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 1173 条结果
-
利用人脸阅读测量口腔加工行为及其与产品感知的关系
查看原文
2024
Food Quality and Preference
中科院一区JCR一区
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 可见光/RGB/视频数据 时序传感器/物联网数据 文本/知识库/法规数据 中等规模数据集食品标签
面包 感官科学与消费者研究 问卷/市场与消费者研究 显微与成像技术食物的质地会影响感官感知和进食行为；通过诱导更高的预期饱腹感和饱足感，可以对其进行调控，从而影响摄入量，并最终减少过度进食。本研究的目的是评估面部解读作为对具有不同质地改良的产品的口腔处理行为的自动测量方法，旨在减少摄入量。使用了三种具有不同质地特性的燕麦面包作为案例研究。一个经过培训的小组使用“感觉时间支配”来描述面包的动态感官特征，并同时进行视频录制；视频由 FaceReader 进行分析（摄入量、咀嚼动作、咀嚼时间）。通过面部解读提取的参数显示，不同面包在咀嚼时间的持续时间和咀嚼动作的数量方面存在显著差异，这些结果可以与 TDS 结果一起解释。对这些面包进行了消费者测试（样本数为 135），参与者评估了整体喜好、预期饱腹感和饱足感，并回答了一个包括感官和非感官属性的“选择所有适用项”问题。结果表明，这些样本在喜好度、预期饱腹感和实际饱腹感方面存在显著差异，并且消费者在 CATA 问卷中的描述与专家小组的描述一致。综合这些结果有助于确定能够增强饱腹感和饱腹预期的动态质地特性。本文讨论了方法上的相关意义。该研究的独特之处在于，通过面部阅读的自动口腔处理行为测量，可以与自我报告的饱腹感显性测量相联系，从而为更大规模的研究开辟了道路，而这些研究若采用手动标注则难以实现。
-
传统偏好映射与计算机器学习技术：指导产品开发方法的比较研究
查看原文
2024
Food Quality and Preference
中科院一区JCR一区
计算机标签
机器学习/统计学习 偏最小二乘法 定量预测/回归分析食品标签
感官科学与消费者研究 传统统计分析与回归偏好映射是一种广为人知的多元统计技术，因其在指导新产品开发和提升现有产品方面展现出的强大效果而被广泛应用。开源软件和计算能力的最新进展带来了新的易于使用的工具，这些工具有可能解决传统方法所存在的局限性。本研究介绍了一种用于构建预测模型的替代算法，该算法采用正则化回归与多元自适应回归样条（MARS）相结合的方法。这些方法对预测变量与目标之间的关系的假设更少，能够轻松捕捉复杂和非线性的关系。此外，该研究还提出了一种稳健且系统的计算最优轮廓和进行模拟的替代方法。本文旨在将这一新的工具集（称为计算机器学习技术）与一种已建立且广受认可的方法——基于偏最小二乘回归的PrefMap 进行比较。将计算机器学习与一种传统方法的实例进行比较的主要目的并非是要确定哪种方法更优，而是为了提高人们对这一新兴模型和技术家族的认识，并加深其在感官和消费者科学领域应用的理解。会将结果并排进行评估，以揭示它们在预测能力、喜好驱动因素以及最佳特征方面的一致性和差异性，并在最后提供了一份实用考虑事项清单，以便更好地理解这里所呈现的两种方法之间的权衡关系。
-
将人工智能与实证研究结合——3D打印食品技术的一个案例
查看原文
2024
Food Quality and Preference
中科院一区JCR一区
计算机标签
大模型与 LLM 分类/鉴别/等级评定 文本/知识库/法规数据食品标签
其他加工设备与系统 感官科学与消费者研究 问卷/市场与消费者研究 其他方法3D 打印食品在消费者中的认知度仍然较为有限，这限制了他们做出明智选择的能力，并可能掩盖了这一市场更广泛的实际情况。本研究旨在探究影响消费者对 3D 食品的认知、动机和消费意愿的因素。借助人工智能逻辑，我们关注消费者对 3D 打印食品偏好的看法和感受，并基于两项调查的实证数据进行分析。
情感分析的结果表明，知识水平在形成消费者的积极和消极情感方面都至关重要。调查 1 考察了对 3D 打印食品的积极情绪、消极情绪和行为意愿的差异，同时考虑了知识充分程度的广泛和有限情况。这项研究采用了知识态度行为理论模型。调查 2 通过主题识别来确定关系，并应用趋近-回避动机理论来辨别与健康选择之间的联系。对 3D 打印食品的动机（趋近/回避）对健康食品选择都有积极且显著的影响。虽然动机（规避）对对新食物的抗拒程度有着积极且显著的影响，但对 3D 食物的动机（接近）却未得到证实。这些发现表明了诸如接近和规避等动机倾向在塑造与健康饮食及对创新食品概念的接受度相关的决策方面的重要性。
这项研究为研究人员和从业者提供了深入了解 3D 打印食品市场中的食品开发和消费者趋势的机会。仅仅依靠用户生成的内容来得出结论可能是不够的。还需要更多的研究方法和数据来源来全面理解行为和食物偏好。 -
儿童和人工智能能否成为基于全食物利用的学校餐食准备灵感来源？
查看原文
2025
Food Quality and Preference
中科院一区JCR一区
计算机标签
大模型与 LLM 分类/鉴别/等级评定 文本/知识库/法规数据食品标签
水果/蔬菜与菌菇类/植物类 感官科学与消费者研究 问卷/市场与消费者研究 其他方法让孩子们参与学校膳食的制定工作，对于培养他们养成健康和可持续的饮食习惯非常重要。而充分利用食物资源则是避免食物浪费并增加营养摄入的有效方法。此外，人工智能（AI）已被证明是一个富有新创意的有趣来源，但尚未被用于设计儿童膳食。本研究的目的是评估由孩子们共同设计的膳食或由人工智能生成的膳食的潜力，并探究家长对于在孩子膳食中使用全食物的看法。在父母的潜在支持下，孩子们提出了利用全水果/蔬菜的食谱建议，随后由营养学家和学校厨师对这些建议进行了筛选。所选定的膳食与基于简单提示由 ChatGPT 生成的类似食谱在受欢迎程度和引发的情绪方面进行了比较。这两道菜都是胡萝卜派的变体，都由经验丰富的学校厨师制作。学校厨师还提出了第三道食谱作为对比。通过句子填空的方法，我们探究了家长们对于将全食物引入孩子饮食的看法。结果表明，孩子们既喜欢自家的食谱，也喜欢厨师们的食谱，但拒绝了 ChatGPT 提出的食谱。两位厨师和孩子们制作的胡萝卜派都引发了积极的表情符号组合，而 ChatGPT 制作的胡萝卜派则与带有负面含义的表情符号相关联。质地和陌生的味道被认为是导致拒绝的原因。对于家长们来说，将全水果/蔬菜引入孩子的饮食中被视为一个有益且营养丰富的想法，但同时也暴露出了安全方面的担忧。这项工作展示了与学校儿童共同设计以及全食物的利用作为减少营养资源浪费的可行策略。此外，该研究报告了通过任务导向的提示对 ChatGPT 的探索性使用未获成功。这可能表明在向人工智能提示时明确任务的背景非常重要，以弥补人类所隐含具备的背景信息。关于安全方面的担忧应当得到解决，以确保家长支持在学校餐中使用全蔬菜。
-
利用机器学习识别和剖析与消费者食品购买行为相关的社会经济和健康特征
查看原文
2025
Food Quality and Preference
中科院一区JCR一区
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 文本/知识库/法规数据 大规模数据集食品标签
感官科学与消费者研究 问卷/市场与消费者研究 传统统计分析与回归食品系统和与食品相关的政策会影响食品消费、饮食模式以及人类和环境健康。消费者通过其购买选择在促进健康和可持续发展方面发挥着至关重要的作用。为了识别和划分食品购买行为，并描绘其关系，我们在爱尔兰进行了一项横断面调查，样本规模为 957 名成年人。采用两步聚类分析、广义线性模型以及递归分区和回归树等方法，以阐明所确定的食品购买行为群组的遵循情况。根据食品购买优先级和统计分类，确定了三个群组（“食品质量”、“口味”和“价格”）。基于食品购买优先级，“食品质量”成员明显更不容易被分类为肥胖（OR = 0.32），更有可能拥有研究生学历（OR = 1.59 - 1.76）。而“口味”成员被归类为肥胖的可能性几乎是其他人的两倍（OR = 1.96），患有糖尿病的可能性更高（OR = 2.24），并且拥有中学教育程度（最高学历）的比例也更高（OR = 1.73）。“价格”会员的平均体重指数最高（28.03 千克/平方米），更倾向于年龄较小（25 至 34 岁）（OR = 1.43），并且更有可能年家庭收入较低（低于 24，999 欧元）（OR = 1.89）。机器学习模型在预测“食品质量”会员的依从性方面表现得越来越有效（曲线下面积 = 0.72），其中教育程度、体重指数、肉类/海鲜购买地点、食品零售商距离以及饮食模式被确定为主要预测因素。研究结果强调需要制定有针对性的、基于证据的政策，以改变物理环境、改善经济状况并提高消费者意识，从而促进营养均衡且可持续的饮食。
