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 364 条结果
-
基于荧光高光谱成像与深度学习的碰伤柑橘分类方法
查看原文
2025
Postharvest Biology and Technology
中科院一区JCR一区
Ahyeong Lee, Insuck Baek, Jinse Kim, Suk-Ju Hong & Moon S. Kim
计算机标签
偏最小二乘法 支持向量机 梯度提升决策树 其他深度学习结构 分类/鉴别/等级评定 缺陷/异物检测与定位 高光谱/多光谱光谱食品标签
新鲜水果 颜色与外观品质 显微与成像技术柑橘类水果在全球范围内被广泛消费，这类水果的擦伤会显著影响其品质，进而影响消费者的购买决策。在采后操作中检测此类损伤至关重要。然而，擦伤区域与正常区域相比，没有明显的颜色差异，这使得视觉检测变得复杂且耗时。因此，本研究探讨了荧光高光谱成像技术在识别擦伤柑橘方面的潜力。在一对365纳米紫外灯的照射下获取高光谱图像。研究采用了三种多元数据分析方法——决策树、支持向量机和偏最小二乘判别分析，以及三种深度学习模型——ResNet50、EfficientNetB0和MobileNet，对擦伤柑橘进行分类。在模型开发之前，进行了预处理步骤，包括暗校正和白校正、光谱预处理以及感兴趣区域（ROI）提取。通过模型训练确定分类准确率。在这些模型中，使用九幅主成分图像的ResNet50表现出较高的分类准确率：训练组为99.65%，验证组为100%，测试组为100%。GradCAM可视化进一步证实了在擦伤区域成功形成了热图。因此，利用荧光高光谱成像和深度学习对擦伤柑橘进行分类是可行的，这为自动化分选技术奠定了基础。
-
数字冷链：基于传感器与AI的产品质量预测
查看原文
2025
Postharvest Biology and Technology
中科院一区JCR一区
Rania Elashmawy, Moshe Doron, Ria Kanjilal, Jeffrey K. Brecht & Ismail Uysal
计算机标签
支持向量机 随机森林 定量预测/回归分析食品标签
新鲜水果 货架期预测与品质劣变动力学 颜色与外观品质 其他品质相关性质 过程监测与在线检测随着传感器和物联网设备的广泛应用，利用数据驱动的计算模型在云端构建物理对象的数字孪生已变得愈发可行；例如，通过初始质量、温度和运输时长，可以精准预测草莓在分销过程中不断下降的适销性、颜色、含糖量及硬度。本文提出了一种基于传感器驱动的人工智能/机器学习算法，利用简单数据即可为“数字草莓”建立可靠的质量表征：其中支持向量回归对适销性和甜度比的预测误差分别为 4.21% 和 15.56%，而决策树回归对颜色和硬度的预测误差则低至 1.95% 和 4.12%。该研究证明，通过构建准确的数字冷链，物流体系可以从传统的“先进先出”（FIFO）转变为更科学的“先到期先出”（FEFO），从而有效减少损耗并实现智慧分销。
-
基于FTIR与HS-SPME-GC-MS结合化学计量学的天麻产地快速溯源及关键挥发性成分分析
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Yingfeng Zhong, Jieqing Li, Honggao Liu & Yuanzhong Wang
计算机标签
偏最小二乘法 支持向量机 卷积神经网络 分类/鉴别/等级评定 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
其他果蔬制品/植物类 特征风味 光谱/色谱/质谱等分析方法天麻（Gastrodia elata Blume）因其丰富的营养成分和独特的风味而在食品领域备受青睐。本文采用顶空固相微萃取-气相色谱-质谱联用（HS-SPME-GC-MS）和傅里叶变换红外光谱（FTIR）技术，对天麻的产地进行分类并对挥发性有机化合物（VOCs）进行定量分析。气相色谱-质谱分析表明，甜味、果味和坚果味是天麻的关键风味特征，其中来自云南省昭通市的样品表现出更优良的风味和更丰富的口感。基于傅里叶变换红外光谱数据，灰狼优化器-支持向量机和残差卷积神经网络在天麻溯源中达到了100%的准确率，F1值为1.000。此外，偏最小二乘回归模型成功对天麻中的主要成分2-壬烯醛和二氢-5-丙基-2（3H）-呋喃酮进行了定量分析，预测集残差偏差分别为2.6003和2.3883。该方法为其他食品中挥发性有机化合物的质量控制监测提供了一个新的框架。
-
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。
-
结构光照反射成像用于猪肉微生物污染评估：光谱与图像特征对其预测性能的影响
查看原文
2025
Food Science and Human Wellness
中科院一区JCR一区
Binjing Zhou, Xiaohua Liu, Yan Ge, Kang Tu, Jing Peng, Juan Francisco García-Martín, Jie Wu, Weijie Lan & Leiqing Pan
计算机标签
支持向量机 定量预测/回归分析 可见光/RGB/视频数据食品标签
畜肉 微生物安全 显微与成像技术 光谱/色谱/质谱等分析方法结构光照明反射成像（SIRI）为食品品质检测提供了一种新方法。本研究探究了结合多元化学计量学的结构光照明反射成像技术，对不同贮藏温度下接种荧光假单胞菌与热杀索丝菌的猪肉进行微生物污染评估的可行性。研究全面对比了基于不同光谱、由结构光照明反射成像图样解调得到的直接分量图像与振幅分量图像纹理特征，以及二者数据融合模型的预测效果。基于振幅分量图像全波段光谱（420–700纳米），采用正交信号校正结合支持向量机回归算法构建的模型，对猪肉中荧光假单胞菌与热杀索丝菌数量的预测效果最优，二者预测决定系数（$R_p^2$）分别为0.870、0.906。此外，仅依靠振幅分量或直接分量图像纹理特征建立的预测模型，以及融合两类图像光谱与纹理特征的数据融合模型，均无法显著提升预测精度。综上，结构光照明反射成像技术具备应用潜力，可进一步用于猪肉微生物污染的快速检测评估。
