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
-
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。
-
利用元素谱分析结合化学计量学鉴别太平洋白虾的地理来源
查看原文
2021
Food Control
中科院一区JCR一区
Cui Han, Li Li, Gong Zhang, Shuanglin Dong & Xiangli Tian
计算机标签
机器学习/统计学习 随机森林 K-近邻 分类/鉴别/等级评定食品标签
甲壳类 矿物质与微量元素凡纳滨对虾（Litopenaeus vannamei）是全球范围内重要的水产养殖品种，而虾类制品产地标注不实的问题日益引发关注，产地溯源因此成为研究重点。本研究从中国南、北方 12 个产地采集凡纳滨对虾样本，旨在建立产地溯源技术方法。为探究饲料对虾体元素组成的影响，研究人员在其中一个采样点选取了 5 家养殖场均使用同一水源、但投喂不同品牌饲料的虾样开展分析。通过检测，共在虾体及饲料中识别出 35 种元素，具体包括铈（Ce）、钕（Nd）、镨（Pr）、钐（Sm）、铕（Eu）、钆（Gd）、铽（Tb）、镝（Dy）、钬（Ho）、铒（Er）、铥（Tm）、镱（Yb）、镥（Lu）、钍（Th）、钇（Y）、铀（U）、锂（Li）、铝（Al）、钒（V）、铬（Cr）、锰（Mn）、铁（Fe）、钴（Co）、镍（Ni）、铜（Cu）、锌（Zn）、镓（Ga）、砷（As）、铷（Rb）、锶（Sr）、银（Ag）、镉（Cd）、铯（Cs）、钡（Ba）及铅（Pb）。分析结果显示，仅虾体中镉（Cd）和铽（Tb）两种元素的含量与饲料呈正相关；此外，中国南、北方虾体样本中存在 24 种元素的含量差异显著，涵盖锂（Li）、铝（Al）、钒（V）、铁（Fe）、砷（As）、铷（Rb）、锶（Sr）、镉（Cd）、铅（Pb）、铈（Ce）、钕（Nd）、镨（Pr）、钐（Sm）、铕（Eu）、钆（Gd）、铽（Tb）、镝（Dy）、钬（Ho）、铒（Er）、铥（Tm）、镱（Yb）、镥（Lu）、钍（Th）及钇（Y）。研究通过逐步判别分析（SDA）筛选出砷（As）、铁（Fe）、铅（Pb）、铷（Rb）、铯（Cs）和铀（U）这 6 种特征元素，构建特征元素数据集（SSDAs 数据集），并与全元素数据集（ATEs 数据集）进行判别效能对比。基于上述两个数据集，分别采用线性判别分析（LDA）、k 近邻算法（KNN）和随机森林（RF）三种分类模型建立凡纳滨对虾产地鉴别模型。结果表明，基于 SSDAs 数据集的随机森林模型判别效能最优，其总体正确判别率达 100%，交叉验证正确率为 98.78%，预测判别率为 100%。综上，元素指纹图谱结合化学计量学建模是一种极具应用前景的凡纳滨对虾产地溯源技术方法。
-
利用随机森林模型对具有原产地保护标志的绿茶进行预测性地理溯源
查看原文
2020
Food Control
中科院一区JCR一区
Xunfei Deng, Zhi Liu, Yu Zhan, Kang Ni, Yongzhi Zhang, Wanzhu Ma, Shengzhi Shao, Xiaonan Lv, Yuwei Yuan & Karyne M. Rogers
计算机标签
随机森林 分类/鉴别/等级评定食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法 矿物质与微量元素可靠的产地溯源鉴别方法，对于保护具有特定地理标志的高价值食品而言至关重要。2012 至 2016 年间，研究从中国各大核心绿茶产区共采集了 623 份茶叶样本，并构建了包含 19 个输入预测变量（如碳稳定同位素 δ¹³C、镁同位素 ²⁴Mg、铷同位素⁸⁵Rb、铅同位素比值 ²⁰⁶Pb/²⁰⁷Pb 等）的随机森林（Random Forest, RF）模型。本研究建立的随机森林模型不仅能将西湖龙井茶（Westlake Xihu Longjing, XHLJ）与其他产区茶叶精准区分，鉴别准确率达 97.6%，对其周边产区绿茶的正确判别准确率也高达 97.9%；对后续年份采收茶叶的地理溯源判别同样表现出良好的稳定性，预测准确率均高于 91%。⁸⁵Rb、²⁴Mg、δ¹³C 与 ³⁹K 是判别茶叶产地来源的核心地理标识物，其相对贡献度分别为 20.6%、12.5%、12.1% 和 7.4%。该随机森林模型的分类准确率优于其他常用化学计量学模型，为依托历史数据构建预测模型、开展受保护地理标志（Protected Designation of Origin, PDO）农产品的产地溯源鉴别提供了全新思路。
-
辣椒（Capsicum annuum cv. jalapeño）实验品系：通过1H NMR/机器学习进行化学表征和分类
查看原文
2020
Food Research International
中科院一区JCR一区
Moisés Ramírez-Meraz, Reinaldo Méndez-Aguilar, Diego Hidalgo-Martínez, Nemesio Villa-Ruano, L. Gerardo Zepeda-Vallejo, Fernando Vallejo-Contreras, Claudia J. Hernández-Guerrero, & Elvia Becerra-Martínez
计算机标签
偏最小二乘法 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 组学数据 红外/拉曼光谱数据食品标签
新鲜蔬菜 品质、结构与理化性质 代谢组学 光谱/色谱/质谱等分析方法 常量营养素（宏量）本研究报道了利用基于¹H NMR 的代谢组学结合机器学习投影，对十个新的甜椒（Capsicum annuum cv. jalapeño）品种进行的代谢指纹分析。根据差异代谢物、商业关注的变量及多变量数据分析/机器学习算法，对十个品种进行了分类和评估。研究结果显示，实验的jalapeño辣椒品种在碳水化合物、氨基酸、核苷酸和有机酸含量方面表现出差异。通过一维和二维NMR鉴定了四十八种代谢物，并通过qNMR对差异代谢物进行了定量分析。主成分分析（PCA）和正交偏最小二乘判别分析（OPLS-DA）将所研究的品种分为两组。A组包括品种Colosus、Emperador、Fundador和Rayo，而B组包括品种Don Benito、SMJ 1416、SMJ 1417、SMJ 1423、SMJ 145和STAM J0904。OPLS-DA显示，A组柠檬酸水平高于B组，而天冬氨酸、富马酸、GABA、葡萄糖、苹果酸、丙酮酸、奎宁酸、蔗糖和色氨酸的水平在B组较高。值得注意的是，维生素C仅在Colosus品种中被发现。随机森林模型显示了实验品种的多样性以及与已知品种的相似率。用于生成模型的最相关变量为长度、重量、产量、宽度、木糖含量和有机酸含量。
-
使用随机森林方法将香气谱与挥发性化合物联系起来：应用于结合美拉德反应的阿特兰大鲑（Salmo salar）副产品酶解
查看原文
2020
Food Research International
中科院一区JCR一区
Mireille Cardinal, Marianne Chaussy, Claire Donnay-Moreno, Josiane Cornet, Cecile Rannou, Catherine Fillonneau, Carole Prost, Regis Baron, & Philippe Courcoux
计算机标签
随机森林 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据 小规模数据集食品标签
鱼肉 副产物与废弃物高值利用 特征风味 光谱/色谱/质谱等分析方法 其他植物化学物质为了将三文鱼蛋白水解物用作食品配料并掩盖鱼腥味，研究中将美拉德反应与酶法水解生产结合。该研究探索了一种基于回归树（RT）和随机森林（RF）方法的原创方法，以从挥发性化合物预测水解物的气味特征。实验设计采用四个因素：酶/底物比、木糖量、水解时间和烹饪时间，用于制备一系列酶水解物。二十个样品由经过训练的感官评估小组进行气味描述。水解物的挥发性化合物通过顶空固相微萃取法（HS-SPME）提取，并使用气相色谱-质谱联用（GC-MS）进行分析。结果表明，RT和RF方法可以作为从挥发性化合物预测整个感官特征的有用工具。四种主要的挥发性化合物使得能够根据特定的感官特征将水解物分为五组。2,5-二甲基吡嗪、1-羟基-2-丙酮和3-羟基-2-戊酮被确定为烘烤气味的主要预测因子，而甲硫醇与泥土气味相关。这些结果还表明了获得典型烘烤气味的适当工艺条件。
