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 364 条结果
-
利用机器学习对食品安全系统评价中的文献进行自动分类
查看原文
2022
Current Research in Food Science
中科院一区JCR一区
Leonieke M. Van Den Bulk, Yamine Bouzembrak, Anand Gavai, Ningjing Liu, Lukas J. Van Den Heuvel & Hans J.P. Marvin
计算机标签
支持向量机 逻辑回归/贝叶斯 智能手机/其他 知识抽取与语义理解食品标签
食品安全与风险评估系统综述用于收集相关文献，以清晰、全面、无偏且可重复的方式回答研究问题。在食品安全领域，系统综述被用作一种标准方法，以获取与关注的食品安全主题相关的最新研究的文献概述。然而，系统综述的一个缺点是，这一过程耗时且需要专业领域知识。本文所报告的研究旨在通过应用机器学习技术对文章进行自动分类（分为相关或不相关），减少专家筛选所有可能相关文章所需的时间。研究在两项关于食品安全的不同系统综述（即谷物和绿叶蔬菜中的化学危害）上，测试了八种不同的机器学习算法以及这些算法所有组合的集成模型。结果显示，朴素贝叶斯和支持向量机的集成模型取得了最佳性能，在保留95%相关文章的同时，专家需要阅读的文章数量平均减少了32.8%，不相关文章平均减少了57.8%。研究得出结论，在系统文献综述中对文献进行自动分类能够为专家的工作提供支持，在不影响综述质量的情况下节省宝贵时间。
-
使用一类自编码器基于红外光谱检测奶粉掺假
查看原文
2022
Food Chemistry
中科院一区JCR一区
Guangzao Huang, Lei-ming Yuan, Wen Shi, Xi Chen & Xiaojing Chen
计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
乳粉 食品安全与风险评估 光谱/色谱/质谱等分析方法食品掺伪检测需要快速简便的方法。光谱检测可大幅缩短分析时间，但需要构建对应的检测模型。本研究提出一种基于自编码器的单类分类方法，用于光谱技术检测食品掺伪。该方法通过搭建自编码器，从高维光谱数据中提取低维特征并重构原始光谱，再利用编码误差与重构误差判断食品样品是否掺伪。研究采用奶粉及其掺伪样品的红外光谱数据验证所建模型的性能。实验结果表明，该方法的检测效果与类模拟软独立建模（SIMCA）、单类偏最小二乘法相当，且显著优于支持向量数据描述方法。该方法可灵活应用于食品掺伪的光谱检测。
-
消费者导向的酸奶感官优化：一种人工智能方法
查看原文
2022
Food Control
中科院一区JCR一区
Kexin Bi, Shuyuan Zhang, Chen Zhang, & Tong Qiu
计算机标签
支持向量机 卷积神经网络 设计/生成与推荐食品标签
发酵乳/酸奶 感官科学与消费者研究随着 “渠道反转” 现象的出现，食品产品的设计与开发逐渐向消费者导向型模式转变。契合消费者对感官属性的偏好，是食品企业在市场竞争中赢得优势的关键因素。本研究提出一套感官优化流程，旨在筛选出最优感官属性组合，并为产品感官品质的进一步改良提供建议。研究采用遗传算法 - 粒子群算法 - 禁忌搜索混合智能算法（GA-PSO-TS），在高维变量空间内对深度卷积自编码器 - 支持向量机（DCAE-SVM）灰箱模型进行优化。通过在既定灰箱模型与数据集上对比遗传算法（GA）和遗传算法 - 粒子群算法（GA-PSO）的性能，验证了所提出的 GA-PSO-TS 算法的有效性。此外，该完整技术框架还可用于阐释品牌、贮藏条件等因素对食品感官属性及消费者偏好的影响机制。
-
机器学习方法用于预测沙门氏菌副溶血性肠炎在热处理和氯处理后的单细胞滞后时间
查看原文
2022
Food Research International
中科院一区JCR一区
Zijie Lin, Xiaojie Qin, Jing Li, Muhammad Zohaib Aslam, Tianmei Sun, Zhuosi Li, Xiang Wang, & Qingli Dong
计算机标签
机器学习/统计学习 支持向量机 随机森林 梯度提升决策树 模型可解释性 定量预测/回归分析 可见光/RGB/视频数据食品标签
微生物安全 显微与成像技术 微生物计数与生长曲线随着食品源性病原体建模的发展，单细胞变异的重要性日益突出。传统的预测微生物学模型由于个体细胞的异质性，无法准确描述少量细胞的生长行为。本研究的目的是开发用于预测沙门氏菌（Enteritidis）在热处理和氯处理后单细胞滞后时间的模型。采用时间间隔显微镜方法通过监测细胞分裂来评估单细胞滞后时间。应用并比较了包括梯度提升回归树（GBRT）、人工神经网络（ANN）、随机森林（RF）和支持向量回归（SVR）在内的四种监督机器学习算法。结果显示，四种机器学习模型均具有良好的预测能力，且数据未出现过拟合现象。人工神经网络（ANN）方法在预测性能上优于其他机器学习模型（RMSE：0.209，MAE：0.135，R²：0.989）。此外，使用Shapley加性解释（SHAP）方法衡量每个特征对模型输出的影响，结果显示，群体滞后时间和亚致死损伤率对单细胞滞后时间具有主导影响。因此，本研究所得结果可能有助于管理由食源性病原体单细胞引起的潜在食品安全风险。
-
基于无标记金纳米棒的SERS结合化学计量学用于柑橘中噻菌灵残留的快速定量检测
查看原文
2022
Food Chemistry
中科院一区JCR一区
Haihui Pan, Waqas Ahmad b, Tianhui Jiao, Afang Zhu, Qin Ouyang & Quansheng Chen
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据食品标签
新鲜水果 化学污染物 光谱/色谱/质谱等分析方法柑橘是全球消费量极高的水果。然而，柑橘种植过程中 噻苯咪唑（TBZ）农药的过量使用，会对人体健康构成威胁。为此，本研究建立了一种基于金纳米棒（Au NRs）的表面增强拉曼散射（SERS） 技术结合化学计量学的快速定量方法，用于柑橘中噻苯咪唑的检测。结果表明，支持向量机（SVM）可对不同数量级的 TBZ 残留进行判别，准确率达99.1667%；遗传算法 - 偏最小二乘法（GA-PLS）在柑橘中 TBZ 残留定量预测中表现最优，决定系数R p2=0.9737、预测均方根误差RMSEP=0.1179、剩余预测偏差RPD=5.85。该方法的检出限（LOD）为0.33 μg⋅mL −1。此外，采用 t 检验将本方法与标准高效液相色谱（HPLC）法进行验证对比，结果无显著性差异。综上，所构建的基于金纳米棒的 SERS 技术可用于柑橘中 TBZ 残留的快速定量分析。
