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
-
化学计量学方法、感官评估和智能感官技术结合基于GAN的集成深度学习框架，用于区分盐雁品种
查看原文
2024
Food Chemistry
中科院一区JCR一区
Che Shen, Ran Wang, Qi Jin, Xingyong Chen, Kezhou Cai, & Baocai Xu
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 时序传感器/物联网数据食品标签
禽肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他特殊成分腌制鹅肉产品的真实性对消费者来说是一个令人担忧的问题。本研究描述了一个基于生成对抗网络的综合深度学习框架，并将其与来自顶空固相微萃取/气相色谱-质谱、顶空气相色谱-离子迁移谱、电子鼻、电子舌、定量描述分析以及游离氨基酸和 5' - 核苷酸分析的数据相结合，以实现对四种腌制鹅品种的可靠区分。挥发性化合物、非挥发性化合物、感官特性和智能感官特性均进行了分析。在 InfoGAN 中生成了一个初步的综合数据集，并将其提供给几个基础分类器进行训练。通过动态加权融合预测结果，生成了一个综合模型预测。一项消融研究表明，集成学习对于提高模型的泛化能力是必不可少的。该框架的准确率为 95%，均方根误差（RMSE）为 0.080，精确率为 0.9450，召回率为 0.9470，F1 分数为 0.9460。
-
通过人工神经网络和遗传算法优化α-L-阿拉伯氨脋糖苷酶CcABF在发酵银杏仁汁中澄清和有益活性物质上的应用
查看原文
2024
Food Chemistry
中科院一区JCR一区
Jinling Chen, Qiqi Wang, Jing Zhou, Jie Yang, Linxiang Xu, Dongming Huo, & Zhen Wei
计算机标签
深度学习 超参优化/自动机器学习 定量预测/回归分析 组学数据食品标签
果蔬汁/浓缩汁 品质、结构与理化性质 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质本研究旨在利用α-L-阿拉伯氨脋糖苷酶CcABF，通过人工神经网络（ANN）建模和遗传算法（GA）优化，提高发酵银杏籽粒汁中的清晰度和活性物质。建立了一个可信的三层前馈人工神经网络模型，用于预测CcABF澄清的最优参数。实验结果显示，发酵银杏仁汁的传导率最高达89.40%，比未澄清组高出25.56%。随着CcABF的澄清，果汁中的抗氧化能力随着酚类和黄酮总含量的增加而提升，DPPH和羟基自由基的最大清除率分别提升了89.71%和26.65%。有毒的金河谷酸含量显著下降，而银杏仁和金杏仁B的活性成分则略有增加。此外，游离氨基酸和挥发性化合物的变化提高了澄清发酵银杏仁汁的营养价值和风味。
-
基于同位素和元素含量与人工神经网络关联，开发具有广泛适用性的蜂蜜识别模型
查看原文
2024
Food Chemistry
中科院一区JCR一区
Ariana Raluca HATEGAN, Adriana DEHELEAN, Romulus PUSCAS, Gabriela CRISTEA, Nastasia BELC, Gabriel MUSTATEA, & Dana Alina MAGDAS
计算机标签
深度学习 分类/鉴别/等级评定食品标签
蜂蜜等天然糖 食品安全与风险评估 理化与结构表征 常量营养素（宏量）蜂蜜掺假是一个全球性问题，由生产者、贸易商或商人追求的非法经济利益所驱动。可能不公平影响价格的伪造方法之一是错误地宣报植物来源和采收年份。因此，本研究旨在测试人工神经网络（ANN）应用在开发能够基于同位素和元素指纹评估蜂蜜植物来源和采摘年份的预测模型中的潜力。对于每个分类标准，都重点投入数据预处理阶段，以增强模型的预测能力。获得的分类性能（测试阶段准确率>86%）凸显了人工神经网络在蜂蜜鉴定中的高效性，以及将开发的分类器应用于大规模应用的可行性，尽管植物来源、地理来源和采集时间差异较大，仍能识别正确产地。
-
面向通用化的食物源识别：一种采用稳定同位素和元素标记分析进行大米鉴别的可解释深度学习方法
查看原文
2024
Food Research International
中科院一区JCR一区
Yinghao Chu, Jiajie Wu, Zhi Yan, Zizhou Zhao, Dunming Xu & Hao Wu
计算机标签
深度学习 支持向量机 智能手机/其他 模型可解释性 分类/鉴别/等级评定 中等规模数据集食品标签
大米 光谱/色谱/质谱等分析方法 矿物质与微量元素针对数据驱动方法在食品产地溯源中面临的泛化问题，尤其是在遇到不同输入变量集（例如元素含量（C， N， S）、稳定同位素（C， N， S， H， O）以及在不同实验室条件下测量的43种元素）时，我们引入了一种创新的、多功能且基于深度学习的框架，该框架融合了可解释分析，能够通过学习到的神经元权重来确定特征重要性。我们提出的框架，使用来自四个亚洲国家的三个大米样本批次（总计354个实例）进行了验证，表现出高达97%的卓越识别准确率，超越了决策树和支持向量机等传统参考方法。该适应性方法体系可容纳各种溯源指标的组合，促进了无缝复制和广泛适用性。这一突破性解决方案有效解决了因不同数据批次间变量集不同而产生的泛化挑战，为在实际应用中增强食品产地溯源能力铺平了道路。
-
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。
