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 1098 条结果
-
基于纳米修饰比色传感器结合近红外光谱法无损检测玉米油中多种重金属
查看原文
2022
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据食品标签
植物油 化学污染物 光谱/色谱/质谱等分析方法本研究旨在开发一种新型纳米修饰比色传感器结合近红外光谱技术（NIRS） 的检测方法，用于玉米油样品中铅（Pb）、汞（Hg）两种重金属的检测。
该比色传感器以化学响应染料为基底材料，通过引入高亲和力的二甲基嘧啶胺（DPA）与多孔二氧化硅纳米球（PSNs）进行修饰，实现了传感器灵敏度与稳定性的双重提升。研究人员借助嗅觉可视化系统，筛选出对铅、汞离子具有特异性响应的比色传感器，用于混合重金属体系的检测。实验采用近红外光谱仪（光谱范围 899.20~1724.71 nm）采集传感器的光谱响应数据，并结合多种偏最小二乘（PLS）模型，对玉米油中混合重金属的反射光谱数据展开分析。
结果证实，该传感器对铅、汞具备优异的检测准确性。其中，蚁群优化偏最小二乘模型（ACO-PLS） 在低浓度重金属区间（10~100 ppb）表现出最优检测性能。在含有镁离子（Mg 2+）、锌离子（Zn 2+）、钴离子（Co 2+）、钠离子（Na +）、钾离子（K +）等干扰离子的玉米油样品中，该模型对铅、汞检测的预测决定系数（Rp2）分别达到 0.9793 和 0.9510，检出限（LOD）则分别低至 5 ppb 与 7 ppb。
研究采用电感耦合等离子体质谱法（ICP-MS）验证了本方法的有效性与稳定性。综上，该方法为食用油中多组分重金属的无损检测提供了极具潜力的技术方案。 -
通过人工智能与傅里叶变换拉曼光谱揭示果酒指纹特征
查看原文
2022
Food Control
中科院一区JCR一区
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
酒精饮料 质量管理与追溯系统 光谱/色谱/质谱等分析方法人工智能（即机器学习）的应用，标志着食品代谢组学研究与食品真实性鉴别技术迈入了新的发展阶段。本研究验证了傅里叶变换拉曼光谱技术（FT-Raman spectroscopy） 结合机器学习算法，在果酒产品特征指纹图谱构建与溯源鉴别中的可行性。基于所构建的最优模型，最终实现了96.2% 的预测准确率。
值得注意的是，本研究的产地溯源分析需对特兰西瓦尼亚地区周边相邻产区的蒸馏酒样本进行区分，该分类任务的难度极高，但研究仍取得了理想的判别效果。相比之下，基于原料品种的鉴别效果则较为一般，这表明不同果实酿造的蒸馏酒之间的特征差异过于细微，难以通过本研究提出的技术方案实现精准判别。
为进一步提升模型预测性能，研究团队纳入了斯托克斯散射与反斯托克斯散射等不同光谱区间的数据进行分析，筛选出适用于各类鉴别模型的最优光谱波段，并对多种机器学习算法的性能展开了对比验证。 -
结合快速蒸发电离质谱与化学计量学的可可脂实时鉴定创新方法
查看原文
2022
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 分类/鉴别/等级评定食品标签
巧克力及含可可制品 食品安全与风险评估 光谱/色谱/质谱等分析方法可可脂（CB）是巧克力工业中价值极高的原料之一，其真伪直接关系到巧克力产品的安全与品质保障。本研究首次建立了一种基于 快速蒸发电离质谱技术（REIMS） 的实时高通量检测方法，用于可可脂的真伪鉴别。
研究对多种类型的纯可可脂、可可脂替代品（CBEs），以及掺入可可脂替代品的掺假可可脂样品进行检测，并针对不同掺假场景采用了相应的化学计量学分析策略。通过 系统聚类分析（HCA）对数据集进行全局分析，探究纯可可脂与可可脂替代品之间的相似性与差异性；构建正交偏最小二乘判别分析（OPLS-DA）模型以区分纯可可脂与掺假可可脂，该模型鉴别准确率达 100%，且可检测出低至 10% 掺假比例的可可脂替代品；同时成功建立了一种单类支持向量机（OCSVM） 模型，可实现对未知掺假物的筛查，模型特异性达 95%、灵敏度达 100%。此外，该方法还能有效区分单一来源可可脂与混合来源可可脂。
研究结果表明，快速蒸发电离质谱技术可作为一种快速、灵敏的检测手段，应用于可可脂的真伪鉴别及掺假分析。该方法能够提升巧克力生产企业的原料质控能力，助力企业规避复杂多变的掺假欺诈行为。 -
祁门红茶：基于全面元素指纹图谱与化学计量学追溯其精细地理来源
查看原文
2022
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定食品标签
茶/茶饮料 质量管理与追溯系统 光谱/色谱/质谱等分析方法 矿物质与微量元素食品产地溯源鉴别对提升产品可追溯性、强化质量管控及保护品牌价值具有重要意义。本研究采用电感耦合等离子体质谱法（ICP-MS） 结合化学计量学方法，对采自核心产区（祁门）及传统产区（东至、贵池）的 104 份祁门红茶样品中的 27 种矿质元素指纹图谱进行分析，以实现其精细产地溯源。
方差分析结果显示，不同产区的祁门红茶具有各自独特的矿质元素指纹特征。正交偏最小二乘判别分析（OPLS-DA）模型表现出良好的鉴别效果，但基于线性判别分析（LDA） 建立的红茶产地鉴别模型，鉴别准确率达 100%，交叉验证准确率达 99%，性能优于正交偏最小二乘判别分析模型。同样，支持向量机（SVM） 模型对所有产地红茶的鉴别准确率也达到 100%。
研究结果表明，矿质元素指纹图谱结合化学计量学技术，可有效实现祁门红茶的精细产地溯源鉴别。 -
利用低频核磁共振与近红外光谱结合BP人工神经网络监测混合煎炸油中游离脂肪酸含量
查看原文
2022
Food Control
中科院一区JCR一区
计算机标签
机器学习/统计学习 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据食品标签
油脂及油脂制品 加工与新加工技术 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸游离脂肪酸（FFA）是判定煎炸油废弃节点的关键指标，然而当前油脂中游离脂肪酸的检测方法操作繁琐、耗时费力。本研究基于低场核磁共振技术（LF-NMR）、近红外光谱技术（NIR），结合反向传播人工神经网络算法（BP-ANN），建立了两种无损检测方法，用于监测煎炸油样品中的游离脂肪酸含量。
研究选取 105 份代表不同煎炸程度的废弃煎炸油样品，分别采用低场核磁共振、近红外光谱及标准参考方法进行检测。通过系统聚类分析（HCA）与主成分分析（PCA），对低场核磁共振特征参数（S 21、S 22、S 23、T 21、T 22、T 23）及近红外光谱数据进行自然聚类分析。最终建模结果显示，低场核磁共振模型与近红外光谱模型的决定系数（R 2）分别达到0.850和0.963。近红外光谱模型的决定系数较前者高出 0.113，这表明结合反向传播人工神经网络算法的近红外光谱技术，可作为一种精度更高的检测手段，用于监测煎炸油中的游离脂肪酸含量。
