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
-
BoostSweet：学习甜味剂的分子感知表示
查看原文
2022
Food Chemistry
中科院一区JCR一区
Junho Lee, Seon Bin Song, You Kyoung Chung, Jee Hwan Jang & Joonsuk Huh
计算机标签
机器学习/统计学习 定量预测/回归分析食品标签
甜味剂 品质、结构与理化性质安全型人工甜味剂的研发一直是食品工业领域的研究热点。以往基于定量构效关系（QSAR）的机器学习（ML）研究，已为甜味预测提供了部分分子规律，但借助对甜味活性因子的化学识别，此类模型仍有优化空间。本研究构建的机器学习模型为软投票集成模型，以轻量梯度提升机为基模型，同时输入分层指纹与 alvaDesc 分子描述符特征，实现了当前顶尖的预测性能，受试者工作特征曲线下面积（AUROC）达 0.961。通过特征重要性与数据集分析，本研究发现：分子中作为氢键供体的氮原子数目，是决定物质甜味的关键因素。该研究结果有助于深化分子结构与甜味之间关联机制的认知，可为依托分子结构依赖性设计新型甜味剂提供理论依据。
-
应用光谱技术和化学计量学方法区分真肉桂和假肉桂
查看原文
2022
Food Chemistry
中科院一区JCR一区
Júlia Dos Santos Lopes, Amanda Beatriz Sales de Lima, Roberta Ribeiro da Cruz Cangussu, Marcondes Viana da Silva, Sibelli Passini Barbosa Ferrão & Leandro Soares Santos
计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
香精香料 食品安全与风险评估 光谱/色谱/质谱等分析方法 多酚与黄酮本研究旨在筛选可用于区分正品肉桂与伪品肉桂的有效化学标志物，并建立基于 中红外光谱（MIR） 结合化学计量学方法的快速高效鉴别方法。研究采购了来自巴西、斯里兰卡、巴拉圭 3 个国家的 129 份肉桂样品，先通过外观观察进行初步区分，随后开展生物活性成分、抗氧化活性、高效液相色谱（HPLC）及中红外光谱分析，并对所得数据进行主成分分析（PCA）与偏最小二乘判别分析（PLS-DA）。结果表明，正品肉桂样品中丁香酚、肉桂醛含量更高，抗氧化能力更强，且香豆素含量更低。PCA 分析实现了两类肉桂样品的分组区分；PLS-DA 可有效鉴别样品，基于成分分析与中红外光谱数据的判别准确率分别达到 94.44% 和 100%。研究证实，中红外光谱可作为快速区分正品与伪品肉桂的替代技术。
-
通过可解释机器学习对甜味剂/苦味剂化合物进行有依据的分类
查看原文
2022
Current Research in Food Science
中科院一区JCR一区
Gabriele Maroni, Lorenzo Pallante, Giacomo Di Benedetto, Marco A. Deriu, Dario Piga & Gianvito Grasso
计算机标签
机器学习/统计学习 模型可解释性 分类/鉴别/等级评定 设计/生成与推荐 质构/流变/感官数据 文本/知识库/法规数据食品标签
其他添加剂与配料 感官科学与消费者研究味觉感知是一种新兴现象，源于化合物与特定味觉受体之间复杂的分子相互作用。在所有味觉感知中，甜味和苦味的二分法一直是多项机器学习分类研究的主题。尽管先前的研究已经提供了准确的甜味剂/苦味剂分类器，但通过加深对苦味-甜味分子基础的理解，仍有很大的空间来改进这些模型。为了实现这些目标，我们的研究重点是开发和测试多种机器学习策略，并结合新型的SHapley可加性解释（SHAP），以实现合理的甜味/苦味分类。这使得我们能够识别感兴趣的化学描述符，从而为甜味剂/苦味剂的合理设计和筛选提供更具信息量的方法。为了支持该领域的未来研究，我们将所有数据集和机器学习模型公开，并提供了一个易于使用的代码用于苦味-甜味预测。
-
应用稳定同位素和矿质元素指纹识别浓缩苹果汁的地理来源
查看原文
2022
Food Chemistry
中科院一区JCR一区
Xiaohan Liu, Jian Mu, Dan Tan, Kemin Mao, Jinjie Zhang, Faizan Ahmed Sadiq, Yaxin Sang & Ang Zhang
计算机标签
偏最小二乘法 主成分分析/判别分析 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 矿物质与微量元素食品溯源是食品安全与品质管控的重要组成部分。目前，我国尚未建立成熟可靠的技术用于 浓缩苹果汁（CAJ） 的产地鉴别。本研究测定了来自五大产区（BHB、NWR、SCH、LP、YRAR）浓缩苹果汁中的δ13C、δ18O稳定同位素比值及 32 种元素含量。经邓肯多重比较检验，五大产区样品的δ13C、δ18O及 28 种元素存在显著差异（P<0.05）。研究采用主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）与正交偏最小二乘判别分析（OPLS-DA）开展样品产地分类，结果表明：铊（Tl）、硒（Se）、δ18O、硼（B）、镁（Mg）、锶（Sr）、钕（Nd）、钼（Mo）、砷（As）、钠（Na）这 10 个关键变量对样本判别贡献度更高。上述研究结果有助于阐明我国浓缩苹果汁中稳定同位素与元素组成的地理来源差异，为管控浓缩苹果汁产地标签造假行为提供重要参考依据。
-
基于比色传感器阵列和化学计量学方法的嗅觉可视化传感器系统用于高精度评估牛肉新鲜度
查看原文
2022
Meat Science
中科院一区JCR一区
Weidong Xu, Yingchao He, Jiaheng Li, Yong Deng, Jianwei Zhou, Enbo Xu, Tian Ding, Wenjun Wang & Donghong Liu
计算机标签
支持向量机 随机森林 K-近邻 主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据 质构/流变/感官数据食品标签
畜肉 品质、结构与理化性质 微生物安全 常规理化指标测定 显微与成像技术 微生物计数与生长曲线牛肉容易腐败，导致食源性疾病和高社会成本。本研究提出了一种基于比色传感器阵列和化学计量学方法的新型嗅觉可视化系统来检测牛肉新鲜度。首先，根据溶剂化显色效应，将十二种颜色敏感材料固定在疏水平台上，以获取牛肉样品的气味信息。其次，使用机器视觉算法提取气味指纹，并采用主成分分析压缩指纹的特征维度。最后，根据总挥发性盐基氮和菌落总数的值，构建了四种定性模型（k近邻、极限学习机、支持向量机和随机森林）来评估牛肉新鲜度。结果表明，支持向量机具有较好的预测能力，训练集和预测集的精度分别为95.83%和95.00%。结果揭示，这种简单构建的嗅觉可视化传感器系统可以快速、稳健、准确地评估牛肉新鲜度。
