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 1098 条结果
-
基于稳定同位素比率化学计量分析的韩国有机牛奶地理标志案例研究
查看原文
2020
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 分类/鉴别/等级评定食品标签
液态乳 质量管理与追溯系统 光谱/色谱/质谱等分析方法 其他特殊成分本研究旨在解析韩国有机牛乳中δ¹³C、δ¹⁵N、δ¹⁸O、δ³⁴S的区域差异，并构建产地判别模型以筛选同位素标志物。
研究采用稳定同位素比质谱仪测定有机牛乳的 δ¹³C、δ¹⁵N、δ¹⁸O、δ³⁴S 丰度，通过正交偏最小二乘判别分析（OPLS-DA） 开展两两区域对比，建立产地判别模型。模型在保宁、高敞、济州三区域间表现出优异的预测能力（累计预测能力 Qcum2≥0.828），对横城相关区域组合亦具备良好预测能力（Qcum2≥0.503）。
其中，δ¹³C 为贡献度最高的关键指标；采用外部验证集绘制的预测图显示，保宁、高敞、济州三地样品的地理来源判别准确率高，误分类概率低于 5%。
本研究明确了韩国有机牛乳的区域性 δ¹³C、δ¹⁵N、δ¹⁸O、δ³⁴S 同位素特征，可丰富全球同位素比值数据库，为有机牛乳可靠的地理标志认证提供数据支撑。 -
利用物联网传感器和机器学习模型提高基于RFID的易腐食品追溯系统效率
查看原文
2020
Food Control
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 时序传感器/物联网数据食品标签
过程监测与在线检测 质量管理与追溯系统射频识别（RFID）技术在过去数年中取得显著进步，当前正被推广应用于食品行业的易腐食品标识与溯源，以保障食品安全与品质。该技术目前被视作条码系统的理想替代方案，在易腐食品供应链（PFSC） 产品监控环节具备突出优势。
本研究提出一套融合RFID与物联网（IoT）传感器的溯源系统：利用 RFID 技术实现易腐食品的追踪与溯源，借助 IoT 传感器监测存储与运输环节的温湿度。此外，RFID 门禁需具备识别标签移动方向、判定产品是入库接收还是出库发货的能力，这一点至关重要。
本研究采用机器学习模型，对无源 RFID 标签的移动方向进行检测，模型输入特征为标签的接收信号强度（RSS） 与时间戳。该系统已在易腐食品供应链中完成测试，结果表明，其可向管理者与消费者提供产品实时信息及完整温湿度历史记录，具备显著应用价值。同时，通过在 RFID 门禁中集成机器学习模型，可准确识别带标签产品的进出方向，进而提升溯源系统的运行效率。 -
探索近红外高光谱成像在帕马森雷吉诺干酪碎屑中皮含量自动化定量方面的潜力
查看原文
2020
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱食品标签
奶酪 品质、结构与理化性质 光谱/色谱/质谱等分析方法帕马森雷吉亚诺干酪（Parmigiano Reggiano，P-R） 是意大利最重要的受保护原产地名称（PDO） 标识食品之一。符合《帕马森雷吉亚诺干酪规范》要求的帕马森雷吉亚诺干酪碎产品，同样可使用该 PDO 标识。
产品需监测多项品质指标，其中包含可食用的干酪表皮比例，其限值为不超过 18%（质量分数，w/w）。本研究旨在评估采用近红外高光谱成像（NIR-HSI） 技术，对帕马森雷吉亚诺干酪碎样品中的表皮占比进行快速、无损定量检测的可行性。近红外高光谱成像可同步获取样品的空间信息与光谱信息，相较于传统单点光谱技术，更适用于干酪碎这类非均质样品的分析。
研究采集了表皮添加比例梯度递增的干酪碎样品高光谱图像，光谱范围为900～1700 nm。首先将每幅高光谱图像转化为名为高光谱图（hyperspectrogram） 的一维信号，该信号可编码图像中的有效特征信息；随后以高光谱图矩阵为基础，采用偏最小二乘（PLS）回归建立干酪表皮含量预测校正模型。研究通过两组外部测试集对模型进行验证，结果证实了该方法的有效性。 -
基于核磁共振和化学计量学方法的含多种掺假物质的烘焙咖啡粉认证
查看原文
2020
Food Control
中科院一区JCR一区
计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
咖啡饮料 食品安全与风险评估 质量管理与追溯系统 光谱/色谱/质谱等分析方法巴西仍是全球最大的咖啡生产国与出口国。部分生产商为实现利润最大化，会在商品咖啡中掺入玉米、大麦、咖啡果皮等低成本物质。鉴于咖啡制品市场持续扩张，且咖啡产业对巴西经济至关重要，亟需一套快速、简便、可靠的分析方法，用于咖啡掺杂物的定性鉴别与定量检测。
核磁共振（NMR）已被证实是用于食品饮料掺伪鉴别、通用性强且稳定可靠的分析工具。本研究探究氢核磁共振（¹H NMR） 结合化学计量学方法的应用潜力，在省去繁琐数据分析流程的前提下，实现咖啡掺伪程度的定量分析。研究共涉及6 种掺杂物：大麦、玉米、咖啡果皮、大豆、大米与小麦。
本文所建立的核磁共振检测体系，针对中烘、深烘咖啡中各类掺杂物获得了理想的检出限（LOD），范围为0.31%～0.86%。研究采用主成分分析（PCA）与软独立建模类比（SIMCA）两种统计方法进行模式识别，区分纯品咖啡与掺伪样品。SIMCA 模型对训练集与预测集样品的正确判别率均达到 100%，保证了检测结果的准确性、可追溯性与可靠性。 -
基于近红外高光谱成像和化学计量学的可可豆杂交品种认证
查看原文
2020
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 高光谱/多光谱光谱食品标签
巧克力及含可可制品 质量管理与追溯系统 光谱/色谱/质谱等分析方法可可杂交育种可培育出新品种，旨在实现风味与口感创新，并提升抗病性。本研究旨在建立并验证基于近红外（NIR）高光谱成像与化学计量学的分类模型，用于区分 5 种高价值可可豆杂交品种。
研究采用 PLS‑DA 与 SVM 两类化学计量学方法建模：在二分类（杂交种两两区分） 模型中，两种方法效果相近；当模型同时纳入全部 5 个杂交品种类别时，支持向量机（SVM，预测误差 3.8%–23.1%） 性能优于偏最小二乘判别分析（PLS‑DA，预测误差 4.4%–34.4%）。PLS‑DA 可视化得分图可直观、有效地区分不同杂交种，样本正确判别率介于50%–100%。
综上可得出结论：本研究构建的模型稳定可靠，可作为现有人工目视鉴别法的优良替代方案，用于可可豆杂交品种的区分鉴定。
