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
-
抗高血压肽预测器：用于预测潜在 ACE-I 抑制活性食源肽的机器学习网络服务器
查看原文
2021
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Gazal Kalyan, Vivek Junghare, Mohammad Farhan Khan, Shivam Pal, Sourya Bhattacharya, Snigdha Guha, Kaustav Majumder, Sohom Chakrabarty, & Saugata Hazra
计算机标签
机器学习/统计学习 定量预测/回归分析 合成/仿真数据为主 公开数据集食品标签
复合/即食/餐饮食品 抗氧化/抗炎等功能 血糖、血脂与代谢相关功能 体外模型 蛋白质与氨基酸血管紧张素转换酶 I（ACE-I）是肾素-血管紧张素-醛固酮系统中的关键治疗靶点，该系统是血压调节的核心通路。具有 ACE-I 抑制活性的食源肽受到广泛关注，但从不同食品蛋白中识别 ACE-I 抑制肽通常费时、费力且成本高。为更高效地从食品来源中发现潜在 ACE-I 抑制肽，本研究开发并报道了一个基于机器学习和结构生物信息学的网络服务器。该服务器可接收 FASTA 格式序列或 UniProt ID，进行体外模拟胃肠消化，并筛选所得肽段的 ACE-I 抑制活性。该平台还能提供活性肽的结构和功能特征，以及其与 ACE-I 的相互作用信息。因此，该工具有望提升从食品蛋白中识别和表征新型 ACE-I 抑制肽的效率，并降低时间与成本。
-
大米供应链中重金属镉的深度网络预测模型
查看原文
2021
Journal of Future Foods
中科院一区JCR一区
Xuebo Jin, Jiashuai Zhang, Xiaoyi Wang, Xin Zhang, Tianyang Guo, Ce Shi, Tingli Su, Jianlei Kong & Yuting Bai
计算机标签
循环神经网络 定量预测/回归分析食品标签
大米 化学污染物镉及其化合物目前被列为一类致癌物，人体过量摄入会遭受严重健康损害。水稻对镉具有较强的富集吸收能力，镉含量超标的稻米制品已引发多起重大公共卫生污染事件。预判稻米供应链中镉污染风险的发展趋势，以此制定防控措施降低危害，具有重要现实意义。本文基于正则化方法，构建稻米供应链镉污染风险深度预测模型。首先，采用长短期记忆网络结合正则化方法搭建深度预测模型，引入噪声惩罚项，减弱模型对噪声数据的拟合程度，避免噪声引发过拟合问题；随后采用贝叶斯优化算法对模型超参数进行调优，提升模型预测性能。在此基础上，依托本文所提深度预测模型，采用面向服务架构搭建稻米供应链镉污染风险预警系统，系统分为数据资源层、业务逻辑层与应用服务层三层结构。经稻米供应链镉污染实测数据集验证，本文所构建模型预测效果良好，数据拟合度优异。
-
基于近红外光谱的咖啡烘焙和研磨过程中水分含量监测的可靠工具：与热重分析的比较研究
查看原文
2021
Food Control
中科院一区JCR一区
Alessio Tugnolo, Valentina Giovenzana, Cristina Malegori, Paolo Oliveri, Andrea Casson, Matteo Curatitoli, Riccardo Guidetti & Roberto Beghi
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 常规理化指标测定检测的国际标准（ISO 11817 和 ISO 11294）与现代化生产链的节奏不相适配。热重法水分分析仪（TMA）虽已得到广泛应用，但无法实现水分含量的实时监测与过程管控。本研究旨在对比近红外（NIR）分光光度计与热重法水分分析仪，验证前者在检测烘焙咖啡豆及咖啡粉水分含量方面的性能表现。偏最小二乘（PLS）回归模型分析结果显示，两种样品的检测模型均具备较高预测性能 —— 烘焙咖啡豆模型的预测决定系数（R Pred2）达 0.95，预测均方根误差（RMSEP）为 0.15%；咖啡粉模型的预测决定系数（R Pred2）为 0.97，校正均方根误差（RMSEC）为 0.13%。研究采用帕斯 - 巴布洛克（Passing-Bablok）回归法对近红外光谱法与热重法的检测结果进行比对，未发现显著性差异。本研究提出 残差离散指数（RDI%） 这一指标，验证了近红外分光光度计具有更优的预测精度，为该技术成为咖啡水分含量检测的常规标准方法提供了理论依据。
-
利用傅里叶变换红外光谱-化学计量学和¹H NMR分析检测食用棕榈基食用油中的缩水甘油酯
查看原文
2021
Food Control
中科院一区JCR一区
Kok Ming Goh, M. Maulidiani, R. Rudiyanto, Faridah Abas, Oi Ming Lai, Kar Lin Nyam, Fahad A. Alharthi, Imededdine Arbi Nehdi, & Chin Ping Tan
计算机标签
随机森林 深度学习 定量预测/回归分析 红外/拉曼光谱数据食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法缩水甘油酯（GE）是棕榈油精炼过程中产生的一种加工污染物。本研究采用傅里叶变换红外光谱技术（FTIR） 采集 156 份棕榈基食用油样品的光谱数据，并结合化学计量学方法对所得数据进行处理。研究分别构建立方算法（Cubist）、随机森林（RF）、平均神经网络（avNNET）及人工神经网络（nnet） 四种模型，建立光谱数据与缩水甘油酯含量实测值之间的关联关系；随后融合这四种模型，构建出一个共识回归模型。通过气相色谱 - 质谱联用技术（GC-MS）测得的样品中缩水甘油酯含量范围为 1.338~18.362 mg/kg，平均值为 6.880±3.767 mg/kg，中位数为 6.480 mg/kg。本研究以红外光谱数据作为模型输入变量，并利用气相色谱 - 质谱联用技术的实测数据完成模型校正；同时借助核磁共振波谱技术（NMR）验证缩水甘油酯的存在及其结构信息。共识回归模型对缩水甘油酯含量的预测结果显示，决定系数（R2）高达 0.79。各单一模型对共识模型的贡献度（按百分比计）由高到低排序为：立方算法＞随机森林＞平均神经网络＞人工神经网络。此外，研究采用氢核磁共振波谱技术（¹H NMR） 进一步验证了样品中缩水甘油酯的存在。综上，基于傅里叶变换红外光谱 - 化学计量学联用技术与氢核磁共振波谱技术的综合分析方法，可成功实现棕榈基食用油中缩水甘油酯的定量检测与定性确证。
-
基于深度迁移学习的咖啡粉质量与安全性验证
查看原文
2021
Food Control
中科院一区JCR一区
Sandra Pradana-López, Ana M. Pérez-Calabuig, John C. Cancilla, Miguel Ángel Lozano, Carlos Rodrigo, María Luz Mena, & José S. Torrecilla
计算机标签
卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
咖啡饮料 食品安全与风险评估 质构与流变测试本研究以相机采集的咖啡粉图像为训练数据集，对卷积神经网络模型进行训练，旨在实现阿拉比卡咖啡与罗布斯塔咖啡的品质管控，并检测其是否掺入菊苣、大麦等其他食材。研究所用卷积算法基于预训练的残差网络 34（ResNet34）卷积架构，结合迁移学习技术，大幅减少了模型训练所需的图像样本量，进而降低了最终数学模型的构建成本。实验结果表明，本文所构建的模型对不同品类咖啡粉、菊苣及大麦的分类误差均低于 1.0%；同时，该模型可有效检测咖啡中质量占比为 0.5%~5.0% 的掺杂物，检测误差低于 1.4%。基于上述成果，研究团队研发出一款咖啡掺假检测原型设备，该设备操作简便、检测速度快且结果准确，可满足咖啡生产商、经销商及消费者的检测需求。
