂/苦味剂化合物进行有依据的分类
查看原文
2022
Current Research in Food Science
中科院一区JCR一区
Gabriele Maroni, Lorenzo Pallante, Giacomo Di Benedetto, Marco A. Deriu, Dario Piga & Gianvito Grasso
计算机标签
机器学习/统计学习 模型可解释性 分类/鉴别/等级评定 设计/生成与推荐 质构/流变/感官数据 文本/知识库/法规数据食品标签
其他添加剂与配料 感官科学与消费者研究味觉感知是一种新兴现象，源于化合物与特定味觉受体之间复杂的分子相互作用。在所有味觉感知中，甜味和苦味的二分法一直是多项机器学习分类研究的主题。尽管先前的研究已经提供了准确的甜味剂/苦味剂分类器，但通过加深对苦味-甜味分子基础的理解，仍有很大的空间来改进这些模型。为了实现这些目标，我们的研究重点是开发和测试多种机器学习策略，并结合新型的SHapley可加性解释（SHAP），以实现合理的甜味/苦味分类。这使得我们能够识别感兴趣的化学描述符，从而为甜味剂/苦味剂的合理设计和筛选提供更具信息量的方法。为了支持该领域的未来研究，我们将所有数据集和机器学习模型公开，并提供了一个易于使用的代码用于苦味-甜味预测。
-
基于分子感官和可解释机器学习技术研究发酵过程对鲷鱼（美香鱼）挥发性化合物的变化：不同发酵阶段的比较
查看原文
2021
Food Research International
中科院一区JCR一区
Qian Chen, Yueqi Wang, Yanyan Wu, Chunsheng Li, Laihao Li, Xianqing Yang, Shengjun Chen, Yongqiang Zhao, Jianwei Cen, Shaoling Yang, & Di Wang
计算机标签
机器学习/统计学习 主成分分析/判别分析 模型可解释性 分类/鉴别/等级评定 红外/拉曼光谱数据 时序传感器/物联网数据食品标签
鱼肉 其他酱腌/发酵食品 特征风味 光谱/色谱/质谱等分析方法 发酵工艺与动力学 风味组学 其他植物化学物质发酵金鲳鱼（Trachinotus ovatus）因其独特的风味而受到当地消费者的喜爱。利用电子鼻（E-nose）和气相色谱-离子迁移谱（GC-IMS）技术分析了发酵过程中金鲳鱼气味特征演变的挥发性化合物变化。使用GC-IMS检测到45个离子峰。尽管醛类是最初主要的挥发性化合物，但随着发酵的进行，其含量下降。在第3天到第15天之间，酯类含量的增加有助于形成稳定的挥发性有机化合物谱。18天后，检测到高水平的吲哚和吡嗪。基于偏最小二乘判别分析（PLS-DA）筛选出11种关键挥发性化合物。反向传播人工神经网络（BP-ANN）预测了发酵阶段，从而能够制定更好的策略来调控金鲳鱼发酵。本研究为中国发酵金鲳鱼的实时监测和质量控制提供了理论基础。
-
基于静态顶空-气相色谱-离子迁移谱和可解释机器学习的长相思葡萄酒质量等级挥发物预测
查看原文
2021
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Wenyao Zhu, Frank Benkwitz, & Paul A. Kilmartin
计算机标签
深度学习 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据食品标签
新鲜水果 酒精饮料 特征风味 光谱/色谱/质谱等分析方法 其他植物化学物质本研究首次将静态顶空-气相色谱-离子迁移谱（SHS-GC-IMS）的分析范围应用于葡萄酒香气分析。研究首先微调方法参数以获得最佳分析结果，并从重复性和再现性方面证明方法稳定性。研究还实现了简明的化合物定性鉴定，识别出若干此前较少在长相思葡萄酒中报道的挥发物，如乙酸甲酯、甲酸乙酯和乙酸戊酯。采用非靶向策略利用 SHS-GC-IMS 数据，并对大数据集进行计算建模，将香气化学通过预测模型与葡萄酒感官质量等级关联。研究比较了 6 种机器学习模型，人工神经网络表现最优，预测准确率达到 95.4%。尽管 ANN 模型具有内在复杂性，但其仍提供了关于影响性挥发物的有价值见解，这些挥发物与较高或较低感官等级具有良好相关性。未来这些发现可用于指导酿酒师建立葡萄酒质量评价，尤其是在装瓶前调配环节。
