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 2456 条结果
-
基于偏最小二乘法和人工神经网络分析的采后苹果品质变化与货架期预测模型
查看原文
2022
Food Chemistry
中科院一区JCR一区
Yueyi Zhan, Danshi Zhu, Xiaojun Ren, Yusi Shen, Xuehui Cao, He Liu & Jianrong Li
计算机标签
偏最小二乘法 深度学习 定量预测/回归分析 时序传感器/物联网数据食品标签
新鲜水果 保藏与贮藏 品质、结构与理化性质 常规理化指标测定 质构与流变测试采后苹果的品质受贮藏温度影响显著。本文研究了苹果在 4℃和 20℃贮藏条件下，风味、质地、色泽、口感等感官品质的变化规律。在相关性分析基础上，采用偏最小二乘法（PLS）和人工神经网络（ANN） 构建货架期预测模型。结果表明：低温贮藏能更好地保持苹果的果皮色泽、果肉硬度及挥发性物质释放；20℃贮藏下苹果可滴定酸度下降速率远快于 4℃。PLS 模型可成功预测苹果货架期；采用单一指标进行 PLS 建模时，预测精度由高到低依次为：质地 > 色泽 > 风味。作为非线性算法，ANN 模型同样可有效预测两种温度条件下苹果的货架期。
-
红外光谱在粮食作物真菌毒素快速筛查与常规分析中的潜力及适用性
查看原文
2022
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区
Stephan Freitag, Michael Sulyok, Natasha Logan, Christopher T. Elliott & Rudolf Krska
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据食品标签
谷物/块根/豆与坚果类 微生物安全 显微与成像技术 光谱/色谱/质谱等分析方法红外（IR）光谱法正越来越多地以快速、无损且环保的方式用于分析粮食作物的质量和安全性。然而，灵敏度的缺乏以及主要样品基质成分的吸收特征重叠，往往阻碍了对痕量水平食品污染物的直接测定。通过使用近红外和中红外光谱以及高光谱成像来测量真菌引起的基质变化，已经实现了对粮食作物中真菌毒素的间接测定。近期的研究强调，此类红外光谱平台在食品和饲料供应链中对真菌毒素的快速分析方面具有巨大潜力。不过，目前尚无根据官方法规对红外方法进行验证的已发表报告，且那些展示其在常规分析设置中适用性的出版物也很少。因此，本综述旨在探讨红外光谱方法在快速测定粮食作物中真菌毒素方面的当前技术水平和潜力。该研究批判性地反思了红外光谱在常规分析中的适用性和局限性，并为食品和饲料行业中考虑采用红外光谱进行快速真菌毒素筛查的非光谱学专业人员提供指导。最后，还讨论了在食品和饲料安全领域的趋势、可能的应用领域以及不同的实施方式。
-
基于非靶向ATR-FTIR指纹与化学计量学检测初榨橄榄油与菜籽油、榛子油或红花油的三元混合物
查看原文
2022
Food Control
中科院一区JCR一区
Stella A. Ordoudi, Onur Özdikicierler, & Maria Z. Tsimidou
计算机标签
偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法目前，有关特级初榨橄榄油（EVOO）掺入三种未申报外源油脂复配体系的掺假检测研究在文献中鲜有报道。本研究旨在建立一种适用且高灵敏度的非靶向指纹图谱检测方法，该方法基于衰减全反射傅里叶变换红外光谱技术（ATR-FTIR）结合定性建模，用于检测标准掺假水平（体积分数 20%）下的油脂复配体系 —— 该体系由一种廉价不饱和油脂（红花籽油）与两种高油酸油脂（菜籽油、榛子油）复配而成。研究以自建的纯正特级初榨橄榄油光谱库作为参照数据源，在多元校正过程中，采用偏最小二乘判别分析（PLS-DA）与类软独立建模法（SIMCA）两种方法，对二阶导数 ATR-FTIR 光谱数据进行异常值筛查。对所得模型开展的逐步外部验证结果表明，该方法对高难度掺假案例（即掺入 5% 菜籽油与 15% 榛子油的样品）的检测灵敏度达 100%。考虑到不同产地、不同收获年份的纯正特级初榨橄榄油在成分上存在天然变异性，且本研究涉及的复配体系成分复杂，各模型仍表现出较高的综合预测能力，预测准确率均超过 92%。研究同时证实，该方法具备向更低掺假水平（体积分数 10%）拓展应用的潜力。
-
使用近红外光谱与化学计量学工具快速评估大麦中的恩镰孢菌素
查看原文
2022
Food Research International
中科院一区JCR一区
Elem Tamirys dos Santos Caramês, Karim C. Piacentini, Naara Aparecida Almeida, Viviane Lopes Pereira, Juliana Azevedo Lima Pallone & Liliana de Oliveira Rocha
计算机标签
偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据 小规模数据集食品标签
杂粮 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分大麦是世界上重要的作物，可能受到多种真菌的影响，其中镰刀菌因造成霉菌毒素污染而导致经济损失，是最相关的菌属之一。恩镰孢菌素（ENNs）是全球谷物中已发现的新兴霉菌毒素之一。目前，评估这些污染物的主要分析工具基于色谱技术，这些技术虽然有效但耗时且昂贵。在此背景下，本研究旨在评估近红外（NIR）光谱技术检测和/或分类大麦中恩镰孢菌素（ENN）含量的性能。研究了来自巴西三个不同地区的60份大麦样品，并通过UPLC-MS/MS测定了ENN含量。随后利用测得的含量基于红外光谱数据开发多变量模型。结果表明，样品中ENN的出现率很高（>70%），基于NIR数据建立的PLS-DA模型显示出足够的敏感性和特异性（分别为100%和94.2%），能够区分受污染和未受污染的大麦样品，证明NIR是监测这种新兴霉菌毒素的一种有前景的工具。
-
基于纳米修饰比色传感器结合近红外光谱法无损检测玉米油中多种重金属
查看原文
2022
Food Control
中科院一区JCR一区
Hao Jiang, Hao Lin, Jinjin Lin, Selorm Yao-Say Solomon Adade, Quansheng Chen, Zhaoli Xue, & Chenming Chan
计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据食品标签
植物油 化学污染物 光谱/色谱/质谱等分析方法本研究旨在开发一种新型纳米修饰比色传感器结合近红外光谱技术（NIRS） 的检测方法，用于玉米油样品中铅（Pb）、汞（Hg）两种重金属的检测。该比色传感器以化学响应染料为基底材料，通过引入高亲和力的二甲基嘧啶胺（DPA）与多孔二氧化硅纳米球（PSNs）进行修饰，实现了传感器灵敏度与稳定性的双重提升。研究人员借助嗅觉可视化系统，筛选出对铅、汞离子具有特异性响应的比色传感器，用于混合重金属体系的检测。实验采用近红外光谱仪（光谱范围 899.20~1724.71 nm）采集传感器的光谱响应数据，并结合多种偏最小二乘（PLS）模型，对玉米油中混合重金属的反射光谱数据展开分析。
结果证实，该传感器对铅、汞具备优异的检测准确性。其中，蚁群优化偏最小二乘模型（ACO-PLS） 在低浓度重金属区间（10~100 ppb）表现出最优检测性能。在含有镁离子（Mg 2+）、锌离子（Zn 2+）、钴离子（Co 2+）、钠离子（Na +）、钾离子（K +）等干扰离子的玉米油样品中，该模型对铅、汞检测的预测决定系数（Rp2）分别达到 0.9793 和 0.9510，检出限（LOD）则分别低至 5 ppb 与 7 ppb。研究采用电感耦合等离子体质谱法（ICP-MS）验证了本方法的有效性与稳定性。综上，该方法为食用油中多组分重金属的无损检测提供了极具潜力的技术方案。
