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HS-SPME/GC-MS和化学计量学研究意大利红蒜品种中有机硫挥发物特征
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
新鲜蔬菜 质量管理与追溯系统 特征风味 光谱/色谱/质谱等分析方法本研究选取采自意大利四个产区的 68 份红蒜样本为研究对象，采用 顶空固相微萃取 - 气相色谱 - 质谱联用技术（HS-SPME/GC-MS） 分析其挥发性成分，旨在探究大蒜鳞茎的挥发性物质组成是否与其产地存在关联。
研究通过Box-Behnken 试验设计对 HS-SPME/GC-MS 分析条件进行优化；在完成气相色谱 - 质谱信号采集与挥发性物质鉴定后，采用 偏最小二乘判别分析（PLS-DA） 方法开展产地分类研究。为对模型进行外部验证，研究人员将 68 份样本划分为训练集（42 份）与测试集（26 份）。验证结果显示，该 PLS-DA 模型对测试集样本的正确分类数达 21 份。
最终，通过投影变量重要性分析（VIP），从检测到的 25 种挥发性物质中筛选出 13 种与产地显著相关的含硫有机化合物，包括 2 种硫化物、8 种二硫化物及 3 种三硫化物，这些物质的含量对大蒜风味特征的影响程度与鳞茎的产地来源密切相关。 -
基于 ICP-OES 多元素分析结合化学计量学对高价值意大利鹰嘴豆 (Cicer arietinum L.) 的特性分析
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 分类/鉴别/等级评定食品标签
豆类与坚果（及籽类） 质量管理与追溯系统 光谱/色谱/质谱等分析方法 矿物质与微量元素本研究选取 2019 年采自意大利 奇切拉莱（坎帕尼亚大区）、瓦伦塔诺（拉齐奥大区）及纳韦利（阿布鲁佐大区）三个产区的 60 份鹰嘴豆（Cicer arietinum L.）样本为研究对象，采用电感耦合等离子体发射光谱法（ICP-OES）测定样本中钙（Ca）、钾（K）、磷（P）、镁（Mg）、钼（Mo）、铜（Cu）、铁（Fe）、锰（Mn）、锌（Zn）及锶（Sr）十种元素的含量，以此实现对样本的特征表征。
研究首先通过 方差分析（ANOVA） 评估所检测元素含量的显著性差异，随后分别采用判别分析方法（线性判别分析，LDA）与类模型方法（类类比软独立建模法，SIMCA）对样本进行产地分类。两类模型均以 33 份样本作为校正集完成模型构建，最终将其分别应用于 27 份预测集样本，以验证判别模型的分类能力及类模型的建模效能。
结果显示，线性判别分析模型对预测集样本的分类准确率达 100%；基于类类比软独立建模法构建的类模型则表现出良好的灵敏度 —— 奇切拉莱产区、瓦伦塔诺产区及纳韦利产区样本的正确接受率分别为 88%、90% 和 100%，同时该模型的特异度达 100%，即所有非目标产区样本均被各产区类模型准确识别并排除。 -
食源性疾病监测系统中的机器学习技术与研究框架
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 知识抽取与语义理解 文本/知识库/法规数据食品标签
食品安全与风险评估 其他体内/人群研究基于机器学习技术在中国食源性疾病暴发监测系统中的验证性应用实践，证实该技术具有十分积极的应用成效。本研究总结了当前利用机器学习在优化病例报告流程、辅助临床诊断及预测疫情暴发方面的一系列有效尝试，并在此基础上提出一套通用框架，以期推动食源性疾病监测系统向智能化方向升级完善，为保障人类健康提供有力支撑。
-
利用在线拉曼光谱建立检测牛奶加工过程偏离标准的新方法
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 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
液态乳 品质、结构与理化性质 光谱/色谱/质谱等分析方法管控乳品加工工序是一项至关重要的工作，因其直接影响最终产品的品质与安全。本研究采用拉曼光谱仪，结合主成分分析与回归、高斯过程回归及自动编码器等多种分析技术，旨在建立一种精准方法，用于检测加工过程中偏离标准工序的异常情况。
实验以温度 10℃、脂肪含量 5% 的乳品作为基准样品，采用温控流通池以旁路取样方式开展在线检测。结果显示，主成分回归模型无法实现对工序偏差的有效预测；而高斯过程回归与自动编码器模型均能精准识别以下异常情形：添加 5% 水分或清洗剂、脂肪含量偏差 0.1%、检测温度波动 5℃。
综上，两种模型均展现出良好的应用前景。相较而言，自动编码器模型经一次训练即可直接投入在线监测使用，能够快速识别加工过程中的异常变化，助力企业及时采取应对措施。 -
基于新策略开发用于识别和发现抗氧化肽的机器学习预测模型
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 组学数据食品标签
营养与生物功能 蛋白质与氨基酸解决食品腐败与氧化问题是提升食品品质的关键所在，而多肽是应对上述问题的优良备选物质。本研究以伪氨基酸组成与多肽基序作为输入特征，采用机器学习方法构建抗氧化肽分类模型。
其中，基于伪氨基酸组成 - 二肽 - 基序的混合模型（PseAAC-dipeptide-motif）性能最优，其受试者工作特征曲线下面积（AUC）达 0.939，平均精确率为 0.947。研究进一步提高分类阈值，使模型精确率提升至 0.95 以上。随后，研究人员将该模型作为预测工具，从随机多肽数据集中筛选潜在抗氧化肽。
根据预测结果，研究合成了 5 种潜在抗氧化肽（PSGK、LKPQ、GRP、QCQ、QGM），并测定其DPPH 自由基清除能力与总抗氧化能力（T-AOC）。实验结果表明，QCQ 肽具有较强的抗氧化活性：在浓度为 125 μg/mL 时，其 DPPH 自由基清除率达 95.52%，总抗氧化能力值为 9.59 U/mg 蛋白。
同时，该预测工具可用于挖掘兼具抗氧化功能的多功能多肽。综上，本研究构建的预测模型是筛选抗氧化功能多肽的有效工具。
