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
-
利用大型语言模型自动化化学感觉创造力评估
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 中等规模数据集食品标签
感官科学与消费者研究 其他方法化学感知创造力，即利用味觉和嗅觉进行创新的能力，是人类创造力中一个关键但尚未得到充分研究的方面。本研究探讨了大型语言模型（LLM），特别是 GPT-4，在口味搭配情境下评估创造力的潜力。借助受替代用途任务启发的新型化学感知创造力测试，来自英国的 200 名参与者在四个食品类别中生成了口味搭配。随后，这些搭配由人类参与者和两个 GPT-4 配置（一种确定性（低随机性）模型，称为“严格 GPT”，另一种随机性较高的模型，称为“灵活 GPT”）进行评价，分别从创造力、美味度和惊喜度方面进行评分。研究结果表明，人类和灵活 GPT 对创造力的评分之间存在很强的相关性（r = 0.89），超过了严格 GPT 的相关性（r = 0.71）。人类和 GPT 模型都主要依赖于新颖性（以惊喜程度来衡量）而非功能性（以美味度来衡量）作为创造力的决定因素。然而，GPT 评分更强调新颖性，并且具有更高的变异性。虽然 GPT-4 在英国情境下在模拟人类评估方面展现出了强大的潜力，但还是出现了差异，特别是在那些罕见的口味搭配方面，人类评分和模型预测之间的一致性较差。这些发现表明，利用大型语言模型来通过模拟人类评价来自动进行食品相关领域的创意评估是可行的。
-
Bagging和Boosting机器学习算法从简单化学变量建模感官知觉：以葡萄酒口感为例
查看原文
2025
Food Quality and Preference
中科院一区JCR一区
计算机标签
随机森林 梯度提升决策树 分类/鉴别/等级评定 红外/拉曼光谱数据 小规模数据集食品标签
酒精饮料 感官科学与消费者研究 光谱/色谱/质谱等分析方法 传统统计分析与回归旨在根据化学数据预测感官特性，对集成袋装和增强型机器学习（ML）算法的应用进行了全面研究，并将其应用于基于简单化学测量对澳大利亚和西班牙的 30 种商业红葡萄酒口感进行建模。由 15 名澳大利亚酿酒师使用“所有适用率”感官方法描述了这些葡萄酒的口感特性。同时，还获取了这些葡萄酒的线性扫描伏安信号、激发发射矩阵（EEM）和吸光度数据。数据按照无监督统计策略进行分析，包括主成分分析（PCA，采用方差最大旋转）以简化感官变量的解释，以及基于 ML 的监督回归模型，即随机森林（RF）和极端梯度提升（XGBoost）。PCA 结果表明，四个独立且不相关的感官维度主要与“干燥”、“丰满度”、“丝滑”和“黏腻”等感知相关，这些维度在不同葡萄酒之间有所区分。RF 和 XGBoost 算法生成的验证性回归模型优于传统的 PLS 模型。这些机器学习算法在测试数据上的预测表现十分出色，对于所使用的任何一组化学变量，其平均准确率都超过了 80%。尽管 XGBoost 提供的模型略好一些，但随机森林所需的计算量较小，这一点具有优势。模型中包含的关键变量以及控制过拟合的重要性也进行了讨论。总的来说，吸光度、伏安法或 EEM 信号与随机森林或 XGBoost 算法相结合，被展示为一种成本低廉、易于使用且快速的方法，可用于从复杂的基质（如葡萄酒）中的化学信号预测感官特性。
-
感官与消费者研究的生成式人工智能框架
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 文本/知识库/法规数据 多模态/融合数据食品标签
发酵食品及酱腌制品 感官科学与消费者研究 其他方法生成式人工智能（GenAI）技术，如 ChatGPT，为感官科学和消费者科学领域带来了创新的能力。近期在感官科学和消费者科学方面的实证研究强调了生成式人工智能在例如人工智能生成的食品图像和食谱等方面的应用潜力。据我们所知，这是第一篇提出将生成式人工智能整合到感官科学和消费者科学研究与开发中的综合框架的论文。该框架强调了通过迭代过程如何将生成式人工智能应用于概念、设计和测试阶段。概念阶段利用生成式人工智能来生成研究概念（例如，提出诸如研究问题和假设之类的想法）。设计阶段使用生成式人工智能来制定研究设计。在此阶段，生成式人工智能协助创建和验证调查/实验刺激和测量尺度。测试阶段利用生成式人工智能来评估研究想法和设计，通过使用“硅样本”（即交互式调查，可提高参与度和回答质量）来进行评估。在测试阶段，基因人工智能还能分析非结构化文本数据，其文本分析的准确性和可扩展性要优于传统方法，甚至能跨越不同的语言和文化。本研究也指出了潜在的缺陷，如人工智能输出中的偏见、数据隐私和安全问题、过度简化、缺乏透明度以及基因人工智能用户对它的误解。本文通过强调基因人工智能在感官和消费者科学领域的潜力，鼓励其更广泛的应用，并同时指出其局限性，确保遵循高标准的伦理规范。
-
弥合基于人类与人工智能的食物感知差距：跨性别和年龄组感官偏好的比较研究
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 中等规模数据集食品标签
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 显微与成像技术随着人工智能在消费者研究中的应用日益广泛，本研究探讨了使用 ChatGPT 来模拟与食物相关的偏好情况。主要目的是评估人工智能生成的回复与真实人类感官选择之间的契合程度。共招募了 240 名实际参与者，分为三个年龄组（10 岁以下、20 - 30 岁和 40 岁以上），男女比例均衡。同时，在 ChatGPT 中生成了 240 个虚拟消费者角色。参与者完成了一份涵盖四个领域的视觉问卷：对土豆形状的偏好、对油炸方式的偏好、营养信息的影响以及愿意为更健康产品支付更多费用的意愿。结果表明，人类和人工智能组都倾向于选择厚切薯条和油炸方式。然而，当提供营养信息时，明显出现了向空气炸锅转变的趋势，尤其是在女性和 40 岁以上的个体中。总体而言，人工智能的回复在超过 80%的情况下与人类数据相符。不过，在需要更高层次推理的问题上，如解读营养标签或进行经济权衡时，差异就显现出来了。在复杂决策情境中精度的降低表明，这些模型在被认定为完全可替代人类研究的可靠手段之前，还需要进一步的完善和验证。尽管存在这些局限性，但研究结果表明，语言模型在早期感官评估和与消费者相关的决策制定方面具有强大的应用潜力，尤其是在难以获取真实参与者的情况下（例如在疫情期间），这一能力尤为宝贵。这些见解有助于推动创新食品产品的开发，使其更符合不同消费者群体的偏好。
-
文本转图像模型中食物的色味关联
查看原文
2025
Food Quality and Preference
中科院一区JCR一区
计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
新材料/包装与接触材料 感官科学与消费者研究 其他方法 显微与成像技术本研究利用文本到图像模型在食品（一个特定的领域）中探索了颜色与味道之间的对应关系，并对模型对这些关联的敏感度进行了分析。研究结果证实了苦味与黑色的关联，咸味与蓝色的关联，而甜味与红色或酸味与黄色之间的联系在不同食品中并不一致。然而，被描述为苦味的甜食在生成的图像中减少了红色色调，这有助于说明预期味道与实际呈现味道之间的差异。研究结果表明，情感和语义关联在各种食品中都起着重要作用。生成的图像中经常出现外在的视觉线索，这为食品营销和包装提供了启示。
