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 393 条结果
-
基于廷德尔效应与化学计量学的白酒快速非侵入式识别
查看原文
2024
Food Chemistry: X
中科院一区JCR一区
Qifei Zhu, Jun Zou, Chunfeng Guo, Rizeng Tao, Wenyue Li, Yifan Chen, Bobo Yang & Lihua Chen
计算机标签
主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据食品标签
酒精饮料 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法白酒的价值受其风味、年份和掺假情况的影响。因此，一种简单快速的鉴别方法对市场而言至关重要。在本研究中，我们提出了一种利用丁达尔效应结合化学计量学分析的白酒快速、非侵入性鉴别技术。我们的实验首先用405纳米波长的激光照射白酒，并记录由丁达尔效应产生的明亮光路。为了进一步分析颜色和亮度信息，我们采用了主成分分析（PCA）、线性判别分析（LDA）、层次聚类分析（HCA）和多层感知器（MLP）。本研究建立了白酒中丁达尔光路的亮度与七种微量风味化合物之间的相关性。研究结果表明，该方法能有效鉴别白酒的风味、窖龄和掺假情况，还能定量检测风味化合物的浓度。此外，我们还开发了一个分析平台，以实现对白酒的快速鉴别。
-
使用数字图像处理和机器学习分析红糖中糖分、矿物质和颜色的环保方法
查看原文
2024
Food Research International
中科院一区JCR一区
Vandressa Alves, Jeferson M. dos Santos, Olga Viegas, Edgar Pinto, Isabel M.P.L.V.O. Ferreira, Vanderlei Aparecido Lima & Maria L. Felsner
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
糖、焙烤与糖果制品 品质、结构与理化性质 显微与成像技术 常量营养素（宏量） 矿物质与微量元素红糖是一种通过热加工获得的天然甜味剂，具有有趣的营养特性。然而，其感官特性存在显著差异，直接影响产品质量和消费者选择。因此，开发快速的质量控制方法是可取的。本研究提出了一种快速、环保且准确的方法，用于同时分析红糖中的蔗糖、还原糖、矿物质和ICUMSA色值，采用了一种将智能手机获取的数字图像处理与机器学习相结合的创新策略。从数字图像中提取的数据，以及通过实验测定的理化特性和元素组成数据，被用作应用kNN算法建立预测回归模型的变量。所建立的模型对Ca、ICUMSA色值、Fe和Zn具有最高的预测能力，决定系数（R2）≥ 92.33%。蔗糖（81.16%）、还原糖（85.67%）、Mn（83.36%）和Mg（86.97%）的R2值较低。所有生成的预测模型数据离散度较低（RMSE < 0.235）。AGREE指标评估了绿色度，并确定所提出的方法优于传统方法，因为它避免了使用溶剂和有毒试剂，能耗最低，不产生有毒废物，并且对分析人员更安全。数字图像处理（DIP）与kNN算法的结合提供了一种快速、非侵入式且可持续的分析方法。它简化并改善了红糖的质量控制，能够生产出满足消费者需求和行业标准的甜味剂。
-
基于机器学习的双通道CRISPR/Cas12a微滴无扩增核酸传感器在食品真伪检测中的应用
查看原文
2024
ACS Nano
中科院一区JCR一区
Zhiying Zhao, Roumeng Wang, Xinqi Yang, Jingyu Jia, Qiang Zhang, Shengying Ye, Shuli Man & Long Ma
计算机标签
随机森林 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
畜肉 禽肉 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法开发新型肉类物种真实性检测技术势在必行。我们在此研发了一个名为CC-drop（CRISPR/Cas12a数字化单分子微滴生物传感器）的机器学习支持双通道微滴生物传感平台，用于肉类物种真实性检测。该策略使我们能够快速识别和分析食品中的动物源性成分。该生物传感器基于CRISPR/Cas12a的荧光点亮检测技术，核酸信号可被Cas12a-crRNA二元复合物识别，从而扳机旁观者报告单链(ss)DNA的顺式切割，在此过程中核酸信号可被转化并放大为荧光读数。通过将反应体积从皮升级降至超局部化微滴反应器，我们构建了可容纳上述反应的检测体系，从而进一步提高灵敏度，甚至实现了无需扩增的核酸检测。此外，我们还开发了一款智能手机应用程序，结合基于面积、荧光强度和计数等参数的随机森林机器学习模型，以确保图像记录和处理的准确性，样本到结果的分析时间控制在80分钟以内。值得注意的是，该生物传感器能够精准检测深加工肉制品中通常存在DNA片段化的ND1（猪源性特异基因）和IL-2（鸭源性特异基因），平行对比实验显示其结果比传统实时聚合酶链式反应更稳定可靠。总体而言，该生物传感器有望在未来用于食品真伪鉴别及其他核酸快速检测领域。
-
非靶向代谢组学与可解释人工智能：处理和颜色对杜仲皮层针叶醛水平的影响
查看原文
2024
Food Chemistry
中科院一区JCR一区
Yijing Pan, Kehong Ming, Dongmei Guo, Xinyue Liu, Chenxi Deng, Qingjia Chi, Xianqiong Liu, Chunli Wang, & Kang Xu
计算机标签
梯度提升决策树 分类/鉴别/等级评定 可见光/RGB/视频数据 组学数据食品标签
新鲜蔬菜 加工与新加工技术 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质欧肉豆蔻（Eucommia ulmoides）是一种原产于中国的植物，因其药用价值而备受重视，并在食品、保健品和传统中药中有着广泛应用。经过加工的欧肉豆蔻树皮（EC）一直以来都是一种极为珍贵的药物。古代医生在加工欧肉豆蔻树皮方面积累了丰富的经验，尤其是使用姜汁进行加工，这在传统的中医文献中有记载。欧肉豆蔻树皮与姜汁的结合有助于释放和转化活性成分，从而增强药物的效力、改善其口感和保质期。然而，由于姜欧肉豆蔻（G-EC）（由欧肉豆蔻树皮和姜汁加工而成）缺乏质量控制标准，这给其工业和临床应用带来了挑战。本研究使用 CRITIC 和 Box-Behnken 方法优化了 G-EC 的加工过程。代谢组学分析显示，未加工和加工后的 G-EC 之间存在 517 种化学变化，其中尤以肉桂醛（CFA）含量的增加最为显著。可解释的人工智能技术揭示了利用颜色来检测 CFA 含量的可行性，从而为质量指标提供了见解。
-
基于深度特征和主成分分析的果蔬新鲜度检测
查看原文
2024
Current Research in Food Science
中科院一区JCR一区
Yue Yuan & Xianlong Chen
计算机标签
主成分分析/判别分析 卷积神经网络 特征工程与选择策略 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
新鲜水果 新鲜蔬菜 品质、结构与理化性质 显微与成像技术果蔬新鲜度检测能够确保消费者获得口感良好、营养丰富的果蔬，提高饮食健康水平，并保障农业和食品行业提供高质量产品以满足消费者需求，同时增加销售额和市场份额。目前，果蔬新鲜度检测主要依靠人工观察和判断，存在主观性强、准确性低的问题，难以满足大规模、高效率、快速检测的需求。尽管有研究表明，可以基于人工提取的特征对果蔬新鲜度进行大规模检测，但人工提取的特征仍存在适应性差的问题，导致新鲜度检测效率低下。为解决这一问题，本文提出了一种新方法，即利用不同架构的预训练深度学习模型提取的深度特征，更客观、准确、高效地检测果蔬新鲜度。首先，将调整尺寸后的果蔬图像输入预训练深度学习模型进行深度特征提取。然后，对深度特征进行融合，并通过主成分分析将融合后的深度特征降维到具有代表性的低维特征空间。最后，采用三种机器学习方法对果蔬新鲜度进行检测。实验结果表明，将GoogLeNet、DenseNet-201和ResNeXt-101这三种架构的预训练深度学习模型提取的深度特征相结合，并进行PCA降维处理，果蔬新鲜度检测的最高准确率达到了96.98%。本研究得出结论，所提出的方法有望提高果蔬新鲜度检测的效率。
