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
-
基于序贯正交单类偏最小二乘法的多块数据在葡萄酒真实性中的应用
查看原文
2022
Food Chemistry
中科院一区JCR一区
Adriano A. Gomes, Liudmyla Khvalbota, Larisa Onça, Andrea Machyňáková & Ivan Špánik
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
酒精饮料 光谱/色谱/质谱等分析方法本文提出一种依托多源数据建模、用于食品真伪鉴别的新方法，命名为OC-PLS。该方法先对不同数据集进行正交化处理以剔除冗余信息，再通过 OC-PLS 算法为目标类别划定判定接受域，进而实现食品真伪鉴别。研究通过两个案例对所提方法进行验证：第一个案例采用模拟数据开展受控实验；第二个案例联合使用 紫外 - 可见光谱（UV–VIS） 与红外光谱（IR）数据，将该方法用于区分斯洛伐克托卡伊产区的高品质托卡伊精选葡萄酒与同产区其他低市场价值葡萄酒。结果显示，该方法的判别效果均优于单独使用任一单块数据的模型，可有效挖掘并利用各数据块中的共有与特有信息，在模型预测阶段实现了灵敏度与特异性的最优平衡。
-
利用纸色谱阵列和神经网络非破坏性多重鉴别海鲜中的病原微生物与腐败菌群
查看原文
2022
Food Research International
中科院一区JCR一区
Manyun Yang, Yaguang Luo, Arnav Sharma, Zhen Jia, Shilong Wang, Dayang Wang, Sophia Lin, Whitney Perreault, Sonia Purohit, Tingting Gu, Hyden Dillow, Xiaobo Liu, Hengyong Yu & Boce Zhang
计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
鱼肉 微生物安全 过程监测与在线检测 其他方法对人类食源性病原体的非破坏性检测对于确保食品安全和公共卫生至关重要。本文报道了一种利用纸色谱阵列耦合机器学习神经网络（PCA-NN），通过挥发性有机化合物传感来检测海鲜中存在背景菌群和腐败菌情况下的活体病原体的新方法。本研究以摩根氏菌（Morganella morganii）和腐败希瓦氏菌（Shewanella putrefaciens）分别作为模型病原菌和腐败菌。研究评估了单菌培养和混合多重培养中的微生物检测效果。PCA-NN检测的准确性首先在标准培养基上进行评估，随后在以鳕鱼和三文鱼作为真实海鲜模型、含有病原菌、腐败菌以及背景菌群的条件下进行了验证。在本研究中，PCA-NN方法成功地从海鲜的菌群（无论是否存在常见的腐败菌——腐败希瓦氏菌）中鉴别出了病原微生物，准确率在90%至99%之间。该方法无需富集、培养或其他样品前处理步骤即可实现对食品的非破坏性病原体监测，有望推动智能包装技术的发展。
-
基于非靶向UHPLC-HRMS分析和化学计量学的苹果汁初步认证研究
查看原文
2022
Food Control
中科院一区JCR一区
Katy Dinis, Lucie Tsamba, Freddy Thomas, Eric Jamin, & Valérie Camel
计算机标签
偏最小二乘法 分类/鉴别/等级评定食品标签
果蔬汁/浓缩汁 食品安全与风险评估 光谱/色谱/质谱等分析方法 蛋白质与氨基酸本研究采用超高效液相色谱 - 高分辨质谱联用技术（UHPLC-HRMS），对不同种植模式与生产工艺制备的苹果汁样品（包括非浓缩还原汁与浓缩还原汁、有机苹果汁与常规苹果汁）展开分析。研究基于代谢组学工作流平台（Workflow4Metabolomics, W4M）开发并建立了一套数据处理流程：首先通过 XCMS 软件进行特征峰检测，随后进行数据过滤，剔除了近 50% 的检出特征峰；接着开展批次内与批次间校正，再结合主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）、正交偏最小二乘判别分析（OPLS-DA）及方差分析（ANOVA）等化学计量学方法进行数据分析。所建立的分析方法可同时实现两类苹果汁样品的有效区分，即非浓缩还原汁与浓缩还原汁的区分、有机苹果汁与常规苹果汁的区分。主成分分析验证了本方法的重复性，并证实了批次校正的有效性；正交偏最小二乘判别分析模型表现出良好的质量参数，尤其是在筛选特征峰以区分有机与常规苹果汁时，模型预测准确率可达近 80%。根据方差分析与正交偏最小二乘判别分析结果，本研究筛选出 24 个具有显著判别意义的特征峰。通过进一步的二级质谱（MS/MS）实验结合在线数据库检索，其中部分特征峰被鉴定为氨基酸及其衍生物。研究人员采用独立数据集对上述物质作为特征标记物的潜力进行验证，取得了良好结果。该非靶向检测方法在苹果汁掺假检测与真实性鉴别中的常规应用仍需进一步验证。
-
基于非靶向化学指纹图谱区分大西洋鲑鱼的地理来源
查看原文
2022
Food Chemistry
中科院一区JCR一区
Wen-Hsin Chang, Yee Soon Ling, Ko-Chih Wang, Fan-Hua Nan & Wen-Ling Chen
计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据食品标签
鱼肉 光谱/色谱/质谱等分析方法同一物种养殖水产品的产地虚假标注行为难以甄别。本研究采用非靶向小分子指纹图谱技术，对产自智利与挪威的大西洋鲑开展产地判别分析。研究获取了智利（样本量n=32）和挪威（样本量n=29）大西洋鲑的液相色谱 - 高分辨质谱数据，并通过化学计量学方法进行处理。偏最小二乘判别分析（PLS-DA）模型在正、负离子电离模式下均成功实现智利与挪威大西洋鲑的区分（决定系数R 2>0.96，预测能力系数Q 2>0.81）。单变量分析筛选出约 100 个统计置信度＞95% 的候选标志物，其中 37 个经确证的产地标志物主要与饲料配方相关，涵盖脂质衍生物与饲料添加剂类物质，且所有标志物均不属于存在食品安全潜在风险的残留物质或污染物。
-
基于溶液相传感器阵列结合紫外-可见光谱技术的红茶发酵质量快速监测
查看原文
2022
Food Chemistry
中科院一区JCR一区
Luqing Li, Menghui Li , Qingqing Cui, Ying Liu, Yuyu Chen, Yujie Wang, Zhengzhu Zhang, Quansheng Chen & Jingming Ning
计算机标签
支持向量机 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
茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 植物化学/生物活性成分红茶发酵品质的快速监测是实现红茶智能化加工的核心关键。本研究先对混合比例、传感阵列组分与反应时间进行优化，以此构建出最优液相比色传感阵列。通过紫外 - 可见光谱获取阵列特征光谱信息，再结合机器学习算法，建立红茶发酵品质评价模型。竞争性自适应重加权算法（CARS）- 支持向量机模型对红茶发酵程度的判别准确率达到100%。针对儿茶素与四种茶黄素（TF、TFDG、TF-3-G、TF-3′-G）的定量分析，CARS - 最小二乘支持向量机模型预测集相关系数分别为 0.91、0.86、0.76、0.72 与 0.79。整个检测过程可在2 分钟内完成，能够实现红茶发酵品质的精准监测，为红茶智能化加工提供了新方法与新思路。
