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
-
探索空气炸鱼过程中鲑鱼脂质指纹识别（Salmo salar）变化的分子机制，整合机器学习引导的REIMS和脂质组学分析
查看原文
2024
Food Chemistry
中科院一区JCR一区
Gongshuai Song, Mingwei Zeng, Shengjun Chen, Zhangfan Lyu, Nengliang Jiang, Danli Wang, Tinglan Yuan, Ling Li, Guangming Mei, Qing Shen, & Jinyan Gong
计算机标签
深度学习 支持向量机 逻辑回归/贝叶斯 分类/鉴别/等级评定 组学数据食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 脂质与脂肪酸空气炸制海鲜中的脂质氧化会对人体健康造成威胁。然而，氧化剂环境对不同空气炸制温度（140、160、180 和 200 摄氏度）下海鲜中脂质氧化的影响尚不明确。采用集成机器学习（ML）指导的 REIMS 和脂质组学方法，对不同空气炸制温度（140、160、180 和 200 摄氏度）下的鲑鱼的脂质谱、脂质氧化和脂质代谢途径进行了研究。主要的 ML 方法（神经网络、支持向量机、集成学习和朴素贝叶斯）显示，不同温度下空气干燥的鲑鱼的脂质组学指纹存在显著差异。总共鉴定出 773 种差异表达代谢物（DEMs），包括甘油磷脂（GPs）、甘油酯（GLs）和鞘脂。对 34 种 p 值小于 0.05 且投影重要性值大于 1.0 的 DEM 进行了分析，这些代谢物属于亚油酸代谢、GL 代谢和 GP 代谢途径。相关网络分析表明，某些特定的二甲基亚砜衍生物（磷脂酰胆碱、溶血磷脂酰胆碱、甘油三酯、脂肪酸和磷脂酰乙醇胺）与脂质氧化高度相关。此外，还对挥发性化合物的变动、颜色值、纹理特征以及硫代巴比妥酸反应物质值进行了分析，以证实氧化特性。
-
基于高光谱成像的光谱和纹理特征组合用于肉牛饲养方式验证的研究
查看原文
2024
Food Control
中科院一区JCR一区
Sara León-Ecay, Kizkitza Insausti, Silvia Arazuri, Irantzu Goenaga, & Ainara López-Maestresalas
计算机标签
偏最小二乘法 支持向量机 特征工程与选择策略 分类/鉴别/等级评定 高光谱/多光谱光谱食品标签
畜肉 品质、结构与理化性质 理化与结构表征 光谱/色谱/质谱等分析方法本研究旨在探索近红外高光谱成像（NIR-HSI）技术作为一种无损、快速检测手段，区分两种肉牛育肥日粮的应用潜力。为此，研究人员以 24 头纯种比利牛斯犊牛为试验对象开展饲喂试验：其中 12 头饲喂大麦 - 秸秆日粮（BS 组），11 头饲喂植物副产物日粮（VBPR 组）。对两组犊牛的肉样进行基准指标检测后发现，仅有总胶原蛋白占比这一项指标呈现出显著的日粮效应（p值 < 0.05）。为建立日粮溯源鉴别方法，本研究采用两种判别分析模型 —— 偏最小二乘判别分析（PLS-DA）与径向基函数 - 支持向量机（RBF-SVM）。为精准提取牛排瘦肉部位的光谱及纹理信息，研究整合了多种技术手段，包括主成分（PC）图像分析、竞争性自适应重加权采样（CARS）特征波长筛选，以及灰度共生矩阵（GLCM）纹理特征提取。基于高光谱成像数据，并结合纹理特征构建的判别模型，实现了对不同育肥日粮来源牛肉的有效区分：PLS-DA 模型的总体鉴别准确率为 72.92%，RBF-SVM 模型则达到 80.56%。综上，本研究证实了高光谱成像技术在鉴别基于循环经济模式的日粮育肥肉牛产品方面的应用潜力。
-
利用RGB成像与机器学习在整个货架期内确定青椒新鲜度水平
查看原文
2024
Postharvest Biology and Technology
中科院一区JCR一区
Danial Fatchurrahman, Maulidia Hilaili, Nurwahyuningsih, Lucia Russo, Mahirah Binti Jahari & Ayoub Fathi-Najafabadi
计算机标签
支持向量机 随机森林 智能手机/其他 分类/鉴别/等级评定 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 显微与成像技术本研究探讨了青椒在储藏期间作为新鲜度指标的感官品质、重量损失和质地变化。评估了在+5°C和95%相对湿度条件下，利用机器学习方法监测商业品种‘Kyohikari’在16天储藏期内新鲜度变化的可行性。在整个储藏期间，对青椒进行储藏，并使用数码单反相机采集RGB图像。在不同时间间隔进行了感官评价、质地、重量损失、叶绿素和类胡萝卜素的测量。采用多种机器学习方法——包括逻辑回归、神经网络、随机森林、K近邻和支持向量机——来建立青椒在储藏第0、4、6、8、10、12、14和16天的新鲜度分类和预测模型。结果表明，色调角和叶绿素含量在整个实验期间未发生变化。然而，储藏10天后，观察到3%的重量损失，并伴有异味和异味的出现，标志着可销售性的极限。这些模型在分类和预测青椒储藏当天新鲜度方面表现出极高的准确性，其中神经网络算法达到了100%的准确率。
-
利用高光谱成像预测真空冷冻干燥过程中双孢菇切片的水分含量
查看原文
2024
Food Control
中科院一区JCR一区
Shiqi Bai, Kunpeng Xiao, Qiang Liu, Alfred Mugambi Mariga, Wenjian Yang, Yong Fang, Qiuhui Hu, Haiyan Gao, Hangjun Chen, & Fei Pei
计算机标签
支持向量机 定量预测/回归分析 高光谱/多光谱光谱食品标签
食用菌菇 品质、结构与理化性质 非热加工技术 理化与结构表征 光谱/色谱/质谱等分析方法含水率（MC）是评估双孢蘑菇冷冻干燥（FD）程度的关键指标。本研究提出一种新型检测方法，通过高光谱成像（HSI）系统结合多种光谱预处理方法与建模算法，实现冷冻干燥过程中双孢蘑菇含水率的快速、可视化检测。该方法以全波段平均光谱数据为基础，采用支持向量机（SVM）算法构建光谱信息与含水率这一物理指标间的定量关联函数。研究中同时引入稳定性竞争性自适应重加权采样法（SCARS）筛选与含水率高度相关的特征波长，并利用多元散射校正（MSC）提升模型的精度与稳健性。最终确定SCARS-MSC-SVM为最优模型，其校正决定系数（R c2）、预测决定系数（R p2）、预测均方根误差（RMSEP）及残差预测偏差（RPD）分别为 0.9281、0.9025、0.8026 和 2.08。此外，本研究通过生成伪彩色图谱，直观呈现冷冻干燥过程中双孢蘑菇的颜色变化特征，以及含水率从菌菇边缘向菌核中心逐步降低的动态分布规律，从而实现对干燥进程的实时监测。研究结果证实，高光谱成像技术具备快速、精准、无损且可视化表征冷冻干燥过程中双孢蘑菇含水率的应用潜力。
-
化学成像用于测定普洱茶渥堆发酵过程中品质成分的分布
查看原文
2024
Food Control
中科院一区JCR一区
Tiehan Li, Chengye Lu, Yuming Wei, Jixin Zhang, Aiju Shao, Luqing Li, Yujie Wang, & Jingming Ning
计算机标签
支持向量机 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱食品标签
茶/茶饮料 品质、结构与理化性质 其他加工技术 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 其他植物化学物质渥堆发酵是普洱茶品质形成的关键工序；然而，传统渥堆发酵工艺制约了普洱茶的数字化、智能化生产。为构建普洱茶渥堆发酵程度的定性与定量预测模型，本研究采用高光谱成像技术结合化学计量学分析方法开展相关研究。基于最小二乘支持向量机所建立的定性模型，可实现对渥堆发酵程度的高效判别，判别准确率达 98.63%。此外，直接利用原始光谱数据对影响品质的关键组分 —— 总儿茶素、游离氨基酸及叶绿素 a 进行定量分析，所得预测残差分别为 11.26、4.34 和 3.89。本研究通过化学成像技术绘制出上述组分在渥堆发酵过程中的空间分布图谱，并确定：当模型预测的总儿茶素、游离氨基酸及叶绿素 a 含量分别低于 0.48、11.21 和 1.29 mg/g 时，即可判定渥堆发酵达到终点。研究结果为普洱茶的数字化加工提供了理论依据。
