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
-
偏最小二乘法和机器学习预测羊肉眼肌内脂肪含量
查看原文
2021
Meat Science
中科院一区JCR一区
Stephanie M. Fowler, David Wheeler, Stephen Morris, Suzanne I. Mortimer & David L. Hopkins
计算机标签
偏最小二乘法 智能手机/其他 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据 中等规模数据集食品标签
畜肉 其他品质相关性质 常规理化指标测定 光谱/色谱/质谱等分析方法鉴于羊肉胴体分级工具的匮乏，澳大利亚羊肉胴体亟需开发快速、无损的分级工具，尤其是脂肪含量相关工具，因其对肉质和食用品质至关重要。本研究旨在探讨近红外（NIR）光谱技术结合偏最小二乘法（PLS）与机器学习分析方法预测肌内脂肪（IMF）的可行性。为此，使用近红外光纤设备对299份羊里脊肉进行检测，切取样本通过索氏提取法测定肌内脂肪含量，并分别采用偏最小二乘法与机器学习方法构建预测模型。两种分析方法得到的肌内脂肪预测模型效果相近，其中偏最小二乘法模型决定系数R²=0.6，均方根误差RMSE=0.84；机器学习模型决定系数R²=0.65，均方根误差RMSE=0.72。本研究表明，一次屠宰所获光谱数据与后续两次屠宰的光谱数据差异显著，且不同研究筛选出的特征波长并不一致。
-
利用近红外高光谱图像建模确定长熟奶酪成熟结束日期的可行性研究
查看原文
2021
Food Control
中科院一区JCR一区
Hasitha Priyashantha, Annika Höjer, Karin Hallin Saedén, Åse Lundh, Monika Johansson, Gun Bernes, Paul Geladi & Mårten Hetta
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 高光谱/多光谱光谱食品标签
奶酪 品质、结构与理化性质 光谱/色谱/质谱等分析方法本研究采用近红外（874~1734 nm）高光谱成像技术（NIR-HS）结合化学计量学方法，探究光谱数据与干酪成熟度之间的关联。研究基于工业化干酪生产过程中采集的 425 幅近红外高光谱图像，构建了一套干酪成熟终点预测模型，用于判定干酪的成熟终点时间（即成熟指数，单位：天）。所有干酪样品均需在成熟至 14、16、18 和 20 个月时进行高光谱图像扫描，且需在成熟满 20 个月时通过最终感官评定。研究采用偏最小二乘（PLS）回归建模法，分析样品平均光谱与成熟指数的相关性；结果表明，在对光谱数据进行标准正态变量变换（SNV）校正和均值中心化预处理后，最优 PLS 模型对成熟指数的预测准确率可达 69.6%。综上，近红外高光谱成像建模技术可通过快速、无损的方式预测单块干酪的成熟终点，为优化干酪成熟车间的物流调度与生产效率提供辅助手段。但该技术的商业化应用仍需进一步提升模型的预测性能，例如扩大建模数据集规模、对干酪样品进行随机时间点的重复扫描等。
-
计算机标签
偏最小二乘法 分类/鉴别/等级评定食品标签
茶/茶饮料 品质、结构与理化性质 理化与结构表征 植物化学/生物活性成分茶叶等级判定的不确定性会影响茶叶的市场流通，损害相关经济利益。不同品质等级的茶叶价格差异显著，因此快速、准确地鉴别茶叶品质等级，对提升茶叶市场的经济效益具有重要意义。本研究借助化学计量学方法，检测出 19 种影响黄山毛峰茶叶品质的化学物质，并构建了一套基于逐步回归法（SRM）的模型方案，用于茶叶品质等级的评估。逐步回归法筛选稀疏变量的核心原理是：将待选变量代入预设的 F 检验，以此判定变量的取舍。为验证所提方案的有效性，研究人员将逐步回归法的分析结果，与弹性网络算法及偏最小二乘判别分析（PLS-DA）的结果进行对比。此外，为验证模型的稳定性，研究人员对所构建的各类模型开展了蒙特卡洛模拟实验。实验结果显示，逐步回归法、偏最小二乘判别分析及弹性网络算法的预测准确率分别为 68.75%、75.86% 和 71.88%。研究人员基于逐步回归法得到的稀疏系数向量绘制雷达图，结果表明，该方案能够有效消除各检测变量之间的相关性。综上结论，逐步回归法以最少的特征变量实现了最优的预测精度，不仅简化了化学检测流程，更为茶叶品质等级的批量评估提供了一种新颖且有效的技术方案。
-
利用线扫空间偏移拉曼光谱无损评价完整中国对虾的新鲜度
查看原文
2021
Food Control
中科院一区JCR一区
Zhenfang Liu, Min Huang, Qibing Zhu, Jianwei Qin, & Moon S. Kim
计算机标签
偏最小二乘法 支持向量机 随机森林 定量预测/回归分析 红外/拉曼光谱数据食品标签
甲壳类 品质、结构与理化性质 光谱/色谱/质谱等分析方法南美白对虾（凡纳滨对虾）深受消费者青睐，但对带壳完整虾体的内部品质进行评定时，仍面临诸多技术难题。本研究提出一种无损检测方法，将 空间偏移拉曼光谱技术（SORS） 与数据建模分析相结合，实现对完整凡纳滨对虾内部品质的精准评估。空间偏移拉曼光谱技术能够无损获取样品表层以下的化学信息，因此具备良好的应用前景。本研究采用线扫描拉曼成像系统，对 100 份新鲜对虾样品（每份约 15 克）进行为期 7 天的连续检测，检测间隔为 24 小时，并采集其拉曼散射图像数据。研究通过特征峰识别法，剔除了因对虾个体形态不规则导致的检测异常值。经随机森林算法（RF）筛选得到 20 个特征波数后，将其分别输入偏最小二乘回归（PLSR）、支持向量回归（SVR）以及极端随机树算法（ET） 模型，以实现对贮藏期间对虾新鲜度的预测。结果显示，基于空间偏移拉曼光谱增强数据，结合随机森林特征波数筛选与支持向量回归算法构建的预测模型性能最优，其预测均方根误差（RMSEP）、决定系数（R2）和相对预测偏差（RPD）分别为 0.71、0.88 和 2.63。该方法兼具快速性与无损性，对于评估带壳对虾这类存在表面干扰的样品的内部品质而言，具有切实可行的应用价值。
-
利用蔬菜废弃物和副产品滋养健康肠道菌群：当前证据、机器学习与计算工具在设计新型微生物群靶向食品中的应用
查看原文
2021
Trends in Food Science & Technology
中科院一区JCR一区
Carlos Sabater, Inés Calvete-Torre, Mar Villamiel, F. Javier Moreno, Abelardo Margolles & Lorena Ruiz
计算机标签
机器学习/统计学习 设计/生成与推荐 组学数据 文本/知识库/法规数据食品标签
水果/蔬菜与菌菇类/植物类 营养与生物功能 可持续性与资源高值化 肠道健康与微生物相关功能 标准/法规/数据库分析 微生物组/宏基因组学 膳食纤维与抗性淀粉背景：食物浪费管理是全球粮食安全和环境友好治理的关键问题。全球范围内，供人类消费的食物中有三分之一在食物供应链中损失或浪费，其中初级生产和食品加工环节的损失最为显著。因此，实现零浪费生产方案正成为实现可持续发展目标的一个优先事项。越来越多的证据表明，蔬菜类食物废弃物是多种碳水化合物结构和纤维的丰富来源，为识别和开发增值农业食品废弃物的替代方法提供了机会。
范围与方法：本综述描述了通过生产针对肠道菌群调节的（新型）底物来实现蔬菜废弃物和副产品的价值化，强调了原材料和碳水化合物的结构功能特性的重要性。此外，我们基于机器学习和应用于现有文献及公共数据库信息的其他计算工具，提出了一个用于理性选择具有潜在益生元活性的蔬菜来源的新框架。
主要发现与结论：从不同角度整合蔬菜食物废弃物价值化领域的知识体系，可以理性选择具有前景的益生元活性的碳水化合物基底物。通过利用基于结构、功能和基因组数据的计算工具探索膳食纤维与肠道微生物生态系统之间的相互作用，我们可以识别出有潜力选择性刺激肠道共生菌的底物，这与实验证据一致。我们的方法建立了一个可扩展至多种共生微生物和碳水化合物结构的新框架。
