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 339 条结果
-
一个荧光探针-智能手机-机器学习集成平台，用于农业产品中目视和智能检测咪达氯啉
查看原文
2025
Food Chemistry
中科院一区JCR一区
Zheng Zheng, Xinfang Liu, Rongfang Li, Xu Liu, Xiangyu Zhang, Xun Feng & Lijuan Zhou
计算机标签
深度学习 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
大米 新鲜蔬菜 化学污染物 过程监测与在线检测 光谱/色谱/质谱等分析方法 其他特殊成分吡虫啉是一种常用于农业生产的农药。便携且准确地检测伊米达克啉残留物对食品安全和人体健康具有重要意义。这里制备了一个红光发光稀土复合物（Eu-IMDC）探针，具有低检测限（75 nM）、高选择性和快速响应速度（30秒）用于吡虫啉的检测。通过实验和理论计算研究检测机制。此外，构建并应用了集成荧光探针、智能手机和前馈神经网络（FNN）模型的智能检测平台，用于真实稻米、小米和姜样品的吡咯啉检测，回收率范围为96.78%至104.77%，相对标准差（RSD）值低于3.83%。同时，相关参数，如决定系数（R2均方根误差（RMSE）和残差预测偏差（RPD）值，显示FNN模型的拟合和预测性能极佳。这项工作为农产品中农药残留物提供了快速、便携且智能的感测平台。
-
机器学习驱动的食品加工创新：应用、挑战与未来发展的系统综述
查看原文
2025
Trends in Food Science & Technology
中科院一区JCR一区
Jilong Gao, Shaojin Wang, Ferruh Erdogdu, Francesco Marra, Fabrizio Sarghini & Long Chen
计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 定量预测/回归分析 过程控制与实时优化 小规模数据集食品标签
加工与新加工技术 干燥保藏 过程监测与在线检测 过程优化与控制策略背景：食品加工受到多种因素（如物料特性和加工参数）的影响，这使得其分析具有复杂性。传统方法（实验或数学/机理模型）存在局限性，例如成本高、外推误差大以及建模受限等。机器学习（ML）作为一种数据驱动的方法，具备强大的非线性拟合能力，能够整合多因素相互作用以实现工艺优化，从而降低能耗、提高产品质量和经济效益。因此，机器学习在食品加工领域展现出了潜力。
范围与方法：首先，介绍了食品加工中常用机器学习算法的优缺点，以帮助研究人员选择最合适的算法。其次，总结和分析了机器学习在食品检测、干燥和发酵中的应用，以及存在的挑战和相应的解决方案。此外，还提出了机器学习在食品加工领域的前瞻性策略。
主要发现与结论：机器学习在食品加工领域取得了显著进展，其应用涵盖检测、干燥和发酵等方面，所涉及的算法从无监督/有监督学习到深度学习不等。当前研究显示出了不同的局限性，例如小样本带来的过拟合风险、模型的可解释性局限，以及由于食品加工的特殊性导致的数据获取困难等。为了构建高质量的机器学习模型，必须针对特定的加工过程对数据集和算法进行优化。为促进机器学习在食品加工领域未来的应用，提出了以下方向：开发小样本算法、将机理模型与机器学习相结合以增强物理可解释性，以及建立全球大数据平台，推动高效、智能且可持续的食品加工发展。 -
集成计算机视觉和机器学习技术构建模型以定量虹鳟鱼片的肌间脂肪含量
查看原文
2025
Food Control
中科院一区JCR一区
Ming Huang, Libo Wang, Boyuan Wang, Wenxin Jiang, Ying Yu, Qingkai Tang, Qinfeng Gao & Yuan Tian
计算机标签
随机森林 深度学习 定量预测/回归分析 可见光/RGB/视频数据 中等规模数据集食品标签
鱼肉 品质、结构与理化性质 显微与成像技术 脂质与脂肪酸本研究旨在建立一种快速高效的方法，用于量化鲑科鱼鱼片中的肌间脂肪含量（IMF），该指标直接决定鱼片品质。研究首先采集了204张虹鳟鱼片图像，通过传统RGB分布分析进行初步IMF估算，但效果不理想（R² = 0.61）。因此，从图像中进一步提取了9个颜色特征和7个复合特征，基于计算机视觉与机器学习技术，训练了线性模型（逐步回归、弹性网络）和非线性模型（随机森林、深度神经网络）。所有模型准确率均超过63%，且R² > 0.85。其中随机森林模型表现最为稳健，R²达0.91，准确率为79%。研究进一步应用该稳健模型对120份新增鱼片样本进行IMF量化分析，结果显示IMF含量与鱼体规格、性别及遗传背景显著相关。本研究首次建立了具备高效性、准确性、实用性与可靠性的鲑科鱼鱼片肌间脂肪含量量化方法。
-
高光谱成像与深度学习用于果蔬品质和安全检测：综述
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Chen Yang, Zhiming Guo, Douglas Fernandes Barbin, Zhiqiang Dai, Nicholas Watson, Megan Povey, & Xiaobo Zou
计算机标签
深度学习 模型轻量化/边缘计算 定量预测/回归分析 高光谱/多光谱光谱食品标签
新鲜蔬菜 食品安全与风险评估 品质、结构与理化性质 显微与成像技术果蔬品质检测与食品安全监测和质量控制密切相关。传统化学分析和物理测量技术虽然可靠，但耗时、成本高，并容易受到环境和样品变化影响。高光谱成像技术结合深度学习方法可有效克服这些问题。与人工评价相比，自动化检测可提高检测效率，降低主观误差，并促进果蔬品质检测智能化和精准化。本文综述了高光谱成像技术结合深度学习方法在果蔬品质评价多个方面的应用，重点总结其在果蔬安全、内部品质和外部品质检测中的最新进展，并展望该领域面临的挑战和未来发展方向。高光谱成像结合深度学习在果蔬质量检测中已显示出显著优势，尤其是在提升检测准确性和效率方面。未来研究应关注降低成本、优化设备、个性化特征提取和模型泛化能力，同时重视轻量化模型发展、准确率平衡、数据库建设和定量研究，以推动高光谱成像技术在果蔬检测中的广泛应用。
-
在自由空间结构中进行鸡卵无损质量评估的微波光谱学：不同测量模式与特征选择方法的比较
查看原文
2025
Food Chemistry
中科院一区JCR一区
Niloofar Akbarzadeh, Seyed Ahmad Mireei, Gholam Reza Askari, Mohammad Sehdeghi & Abbas Heydari
计算机标签
偏最小二乘法 深度学习 定量预测/回归分析食品标签
蛋类及其制品 品质、结构与理化性质 光谱/色谱/质谱等分析方法采用配备X波段同轴-波导转换器的自由空间介电测试装置，对鲜鸡蛋品质进行无损检测。将鸡蛋以三种放置姿态摆放，分别在反射和透射模式下测定微波频段（8~12吉赫兹）的散射参数。运用偏最小二乘回归法对鸡蛋品质指标进行预测，指标包含气室高度、蛋黄系数、浓蛋白高度、哈夫单位以及蛋白pH值。以水平1放置姿态下的PR_S22频谱为优先研究对象，采用多种特征筛选方法筛选最优特征频率。再基于筛选得到的有效特征频率，利用人工神经网络构建鸡蛋品质预测模型。结果表明，竞争性自适应重加权采样法的性能始终优于其他方法，所构建的人工神经网络模型稳定性优异，气室高度、蛋黄系数、浓蛋白高度、哈夫单位、蛋白pH值的残差预测偏差分别达到4.80、4.00、3.27、3.03、3.72。本研究证实了自由空间介电测试装置在鸡蛋品质预测应用中的有效性。
