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 364 条结果
-
结合稳定同位素、多元素和非靶向代谢组学与化学计量学，区分生姜（Zingiber officinale Roscoe）的地理来源
查看原文
2023
Food Chemistry
中科院一区JCR一区
Dai-xin Yu, Sheng Guo, Xia Zhang, Hui Yan, Su-wan Mao, Jie-mei Wang, Jia-qi Zhou, Jian Yang, Yu-wei Yuan & Jin-ao Duan
计算机标签
支持向量机 随机森林 K-近邻 分类/鉴别/等级评定食品标签
其他根茎类 品质、结构与理化性质 代谢组学 矿物质与微量元素生姜（Zingiber officinale Roscoe）是全球极具经济价值的药食同源作物。生姜品质往往与其产地密切相关。本研究联合利用稳定同位素、多元素及代谢物开展生姜产地溯源研究。化学计量学分析结果表明，生姜样本可实现初步产地区分；其中4种稳定同位素（δ¹³C、δ²H、δ¹⁸O、δ³⁴S）、12种矿物元素（铷、锰、钒、钠、钐、钾、镓、镉、铝、钛、镁、锂）、1种生物元素（碳含量）以及143种代谢物是产地鉴别最重要的特征变量。此外，研究引入三种机器学习算法，基于变量重要性投影特征融合的数据集在产地分类中准确率最高，其中K近邻算法预测准确率达98%，支持向量机与随机森林算法预测准确率均为100%。研究结果证实，同位素指纹、元素指纹与代谢物指纹可作为我国生姜产地溯源的有效判别指标。
-
基于色素成分和支持载体机，掺杂其他食用油的特级初榨橄榄油分类与鉴定模型
查看原文
2023
Food Chemistry
中科院一区JCR一区
Cong-Hui Lu, Bao-Qiong Li, Quan Jing, Dong Pei & Xin-Yi Huang
计算机标签
支持向量机 分类/鉴别/等级评定食品标签
植物油 光谱/色谱/质谱等分析方法 食品安全与风险评估特级初榨橄榄油（EVOO）的掺伪鉴别是橄榄油行业的重要研究课题。本研究利用色素色谱指纹图谱数据结合机器学习方法，成功实现了对特级初榨橄榄油（EVOO）、精炼橄榄果渣油（R-POO）、菜籽油（RO）、大豆油（SO）、花生油（PO）、葵花籽油（SFO）、亚麻籽油（FO）、玉米油（CO）、菜籽油掺伪特级初榨橄榄油（EVOO-RO）以及玉米油掺伪特级初榨橄榄油（EVOO-CO）的鉴别与分类。采用支持向量机（SVM）对特级初榨橄榄油、其他食用油脂及掺伪特级初榨橄榄油进行分类鉴别，训练集样本鉴别准确率达100%，测试集样本鉴别准确率为94.44%。研究结果表明，该支持向量机模型可有效鉴别掺伪比例低至1%菜籽油和1%玉米油的特级初榨橄榄油。由此可见，该模型具备优异的分类与预测能力，说明色素可作为鉴别特级初榨橄榄油掺伪的潜在特征标志物。
-
通过表面增强拉曼光谱结合化学计量，对食品中四种苯并咪唑残基进行定性和定量分析
查看原文
2023
Food Chemistry
中科院一区JCR一区
Tianyao Wang, Chuangjie Xie, Qian You, Xingguo Tian & Xianyan Xu
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据食品标签
玉米 食品安全与风险评估 光谱/色谱/质谱等分析方法本研究建立了表面增强拉曼光谱（SERS）结合化学计量学方法，用于玉米中四种苯并咪唑类（BMZs）残留的定性与定量分析。制备了巯基功能化的Fe₃O₄@SiO₂@Ag-SH磁性SERS基底，获取四种苯并咪唑类物质的SERS光谱以开展化学计量学分析。偏最小二乘回归判别分析（PLS-DA）模型的效果最优，召回率达99.17%以上，可实现四种苯并咪唑类物质的有效区分。在支持向量机回归（SVR）模型下，多菌灵、苯菌灵、甲基硫菌灵和噻苯咪唑的检出限分别为0.055毫克/升、0.056毫克/升、0.067毫克/升、0.093毫克/升，平均回收率为85.6%~107.5%。此外，采用高效液相色谱法（HPLC）对该方法进行验证，结果表明两种检测方法无显著性差异（p > 0.05）。因此，基于表面增强拉曼光谱联用化学计量学的检测策略，有望成为食品中苯并咪唑类残留快速检测的可靠手段。
-
通过激光诱导击穿光谱和拉曼光谱结合机器学习方法快速鉴定鱼类物种
查看原文
2023
Food Chemistry
中科院一区JCR一区
Lihui Ren, Ye Tian, Xiaoying Yang, Qi Wang, Leshan Wang, Xin Geng, Kaiqiang Wang, Zengfeng Du, Ying Li & Hong Lin
计算机标签
支持向量机 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据 多模态/融合数据食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法鱼类真伪快速鉴别与掺假检测的市场需求日益增长。本研究首次将激光诱导击穿光谱（LIBS）与拉曼光谱技术相结合，用于鱼类物种识别。选取支持向量机（SVM）和卷积神经网络（CNN）两种机器学习算法，基于13种鱼类的激光诱导击穿光谱与拉曼光谱数据构建分类模型。采用低层融合、中层融合与高层融合三种数据融合策略，对两类光谱数据进行融合处理。研究结果表明：相较于单独使用激光诱导击穿光谱数据或拉曼光谱数据，各类数据融合策略均能显著提升鱼类分类效果；且卷积神经网络模型的性能优于支持向量机模型。其中，低层融合卷积神经网络模型取得了98.2%的最优分类准确率，而引入特征筛选的中层融合方案不仅提升了运算效率，还增强了卷积神经网络模型的可解释性。
-
TastePeptides-EEG：基于脑电图和机器学习的鲜味评价集成模型
查看原文
2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Zhiyong Cui, Ben Wu, Imre Blank, Yashu Yu, Jiaming Gu, Tianxing Zhou, Yin Zhang, Wenli Wang, & Yuan Liu
计算机标签
支持向量机 分类/鉴别/等级评定 质构/流变/感官数据食品标签
复合/即食/餐饮食品 其他安全问题 特征风味 标准/法规/数据库分析在食品领域，感官评价仍依赖人工感官结果，但人的感官评价结果不具备普适性，也存在表达偏差问题。本研究提出一种基于脑电图（EEG）的分析方法，可有效识别鲜味和非鲜味物质。研究首先通过百分比转换、标准化和显著性筛选提取关键特征，并基于这些特征从 19 种常见二分类算法中选择表现最好的 4 个模型作为子模型。随后，使用支持向量机算法拟合四个子模型输出，建立 TastePeptides-EEG。模型在验证集上的判断准确率为 90.2%，测试集判断准确率为 77.8%。研究发现了鲜味感知中 α 波频率变化，并首次发现鲜味刺激下 F/RT/C 区域存在频率响应延迟现象。模型已发布于 www.tastepeptides-meta.com/TastePeptides-EEG，可帮助相关研究人员加速鲜味感知分析，并为开发下一代风味感知脑机接口提供支持。
