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 339 条结果
-
食品领域的人工智能与伦理：为供应链中的技术采用开发共同语言
查看原文
2022
Trends in Food Science & Technology
中科院一区JCR一区
Louise Manning, Steve Brewer, Peter J. Craigon, Jeremy Frey, Anabel Gutierrez, Naomi Jacobs, Samantha Kanza, Samuel Munday, Justin Sacks & Simon Pearson
计算机标签
机器学习/统计学习 深度学习食品标签
过程控制与数字化 标准/法规/数据库分析背景：人工智能（AI）在食品供应链中的应用日益增长。与食品供应和技术相关的伦理语言是由利益相关者赋予其含义来情境化和构建的。未能区分这些细微的含义可能会成为技术采用的障碍，并减少由此带来的效益。
范围与方法：本文综述的目的是考虑利益相关者在食品供应链中合作采用人工智能时所使用的嵌入伦理语言。伦理视角构成了本文献综述的框架，并提供了结构，以思考如何塑造一种共同的话语，从而建立对食品供应链中AI的信任，并构建更审慎的利用方式，最终使用户和更广泛的社会受益。
关键发现与结论：尽管食品系统内数据的性质比欧盟通用数据保护条例（GDPR）所涵盖的个人数据广泛得多，但计算和人工智能系统的伦理问题是相似的，可以从特定方面考虑：透明度、可追溯性、可解释性、可诠释性、可访问性、问责和责任。本研究的成果有助于更全面地理解所使用的语言，探索食品供应链中人工智能应用各方面的伦理互动，以及可以采取的管理活动和行动，以提高人工智能技术的适用性、增加参与度并获得更大的绩效效益。这项工作对为食品供应链开发人工智能治理协议的人员以及供应链从业者都有重要意义。 -
利用近红外光谱和同位素质谱确定上海特色大米的地理来源和栽培方法
查看原文
2022
Food Chemistry
中科院一区JCR一区
Xing Liu, Bin Bai, Karyne M. Rogers, Dan Wu, Qunli Qian, Fang Qi, Jiaxin Zhou, Chunxia Yao & Weiguo Song
计算机标签
偏最小二乘法 深度学习 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
大米 光谱/色谱/质谱等分析方法松江 种养结合稻（CPB）与崇明无化肥农药稻（NCFP） 是面向上海都市农业开发的两款优质特色稻米。防范这两类产品出现产地虚假标识、栽培模式造假行为，具有重要意义。为鉴别松江与崇明稻米产地，并区分其栽培模式（种养结合 CPB / 非种养结合 NCPB、无化肥农药 NCFP / 常规化肥农药 CFP），本研究建立了近红外光谱（NIR）、同位素比质谱（IRMS）结合化学计量学的检测方法。结果表明：采用 NIR 结合偏最小二乘判别分析（PLS-DA）与学习向量量化神经网络（LVQNN），可将松江、崇明稻米与其他产地稻米完全区分；利用 NIR 或 IRMS 均可完全鉴别松江 CPB 与 NCPB 稻米；而崇明 NCFP 与 CFP 稻米的最优鉴别准确率为87.5%。该方法为上海特色稻米的产地与栽培模式鉴别提供了快速、稳定的技术手段。
-
使用比色IDA传感器阵列快速监测苹果醋发酵过程中总酸的动态变化
查看原文
2022
Food Chemistry
中科院一区JCR一区
Li Wang, Feng Xiong, Xingyi Huang, Joshua Harrington Aheto, Shanshan Yu, Yu Wang, Xiaorui Zhang & Yi Ren
计算机标签
偏最小二乘法 支持向量机 深度学习 定量预测/回归分析食品标签
果蔬饮料 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 酚酸类本研究构建了一种比色传感阵列（CSA），用于发酵过程中苹果醋总酸含量的定量检测。该传感阵列基于指示剂置换法（IDA）合理设计，选取铜离子（Cu²⁺）、锌离子（Zn²⁺）和镍离子（Ni²⁺）三种金属离子作为有机酸的识别受体。时间稳定性测试结果表明，所制备的比色传感阵列具备良好的使用稳定性。研究采用三种定量模型，包括一种线性模型（偏最小二乘法，PLS）和两种非线性模型（支持向量回归，SVR；反向传播人工神经网络，BP-ANN），结合图像分析技术对苹果醋发酵液中的总酸含量进行预测。性能更优的支持向量回归模型的相关系数（RP）、预测均方根误差（RMSEP）及剩余预测偏差（RPD）分别为0.8708、0.0545和10.91。研究结果表明，该比色传感阵列在苹果醋发酵过程总酸含量的定量监测方面具备优异的应用潜力。
-
基于代谢组学和深度学习的李斯特菌快速识别新方法研究
查看原文
2022
Food Control
中科院一区JCR一区
Ying Feng, Zhangkai J. Cheng, Xianhu Wei, Moutong Chen, Jumei Zhang, Youxiong Zhang, Liang Xue, Minling Chen, Fan Li, Yuting Shang, Tingting Liang, Yu Ding, & Qingping Wu
计算机标签
深度学习 卷积神经网络 分类/鉴别/等级评定食品标签
微生物安全 光谱/色谱/质谱等分析方法基于质谱技术的代谢组学可作为检测致病菌与腐败微生物的技术平台。然而，利用质谱对低分子量生物标志物进行准确定量时，通常受限于同位素标记标准品的依赖及繁琐的实验流程，不利于该技术的规模化应用。本研究开发了一种将代谢组学与深度学习相结合的新方法，用于单核细胞增生李斯特菌的鉴定。研究针对单核细胞增生李斯特菌的三种潜在生物标志物构建卷积神经网络（CNN）模型，模型预测准确率达 82.2%。此外，通过拟靶向代谢组学技术获得包含 29 种代谢物的代谢指纹图谱，借助层次聚类分析，该图谱可成功区分 6 种常见李斯特菌菌株。研究进一步构建用于鉴别单核细胞增生李斯特菌及常见致病菌的 CNN 二分类与多分类模型，其预测准确率分别为 96.7% 和 96.3%。综上，这种结合拟靶向代谢组学与深度学习的新型方法，有望成为致病菌鉴定与分类领域的高效检测工具。
-
阿伦尼乌斯模型与人工神经网络预测冷冻罗非鱼品质变化的比较
查看原文
2022
Food Chemistry
中科院一区JCR一区
Hongli Wang, Yao Zheng, Wenzheng Shi & Xichang Wang
计算机标签
深度学习 定量预测/回归分析食品标签
鱼肉 保藏与贮藏 品质、结构与理化性质 蛋白质与氨基酸 理化与结构表征本研究旨在探究罗非鱼在112 天不同温度贮藏过程中的品质变化（冰晶形貌、Ca²⁺-ATP 酶活性、总巯基（SH）含量、内源荧光强度（IFI）及 K 值（鲜度指标）），并构建动力学模型与人工神经网络（ANN）模型对上述变化进行预测。贮藏前 4 周内，样品冰晶截面面积与等效直径显著增大，Ca²⁺-ATP 酶活性与总巯基含量急剧下降，差异具有统计学意义（p < 0.05）。在 265 K、259 K、253 K、233 K 条件下贮藏 16 周后，最大波长内源荧光强度（IFI_λmax）分别下降 43.95%、29.77%、28.97% 与 18.58%。基于 IFI_λmax 构建的动力学模型可精准描述 233–265 K 范围内的贮藏品质变化；而其他指标所建模型在贮藏后期（14–16 周）预测精度有所下降。人工神经网络模型的预测效果优于阿伦尼乌斯模型，对所有品质指标均具备更佳的预测性能。
