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 276 条结果
-
基于机器学习和多尺度验证的青稞二肽基肽酶-IV抑制肽
查看原文
2025
Food Chemistry
中科院一区JCR一区
Xin Bao, Yiyun Zhang, Liyang Wang, Zijian Dai, Rong Li, Kefan Wei, Jiangqian Cao, Qingyu Zhao, Qun Shen & Yong Xue
计算机标签
随机森林 分类/鉴别/等级评定 设计/生成与推荐 组学数据食品标签
其他谷物与块根 血糖、血脂与代谢相关功能 统计建模与仿真 蛋白质与氨基酸青稞在调节血糖方面显示出潜力，可能是二肽基肽酶-IV（DPP-IV）抑制剂的天然来源。本研究采用机器学习（梯度提升决策树）和虚拟筛选技术，从青稞蛋白中筛选出DPP-IV抑制肽。三种候选肽（FPQPQ、FPRPF和YGGWN）的半数抑制浓度（IC50）分别为675.47、766.80和281.76μM。其中，FPQPQ和FPRPF是竞争性DPP-IV抑制剂，而YGGWN为非竞争性抑制剂。通过分子对接和分子动力学模拟研究了它们的抑制机制，并运用网络药理学揭示了它们在体内的多靶点、多通路降血糖活性。这种综合方法实现了对生物活性肽的高效精准筛选，并为其抑制作用提供了机制层面的见解。研究结果表明这些肽在血糖调节方面具有潜力，为基于青稞蛋白的功能性食品开发提供了支持。
-
基于深度相机与机器学习模型的大蒜瓣体积与质量预测
查看原文
2025
Postharvest Biology and Technology
中科院一区JCR一区
Jin-Ho Son, Hyung-Gyu Park, Yu-Jin Han, Seok-Ho Kang, Seung-Min Woo & Yu-Shin Ha
计算机标签
支持向量机 随机森林 K-近邻 智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
新鲜蔬菜 其他品质相关性质 显微与成像技术准确预测大蒜瓣的体积与质量对于农业操作（如分选和分级）的精确性至关重要。本研究采用椭球体积方程与机器学习模型——支持向量机（SVM）、随机森林、梯度提升和k近邻（kNN）——利用长度、宽度、高度和质量数据预测大蒜瓣的体积与质量。SVM模型在体积预测中表现优异，R²为0.786，MAPE为0.084；而随机森林模型在质量预测中达到最高精度，R²为0.849，MAPE为0.098。深度相机通过提供精确的尺寸数据进一步提升了模型性能。这些发现强调了结合深度相机与机器学习以实现准确、非接触式体积与质量预测的潜力。该方法为提升农业系统的自动化与质量控制提供了有前景的应用。
-
机器学习增强的电化学传感器用于食品安全：应用与展望
查看原文
2025
Trends in Food Science and Technology
中科院一区JCR一区
Wajeeha Pervaiz, Muhammad Hussnain Afzal, Niu Feng, Xuewen Peng & Yiping Chen
计算机标签
机器学习/统计学习 支持向量机 随机森林 分类/鉴别/等级评定 时序传感器/物联网数据食品标签
食品安全与风险评估 微生物安全 化学污染物 包装与智能监测背景：食品安全是直接影响人类健康和福祉的全球性关键问题。电化学传感器因其灵敏度和选择性而在检测食品污染物方面引起了广泛关注；然而，传感器不稳定性和电极污染等问题限制了其有效性。将机器学习（ML）集成到电化学传感中提供了一种变革性方法，可增强传感器性能、稳定性和数据处理能力，同时实现实时监测。
范围与方法：本综述简要探讨了专门用于食品安全应用的ML增强型电化学传感器的使用。首先，讨论了适用于食品安全监测的电化学传感器技术的各种ML算法。随后，综述重点介绍了ML增强型传感器在检测食品相关污染物（如农药、药物残留、重金属、微生物、人工染料和酚类化合物）中的应用。最后，阐述了推进食品安全电化学传感器所面临的挑战和未来前景，强调了适当的ML算法在改善现场食品安全监测方面的潜力。
主要发现与结论：ML与电化学传感器的集成提高了其灵敏度、选择性和稳定性，解决了诸如电极污染等问题。支持向量机、人工神经网络和随机森林等ML算法能有效检测农药、重金属和微生物等食品污染物。ML还能实现实时数据处理，以便快速、准确地检测痕量污染物。然而，传感器校准、数据可靠性和对高质量训练数据集的需求等方面仍存在挑战。未来的研究应侧重于增强传感器的鲁棒性、优化ML模型以提高准确性，并推进用于食品安全监测的ML增强型传感器的商业化。 -
基于代谢组学与机器学习的武夷岩茶产地鉴别及"岩韵"物质研究
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Zheng Peng, Wenmiao Wu, Chengjian Wu, Zhijun Zhao, Jian Chen & Juan Zhang
计算机标签
随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据 组学数据食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法 代谢组学武夷岩茶的“岩韵”特质因产区不同而有所差异，但目前关于产区的科学分类标准以及对“岩韵”化学基础的全面认识仍较为有限。本研究结合代谢组学和机器学习，对137份武夷岩茶样本（正岩、半岩和外山产区）的挥发性代谢物谱进行了系统分析，并建立了一个高精度的随机森林模型（准确率达99%）用于产区鉴别。通过特征重要性分析，确定正岩产区的标志物为霍烯醇、二氢猕猴桃内酯、苯甲醇和反式橙花叔醇；半岩产区的标志物为霍烯醇、苯甲醇、反式橙花叔醇和庚醛；外山产区的标志物为癸酸甲酯、（Z）-4-庚烯醛和2,4-庚二烯醛。本研究创新性地开发了基于挥发性代谢物指纹的武夷岩茶产区认证系统，阐明了“岩韵”的关键化学基础，为地理标志保护和加工工艺优化提供了理论支持。
-
利用X射线荧光元素分析结合机器学习识别菲律宾蜂蜜的蜜蜂物种起源
查看原文
2025
Food Chemistry
中科院一区JCR一区
Angel T. Bautista VII, June Hope D. Aznar, Remjohn Aron H. Magtaas, Mary Margareth T. Bauyan, Andrei Joshua R. Yu, Joshua Kian G. Balaguer, Jervee M. Punzalan, Jessica B. Baroga-Barbecho & Cleofas R. Cervancia
计算机标签
随机森林 逻辑回归/贝叶斯 分类/鉴别/等级评定 高光谱/多光谱光谱食品标签
蜂蜜等天然糖 光谱/色谱/质谱等分析方法无刺蜂蜂蜜正逐渐成为一种超级食物。本文采用手持式X射线荧光光谱法（hXRF）结合机器学习技术，基于昆虫来源对菲律宾蜂蜜进行分类研究。研究分析了三种不同蜂种的蜂蜜样品，将随机森林模型与逻辑回归模型应用于手持式X射线荧光光谱数据集，开展蜂蜜昆虫来源分类。经优化后的随机森林模型对昆虫来源的整体分类准确率达85.2%；逻辑回归模型鉴别菲律宾无刺蜂蜂蜜昆虫来源的准确率为94.1%，特异度高达100.0%。因此，通过该模型检测的蜂蜜可确定为菲律宾无刺蜂所产，该模型可作为鉴别菲律宾无刺蜂蜂蜜真伪的优质筛查工具。
