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
-
使用近红外光谱、偏最小二乘法和变量选择预测生咖啡豆中多种化合物的浓度
查看原文
2021
Food Control
中科院一区JCR一区
Juliano Souza Ribeiro, Terezinha de Jesus Garcia Salva, & Maria Bernadete Silvarolla
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
咖啡饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 植物化学/生物活性成分近红外光谱技术结合化学计量学方法，已被证实是一种低成本、快速且环保的分析手段，可用于咖啡豆及咖啡饮品的离线与在线检测。然而，利用该技术对生咖啡豆中的化学成分进行定量分析时，仍存在若干方法学层面的局限性。具体而言，构建多元校正模型所需的参考数据存在微小波动性，且参考方法的检测分析次数要求较高，这两点均为技术应用的掣肘因素。为克服上述局限性、推动近红外光谱技术的实际应用，本研究针对咖啡因、葫芦巴碱及5 - 咖啡酰奎宁酸（5-CQA） 三种成分的定量分析方法进行了创新优化。研究提出了新型基质混合掺杂方案，并引入了波长变量筛选流程。实验采用偏最小二乘回归（PLSR） 法作为多元分析工具，分别为三种目标化合物建立定量校正模型。结果显示，当模型潜变量个数分别设置为 7、6、5 时，所构建的咖啡因、葫芦巴碱、5 - 咖啡酰奎宁酸含量预测模型，其预测均方根误差（RMSEP）依次为 0.08、0.07 和 0.27，校正集相关系数（rvc）则分别达到 0.98、0.96 和 0.96。此外，研究共筛选出 46 个特征波长区间，并将其作为预测化合物含量的重要标志物展开探讨。
-
基于响应面法(RSM)与人工神经网络(ANN)的大豆水提物复合膜优化与表征对比研究
查看原文
2021
Food Packaging and Shelf Life
中科院一区JCR一区
Ajesh Kumar V., Prem Prakash Srivastav, M. Pravitha, Muzaffar Hasan, Shukadev Mangaraj, Prithviraj & Deepak Kumar Verma
计算机标签
智能手机/其他 定量预测/回归分析 质构/流变/感官数据食品标签
生物基/可降解材料 包装设计与机械性能 过程优化与控制策略 其他理化与结构表征大豆水提物是制备可食用薄膜的一种有前景的原料。本研究通过添加蜂蜡（0.4-1.2%）、丁香精油（0.5-1.5%）和司盘20（0.5-1.5%），开发了基于大豆水提物的复合可食用薄膜，并评估了它们对薄膜物理机械性能和阻隔性能的影响。采用中心复合旋转设计的响应面法和有监督的人工神经网络模型来预测独立变量对抗拉强度、断裂伸长率、水蒸气透过率、水分含量、水溶性和光学参数等响应的影响。所有独立变量对响应均有显著影响（p < 0.05），与RSM相比，ANN模型能更好地预测实验数据，具有更高的R²和更低的RMSE、MAE和χ²值。RSM优化的蜂蜡、丁香精油和司盘20的浓度分别为1.2%、0.91%和0.73%。在独立变量中，蜂蜡和丁香精油对机械性能和阻水性能影响最大，而司盘20的浓度影响薄膜的颜色和溶解度。SEM和XRD分析表明复合膜具有半结晶性质。所开发薄膜的表征证实了其在食品包装应用中的实用性。
-
利用正面同步荧光光谱法快速、同时、无损测定藜麦粉中掺入玉米粉和豆粉
查看原文
2021
Food Control
中科院一区JCR一区
Shan-Shan Xue, Jin Tan, Jing-Ya Xie, & Ming-Fen Li
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 定量预测/回归分析 红外/拉曼光谱数据食品标签
杂粮 食品安全与风险评估 光谱/色谱/质谱等分析方法藜麦是一种天然无麸质的假谷物，近年来在全球范围内受到的关注度日益提升。本研究采用前表面同步荧光光谱技术（FFSFS），实现对玉米粉、大豆粉掺杂藜麦粉的快速无损鉴别。研究同时考察了单一掺杂与双重掺杂两种情况，掺杂比例范围为 6% 至 50%（质量分数）。针对玉米粉或大豆粉单一掺杂的情形，研究采用主成分分析 - 线性判别分析联用技术（PCA-LDA）开展初步定性鉴别；随后结合展开全同步荧光光谱与偏最小二乘回归算法（PLS）构建一阶预测模型，并通过五折交叉验证与外部验证对模型进行验证。针对双重掺杂的情形，研究建立了可同时测定玉米粉与大豆粉掺杂量的通用偏最小二乘 2 回归模型（PLS2），该模型表现出良好的预测性能：预测决定系数（R p2）大于 0.9，预测均方根误差（RMSEP）低于 5%，剩余预测偏差（RPD）大于 3；对玉米粉和大豆粉的检出限（LOD）分别为 9.0% 和 6.9%。此外，绝大多数加标回收率处于 80%—120% 区间。本研究不仅在藜麦粉掺假鉴别领域具有重要应用价值，还可为不同植物来源谷物混合粉的成分定量分析提供新思路。
-
短波红外高光谱成像系统结合多变量方法测量猪肉中的总挥发性碱氮
查看原文
2021
Food Control
中科院一区JCR一区
Insuck Baek, Hoonsoo Lee, Byoung-kwan Cho, Changyeun Mo, Diane E. Chan, & Moon S. Kim
计算机标签
偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱食品标签
畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法肉类新鲜度的监测与维持是保障消费级安全肉品供应的关键环节。本研究旨在构建一套短波红外高光谱成像（SWIR-HSI）检测系统，结合偏最小二乘回归（PLSR）模型与特征筛选方法，实现生鲜猪肉中挥发性盐基氮（TVB-N）含量的精准预测。
实验采集了猪肉样本在冷藏条件下贮藏 1 天、4 天、8 天、11 天、15 天及 21 天后的短波红外高光谱反射图像，并结合样本实测挥发性盐基氮含量数据，构建偏最小二乘回归预测模型。研究采用随机蛙跳算法（RF）与投影变量重要性（VIP）评分两种特征筛选策略对模型进行优化。结果显示，经最大归一化预处理优化后的 RF-PLSR 模型性能最优，其校正决定系数（R c2）与预测决定系数（R p2）分别达到 0.94 和 0.90。此外，本研究基于筛选出的特征波段，结合最优模型实现了猪肉挥发性盐基氮含量的可视化成像，为直观解析样本的空间分布信息提供了有效途径。综上，本研究构建的多变量分析模型可实现猪肉新鲜度的快速无损检测，有望替代传统检测方法，应用于在线检测系统，为肉品新鲜度的高效管控提供技术支撑。 -
基于热重-气相色谱/质谱联用结合化学计量学原位评估橄榄油中掺入大豆油
查看原文
2021
Food Control
中科院一区JCR一区
Xia Zhou, Qinghe Zhang, Xiaoting Chen, Xiuqin Li, & Chaonan Han
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 定量预测/回归分析食品标签
植物油 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法本研究探讨了热重分析 - 气相色谱 / 质谱联用技术（TGA-GC/MS）结合化学计量学方法，在橄榄油掺大豆油定性鉴别与定量检测中的可行性。通过主成分分析（PCA）可实现对纯橄榄油样本与掺假油样本的有效区分。在定量分析环节，研究人员对纯橄榄油及大豆油掺假比例为 25%、50%、75% 的混合油样进行检测分析，并以橄榄油与大豆油中典型特征挥发性氧化产物的峰面积比值为指标，开展最小二乘指数拟合分析。结果显示，1 - 庚烯 / 1 - 辛烯 - 3 - 醇、1 - 辛烯 / 1 - 辛烯 - 3 - 醇、反式 - 2 - 癸烯醛 / 1 - 辛烯 - 3 - 醇、2 - 十一碳烯醛 / 1 - 辛烯 - 3 - 醇这四组特征物质峰面积比值的拟合决定系数（R2）均大于 0.99，拟合效果理想。据我们所知，本研究首次报道了 TGA-GC/MS 技术在橄榄油掺假检测领域的应用。值得强调的是，本研究提出的新型分析方法兼具非破坏性与无有机溶剂使用的优势。
