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 276 条结果
-
一种分析自由JAR数据的机器学习方法
查看原文
2022
Food Quality and Preference
中科院一区JCR一区
Alexiane Luc, Sébastien Lê, Mathilde Philippe, El Mostafa Qannari, & Evelyne Vigneau
计算机标签
机器学习/统计学习 随机森林 分类/鉴别/等级评定 知识抽取与语义理解 文本/知识库/法规数据食品标签
奶酪 感官科学与消费者研究 问卷/市场与消费者研究本文提出了一种基于机器学习方法的处理自由 JAR 数据的策略。这种新的分析方法的开发基于这样一个事实：自由 JAR 数据可以被视为带有标签的文本数据，因为每个自由 JAR 评论都与一个享乐类别相关联。具体而言，这种两步法旨在利用这两组信息之间的联系，揭示产品的优点和缺点。第一步是为自由 JAR 评论分配语义评分，考虑它们与消费者提供的享乐分类之间的联系。这是通过基于随机森林建立分类器来实现的。第二步是基于可解释性的概念突出研究对象产品的特征属性。所提出方法的实用性通过一个与奶酪相关的案例研究得到了体现。
-
利用高光谱成像结合优化算法快速评估滩羊肉质构参数
查看原文
2022
Food Control
中科院一区JCR一区
Jingjing Zhang, Yonghui Ma, Guishan Liu, Naiyun Fan, Yue Li, & Yourui Sun
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 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/质谱等分析方法肉品质构检测具有重要应用价值，因其是影响消费者购买决策的关键因素。本研究采用高光谱成像技术（HSI） 测定滩羊肉的质构参数。为探究不同冷藏时长对羊肉光谱数据及建模效果的影响，实验采集了滩羊肉样本在900~1700 nm 波段范围内的高光谱图像，并构建滩羊肉质构参数的校正模型。研究基于四种特征波段筛选算法 —— 区间变量迭代空间收缩法（iVISSA）、竞争性自适应重加权采样法（CARS）、连续投影算法（SPA）及变量组合种群分析法（VCPA）筛选特征波长，结合偏最小二乘回归（PLSR）、最小二乘支持向量机（LSSVM）、随机森林（RF）和决策树（DT）四种机器学习算法，建立光谱预测模型。结果显示，LSSVM-iVISSA-CARS 组合模型在硬度与胶着度预测中表现优异，其预测集均方根误差（RMSEP）分别为 5.259 和 3.051，预测集决定系数（Rp2）则分别达 0.986 和 0.984；LSSVM-iVISSA-SPA 组合模型在咀嚼度预测中同样效果显著，对应的Rp2为 0.987，RMSEP 为 4.970。综上，高光谱成像技术具备滩羊肉质构参数检测与预测的应用潜力。
-
使用机器学习进行欧洲小麦多重霉菌毒素污染的区域预测
查看原文
2022
Food Research International
中科院一区JCR一区
Xinxin Wang, Cheng Liu, & H.J. van der Fels-Klerx
计算机标签
随机森林 定量预测/回归分析 多模态/融合数据 可见光/RGB/视频数据食品标签
小麦 化学污染物 暴露评估与风险表征 统计建模与仿真 其他特殊成分小麦在生长期间在适宜的环境条件下易受到真菌感染和霉菌毒素污染。用于饲料和食品的小麦中存在的霉菌毒素，如脱氧雪腐镰刀菌烯醇（DON）和玉米赤霉烯酮（ZEA），可能影响动物和人类健康。本研究旨在开发一种机器学习算法，利用作物物候数据、气象数据和卫星图像作为输入，预测欧洲区域范围内小麦中一种或多种霉菌毒素的风险水平。通过获得一个包含11年霉菌毒素监测数据（2010 - 2020）的数据集，包括脱氧雪腐镰刀菌烯醇、玉米赤霉烯酮、T-2 毒素和 HT-2 毒素、伏马菌素、黄曲霉毒素和/或赭曲霉毒素 A 在欧洲小麦中的历史浓度记录。该数据集基于年份和网格（25 × 25 公里）与小麦物候数据、气象数据和卫星图像数据进行了关联。2010年至2018年的完整数据集被分为模型训练集（80%）和内部模型验证集（20%）。2019年和2020年的数据用于外部验证。使用随机森林（RF）算法利用模型训练数据训练模型。该模型预测欧洲某网格内种植的小麦受到所研究的六种霉菌毒素中至少一种污染的概率（低、中、高）。结果显示模型具有很高的预测性能：内部和外部验证的预测准确率在0.90至0.99之间。基于荷兰的数据（案例研究），卫星图像显示可提高整体模型性能。目前的模型及其霉菌毒素预测可以被利益相关者用来增加小麦供应链中的物流，并进行基于风险的监测，以此有助于提高小麦制品的安全性，并改善粮食安全。为了未来预测模型的开发和改进，需要更多带有详细种植作物地点的霉菌毒素数据。
-
结合顶空GC/MS、快速GC电子鼻与化学计量学分析鉴定姜的品种和地理来源
查看原文
2022
Food Chemistry
中科院一区JCR一区
Dai-xin Yu, Xia Zhang, Sheng Guo, Hui Yan, Jie-mei Wang, Jia-qi Zhou, Jian Yang & Jin-Ao Duan
计算机标签
随机森林 分类/鉴别/等级评定 时序传感器/物联网数据食品标签
其他根茎类 光谱/色谱/质谱等分析方法消费者对食品不同品种与地理来源的真实性问题关注度日益提升。本研究采用顶空气相色谱 - 质谱联用技术（HS-GC–MS）与快速气相色谱电子鼻（fast GC e-nose），成功实现对我国七大主产区干姜品种及地理来源的鉴别区分。经化学计量学分析，基于 HS-GC–MS 数据可将两类生姜品种清晰区分；同时，快速气相色谱电子鼻提取的风味信息可完成产地判别，并筛选出部分潜在风味组分作为产地溯源的关键指标。此外，本研究对比了多种模式识别算法在品种与产区鉴别中的效果，其中随机森林算法（RF）的判别准确率最高。综上，本研究建立了一种结合多元化学计量学与算法的快速精准检测方法，可用于生姜品种与地理来源鉴定，该方法同样适用于其他农产品。
-
牛至真实性分析：多种食品指纹技术的开发、验证与适用性评估
查看原文
2022
Food Research International
中科院一区JCR一区
Jet Van De Steene, Joeri Ruyssinck, Juan-Antonio Fernandez-Pierna, Lore Vandermeersch, An Maes, Herman Van Langenhove, Christophe Walgraeve, Kristof Demeestere, Bruno De Meulenaer, Liesbeth Jacxsens & Bram Miserez
计算机标签
随机森林 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 高光谱/多光谱光谱 红外/拉曼光谱数据 中等规模数据集食品标签
新鲜蔬菜 食品安全与风险评估 其他安全问题 显微与成像技术 光谱/色谱/质谱等分析方法本研究评估了多种分析技术（即近红外光谱、中红外光谱、高光谱成像、气相色谱-质谱联用和质子转移反应飞行时间质谱）结合化学计量学，在解决牛至食品真实性不同问题方面的潜力。总共分析了来自一个收获季节的102个牛至样本用于产地和品种评估，159个样本用于掺假评估，72个样本用于批次间控制。采用高斯过程潜变量模型技术获得降维后的二维空间。使用随机森林回归算法作为掺假评估的回归模型。产地评估的预测率可超过89%。品种评估的预测率可超过78%。批次间控制可成功使用近红外光谱和质子转移反应飞行时间质谱进行。从10%掺假量开始，可成功使用高光谱成像、近红外光谱和质子转移反应飞行时间质谱进行掺假检测。
