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
-
初榨橄榄油品种鉴定：证明倍半萜指纹法对地中海Arbequina油的有效性
查看原文
2021
Food Control
中科院一区JCR一区
Berta Torres-Cobos, Beatriz Quintanilla-Casas, Agustí Romero, Antonia Ninot, Rosa M. Alonso-Salces, Tullia Gallina Toschi, Alessandra Bendini, Francesc Guardiola, Alba Tres & Stefania Vichi
计算机标签
偏最小二乘法 分类/鉴别/等级评定食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法初榨橄榄油（VOO）是地中海饮食中至关重要且广受青睐的产品。由于其感官特性受橄榄品种影响显著，因此需对初榨橄榄油开展品种溯源鉴定，以保障消费者免受虚假宣传的误导。本研究旨在评估倍半萜烃（SH）指纹图谱作为初榨橄榄油品种鉴别标志物的适用性，并验证该指标是否不受产地、农艺措施及加工工艺条件的干扰。研究重点聚焦于地中海地区的阿尔贝吉纳（Arbequina）品种橄榄油。采用顶空固相微萃取 - 气相色谱 - 质谱联用技术（HS-SPME-GC-MS），对来自 6 个产区、涵盖 38 个不同品种及调配油的 400 余份初榨橄榄油样品的倍半萜烃谱图进行分析。基于校正后的色谱数据，构建了 偏最小二乘判别分析（PLS-DA）分类模型。研究建立了二元 PLS-DA 模型，用于区分阿尔贝吉纳品种橄榄油与其他品种橄榄油（非阿尔贝吉纳组），并对该模型进行了外部验证。外部验证结果显示，模型总体正确分类率达 95.1%，证实倍半萜烃指纹图谱可作为阿尔贝吉纳初榨橄榄油鉴别的快速筛查方法。此外，本研究还初步探索了倍半萜烃指纹图谱对其他品种初榨橄榄油的鉴别能力，且取得了良好的应用前景。
-
使用卷积神经网络的高光谱图像分类：在工业食品包装中的应用
查看原文
2021
Food Control
中科院一区JCR一区
Leandro D. Medus, Mohamed Saban, Jose V. Francés-Víllora, Manuel Bataller-Mompeán, & Alfredo Rosado-Muñoz
计算机标签
卷积神经网络 分类/鉴别/等级评定 高光谱/多光谱光谱食品标签
新材料/包装与接触材料 食品安全与风险评估 光谱/色谱/质谱等分析方法在食品托盘包装过程中，可能会因异物混入而造成污染。因此，在包装工序中及时检测出异常品，对不合格托盘进行剔除，避免其流入消费环节，至关重要。本研究以热封食品托盘为对象，将卷积神经网络（CNN） 作为分类器，结合高光谱成像系统开展实时食品包装检测，验证了该技术用于在线分类的可行性。实验采用高光谱相机采集单个食品托盘的图像信息，并将其输入卷积神经网络分类器，以识别存在异物污染的不合格托盘。该检测系统可识别多达 11 种不同类型的污染物（如塑料、橡胶等），一旦检测出不合格托盘，便会将其从自动化生产线中剔除。研究构建了包含各类缺陷样本与正常样本的专用数据库，并针对卷积神经网络的网络结构及模型训练环节，提出了多种优化方案。实验结果表明，系统的综合缺陷检测准确率可达 94% 以上。此外，分类流程具备灵活性，可根据工厂实际需求进行参数调整：既可以对模型进行优化以实现检测准确率最大化，也可以通过改进漏检率（FOR） 指标来确保所有潜在缺陷品均被筛除。本研究还对不同类型的缺陷进行了分析，明确了系统对部分缺陷类型检测的局限性。最终，该算法被成功集成至生产线自动化控制系统中。测试结果显示，单托盘检测的总运算时间为 70~105 毫秒（具体时长取决于为每个托盘选定的成像通道数量），这使得生产线的最大运行速度可达14 个食品托盘 / 秒。
-
基于UV-VIS和FTIR光谱数据结合化学计量学工具的薄荷品种质量控制
查看原文
2021
Food Control
中科院一区JCR一区
Kamila Kucharska-Ambrożej, Agnieszka Martyna, Joanna Karpińska, Anna Kiełtyka-Dadasiewicz & Aleksandra Kubat-Sikorska
计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
香精香料 品质、结构与理化性质 光谱/色谱/质谱等分析方法薄荷因其独特的精油成分而具有较高应用价值，该精油广泛应用于食品、医药及化妆品工业。不同薄荷品种的化学成分存在差异，进而导致其药用功效、抗氧化活性及香气特征有所不同。基于此，建立一种可对两种最常见薄荷品种 —— 胡椒薄荷与留兰香薄荷 —— 进行快速质量检测的方法，成为当前亟待解决的关键问题。本研究采用紫外 - 可见分光光度法（UV-VIS）与傅里叶变换红外衰减全反射光谱法（FTIR-ATR），对 20 余个薄荷品种在 3 个采收期的样品进行光谱指纹图谱采集。针对薄荷质量检测，研究设计了两步式化学计量学分析策略：第一步采用 类软独立建模法（SIMCA）对样品进行初筛，剔除胡椒薄荷与留兰香薄荷以外的其他品种；第二步将疑似目标品种的样品进一步纳入判别分析，分别采用偏最小二乘判别分析（PLS-DA）与支持向量机（SVM） 两种适宜的判别模型完成最终品种鉴定。模型性能测试结果显示，其判别准确率介于 60%~80%，具体数值取决于模型训练所用的光谱数据类型及样品采收季节。
-
基于分子感官和可解释机器学习技术研究发酵过程对鲷鱼（美香鱼）挥发性化合物的变化：不同发酵阶段的比较
查看原文
2021
Food Research International
中科院一区JCR一区
Qian Chen, Yueqi Wang, Yanyan Wu, Chunsheng Li, Laihao Li, Xianqing Yang, Shengjun Chen, Yongqiang Zhao, Jianwei Cen, Shaoling Yang, & Di Wang
计算机标签
机器学习/统计学习 主成分分析/判别分析 模型可解释性 分类/鉴别/等级评定 红外/拉曼光谱数据 时序传感器/物联网数据食品标签
鱼肉 其他酱腌/发酵食品 特征风味 光谱/色谱/质谱等分析方法 发酵工艺与动力学 风味组学 其他植物化学物质发酵金鲳鱼（Trachinotus ovatus）因其独特的风味而受到当地消费者的喜爱。利用电子鼻（E-nose）和气相色谱-离子迁移谱（GC-IMS）技术分析了发酵过程中金鲳鱼气味特征演变的挥发性化合物变化。使用GC-IMS检测到45个离子峰。尽管醛类是最初主要的挥发性化合物，但随着发酵的进行，其含量下降。在第3天到第15天之间，酯类含量的增加有助于形成稳定的挥发性有机化合物谱。18天后，检测到高水平的吲哚和吡嗪。基于偏最小二乘判别分析（PLS-DA）筛选出11种关键挥发性化合物。反向传播人工神经网络（BP-ANN）预测了发酵阶段，从而能够制定更好的策略来调控金鲳鱼发酵。本研究为中国发酵金鲳鱼的实时监测和质量控制提供了理论基础。
-
利用近红外高光谱成像与多元曲线分辨法检测巧克力粉中的花生掺假
查看原文
2021
Food Control
中科院一区JCR一区
Antoine Laborde, Francesc Puig-Castellví, Delphine Jouan-Rimbaud Bouveresse, Luc Eveleigh, Christophe Cordella, & Benoît Jaillais
计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 高光谱/多光谱光谱食品标签
巧克力及含可可制品 马铃薯 食品安全与风险评估 光谱/色谱/质谱等分析方法本研究旨在利用近红外（NIR）高光谱成像技术检测巧克力粉中花生粉的掺假情况。实验制备了 15 份掺假样品，通过将巧克力粉与花生粉按不同比例混合而成，花生粉的掺假比例分别为 0%、0.1%、1%、10% 和 100%，并采用高光谱相机完成所有样品的光谱采集。研究首先开展主成分分析（PCA）预处理，以探究光谱数据的内在结构特征；随后采用多元曲线分辨 - 交替最小二乘法（MCR-ALS）化学计量学方法，并在浓度矩阵中加入选择性约束条件，将复杂的光谱数据解析为能够表征样品中主要成分的一组组分光谱。此外，本研究还构建了一种基于马氏距离的检测算法，通过计算每个像素点相对于巧克力粉模型分布的马氏距离实现掺假识别。数据分析结果表明，光谱解混问题具有较高的复杂性，推测其原因在于像素视场内存在光谱特征重叠现象，且纯巧克力粉与纯花生粉的光谱特征具有较高的相似性。在引入选择性约束条件后，MCR-ALS 方法的分析效果得到显著提升，进而使检测算法的性能大幅优化。未经约束的 MCR-ALS 方法在混合样品中检测出的掺假像素占比范围为 0% 至 2.2%；而施加选择性约束的 MCR-ALS 方法则在相同样品中检测出了 0.03% 至 17.0% 的掺假像素占比。该技术流程证实，即使在最低掺假浓度（花生粉占比 0.1%）条件下，花生粉掺假行为仍可被有效检出。本研究结果充分证实了近红外高光谱成像技术结合化学计量学方法在食品掺假检测领域的应用潜力。
