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
-
基于核磁共振和化学计量学方法的含多种掺假物质的烘焙咖啡粉认证
查看原文
2020
Food Control
中科院一区JCR一区
Maria Izabel Milani, Eduardo Luiz Rossini, Tiago Augusto Catelani, Leonardo Pezza, Aline Theodoro Toci & Helena Redigolo Pezza
计算机标签
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
咖啡饮料 食品安全与风险评估 光谱/色谱/质谱等分析方法巴西仍是全球最大的咖啡生产国与出口国。部分生产商为实现利润最大化，会在商品咖啡中掺入玉米、大麦、咖啡果皮等低成本物质。鉴于咖啡制品市场持续扩张，且咖啡产业对巴西经济至关重要，亟需一套快速、简便、可靠的分析方法，用于咖啡掺杂物的定性鉴别与定量检测。核磁共振（NMR）已被证实是用于食品饮料掺伪鉴别、通用性强且稳定可靠的分析工具。本研究探究氢核磁共振（¹H NMR） 结合化学计量学方法的应用潜力，在省去繁琐数据分析流程的前提下，实现咖啡掺伪程度的定量分析。研究共涉及6 种掺杂物：大麦、玉米、咖啡果皮、大豆、大米与小麦。本文所建立的核磁共振检测体系，针对中烘、深烘咖啡中各类掺杂物获得了理想的检出限（LOD），范围为0.31%～0.86%。研究采用主成分分析（PCA）与软独立建模类比（SIMCA）两种统计方法进行模式识别，区分纯品咖啡与掺伪样品。SIMCA 模型对训练集与预测集样品的正确判别率均达到 100%，保证了检测结果的准确性、可追溯性与可靠性。
-
近红外光谱结合化学计量学快速检测辐照干燥发酵香肠
查看原文
2020
Food Control
中科院一区JCR一区
Maria Olga Varrà, Luca Fasolato, Lorenzo Serva, Sergio Ghidini, Enrico Novelli & Emanuela Zanardi
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
肉类/蛋类与水产品 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（NIR）光谱数据结合化学计量学分析，探究快速检测经电离辐照处理的干发酵香肠的可行性，实验设置辐照剂量为0、0.5、1、2、3 kGy。对 1000～2500 nm 波段的近红外光谱，首先进行探索性主成分分析（PCA），随后开展正交偏最小二乘判别分析（OPLS‑DA），以此构建可依据辐照剂量区分样品的分类模型。所建模型对辐照组与未辐照组样品的正确判别率均达到 100%；针对不同辐照剂量的细分判别结果为：1 kGy 和 3 kGy 组香肠正确判别率为 100%，2 kGy 组为 92%，0.5 kGy 组为 83%。上述理想结果证实，将化学计量学分析应用于近红外光谱数据，适用于快速筛查经辐照处理的干发酵香肠。
-
利用随机森林分析量化β-葡聚糖结构特征对益生元开发的重要性
查看原文
2020
Food Hydrocolloids
中科院一区JCR一区
Ka-Lung Lam, Wai-Yin Cheng, Yuting Su, Xiaojie Li, Xiyang Wu, Ka-Hing Wong, Hoi-Shan Kwan & Peter Chi-Keung Cheung
计算机标签
随机森林 定量预测/回归分析食品标签
碳水化合物配料 其他品质相关性质 肠道健康与微生物相关功能 常规理化指标测定 微生物计数与生长曲线 碳水化合物与糖类β-葡聚糖作为食品亲水胶体近年来显示出益生元潜力。通过使用不同的物理、化学和/或生物方法对现有碳水化合物现有碳水化合物候选物的结构进行操作，可以开发新型基于亲水胶体的益生元。但目前缺乏指导原则来选择最有前途的结构特征作为修饰的起点。我们对来自蘑菇、细菌、海藻和谷物的六种天然和羧甲基化β-葡聚糖进行了平行体外发酵，对象包括双歧杆菌和乳酸杆菌在内的五种益生菌，并测定了它们的生长参数，包括延滞期、最大生长速率和最大种群增长量。开发了一套无监督的分析流程，以阐明β-葡聚糖作为益生素候选物的结构-性质关系，并确定了几个可供修饰的化学成分和结构特征以最大限度地发挥它们的益生素潜能。我们采用随机森林算法来量化不同的组成和结构特征在改变三种益生菌生长参数中的相对重要性。就结构特征而言，对益生素发展有利的特性按其重要性递减依次为：低分子量、高水溶性和不引入羧甲基官能团。除结构特征外，我们还发现高纯度这一化学成分在增加益生菌生长参数方面具有重要意义，因此在讨论益生素潜力最大化的发展周期时需要考虑纯度因素。我们建议在益生素研究中采取一种包含机器学习和领域知识的综合性数据炼金术方法，在选择现有亲水胶体的有希望的起始点和修饰方向方面做出决策。
-
基于科学计量学方法的日期标签导致的食品浪费研究全球趋势分析
查看原文
2020
Food Control
中科院一区JCR一区
Debasmita Patra, Paul T. Leisnham, Collins K. Tanui & Abani K. Pradhan
计算机标签
知识抽取与语义理解 文本/知识库/法规数据食品标签
其他可持续性主题 标签、营养声称与信息呈现 标准/法规/数据库分析食品在生产、消费及供应链的各个环节均会出现损耗与浪费现象。在零售与消费环节，人们对日期标识的解读存在混淆，导致消费者将安全、优质、可食用的食品丢弃，这一行为已成为全球食品浪费的重要成因。然而，目前全球范围内针对食品浪费与日期标识之间关联的研究仍较为匮乏。本研究是该领域首批系统呈现全球食品浪费与日期标识研究现状的成果之一。通过对Web of Science 数据库收录文献的文献计量分析，本研究揭示了该领域的全球研究趋势与学科交叉特征等关键学术信息。结果表明，近十年间，围绕日期标识引发食品浪费的相关研究在全球范围内逐步兴起。该研究领域具有高度的学科交叉性，其中食品科学、营养学与饮食治疗学领域研究者同其他学科的跨学科合作最为紧密。此外，研究发现既往成果均未纳入多方利益相关者视角。因此，亟需引入多元主体视角并采用跨学科研究方法，以更深入地解析日期标识引发的食品浪费问题。开展基于社区的参与式研究，对减少食品浪费、保障全球粮食安全具有关键意义。
-
使用机器学习方法和合成少数类过采样技术预测韩国韩牛牛肉的大理石花纹评分和胴体性状
查看原文
2020
Meat Science
中科院一区JCR一区
Saleh Shahinfar, Hawlader A. Al-Mamun, Byoungho Park, Sidong Kim & Cedric Gondro
计算机标签
支持向量机 智能手机/其他 定量预测/回归分析 质构/流变/感官数据 大规模数据集食品标签
畜肉 品质、结构与理化性质 生产管理与数字化工厂韩国市场上韩牛牛肉的定价主要基于肉质，尤其是大理石花纹评分。在动物生命早期准确预测大理石花纹评分的能力对于生产者满足目标市场需求和进行遗传选择非常有价值。本研究共有3989头韩国韩牛（其中2108头具有50k SNP基因型）和45个性状特征可用。应用四种机器学习算法预测六个胴体性状，并与线性回归预测模型进行比较。在大多数情况下，SMO是表现最佳的算法。预测最准确和最不准确的性状分别是胴体重量和大理石花纹评分，相关性分别为0.95和0.64。此外，评估了使用合成少数类过采样技术（SMOTE）的价值，结果显示大理石花纹评分的预测误差略有改善。机器学习方法可以成为预测肉牛重要胴体性状的有用工具。
