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
-
利用人工智能从科学文献和媒体报道中检测未知兴奋剂
查看原文
2021
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 文本/知识库/法规数据食品标签
食品安全与风险评估全球膳食补充剂市场规模庞大，其发展主要得益于这类产品宣称具备的各类功效，例如减肥塑身、提升注意力与警觉性、抑制食欲、减少睡眠需求以及改善冲动行为等。但膳食补充剂中非法添加化合物的问题，始终是一项潜在威胁 —— 究其原因，这些化合物及相关产品并未经过主管部门的安全性检测。因此，对主管部门而言，及时掌握新产品的上市动态，并就潜在健康风险向消费者发出警示，这两项工作至关重要。
本研究提出一种基于机器学习的检测方法，可用于识别膳食补充剂中的新型未知兴奋剂。研究通过两种不同数据源筛选出 20 种新型兴奋剂：其一，对超过 200 万篇学术文献摘要开展词嵌入分析；其二，借助文本挖掘技术，对互联网中的各类正规媒体及社交媒体文章进行数据提取。
研究结果表明，该方法可有效应用于主管部门的新兴风险识别工作，助力解决当前风险排查过程中面临的核心难题 ——未知风险物质的检测识别。 -
结合光学光谱与机器学习改进食品分类
查看原文
2021
Food Control
中科院一区JCR一区
计算机标签
机器学习/统计学习 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
豆类与坚果（及籽类） 品质、结构与理化性质 食品安全与风险评估 光谱/色谱/质谱等分析方法近红外光谱数据常被用于产品的无损鉴别，传统上这类数据的处理多采用多元统计分析技术。然而，这些方法往往仅能覆盖有限的产品变异类型。
本研究旨在开发一种新型机器学习算法，该算法整合紫外 - 可见 - 近红外反射光谱与荧光光谱的多源信息，可在产品流中同步实现异物识别、食品安全检测及品质评估。为此，我们构建了一套创新的分级分类模型，通过级联多个独立分类器，实现两类光谱数据的融合分析。此外，为便于工业化应用落地并缩短数据处理时长，我们开展了特征波长筛选，最终将建模所采用的激发与检测波长限定为8 个。
本文以核桃仁加工检测为应用案例，对该新型分类算法的性能进行验证。实验表明，最优的分级分类模型结构如下：第一级为基于反射光谱数据的极限学习机（ELM）分类器，第二级为基于荧光光谱数据的支持向量机（SVM）分类器。该模型对合格核桃仁的漏检率（假阴性率）为 5.54%；对干瘪核桃仁的误检率（假阳性率）最高，为 8.34%；而针对异物、霉变等其他所有缺陷样本，正确识别率均超过 98%。
综上，该模型的优异性能证实，机器学习方法在多用途食品加工检测场景中具有显著的技术优势。 -
利用正面同步荧光光谱法快速、同时、无损测定藜麦粉中掺入玉米粉和豆粉
查看原文
2021
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
杂粮 食品安全与风险评估 光谱/色谱/质谱等分析方法藜麦是一种天然无麸质的假谷物，近年来在全球范围内受到的关注度日益提升。本研究采用前表面同步荧光光谱技术（FFSFS），实现对玉米粉、大豆粉掺杂藜麦粉的快速无损鉴别。研究同时考察了单一掺杂与双重掺杂两种情况，掺杂比例范围为 6% 至 50%（质量分数）。
针对玉米粉或大豆粉单一掺杂的情形，研究采用主成分分析 - 线性判别分析联用技术（PCA-LDA）开展初步定性鉴别；随后结合展开全同步荧光光谱与偏最小二乘回归算法（PLS）构建一阶预测模型，并通过五折交叉验证与外部验证对模型进行验证。
针对双重掺杂的情形，研究建立了可同时测定玉米粉与大豆粉掺杂量的通用偏最小二乘 2 回归模型（PLS2），该模型表现出良好的预测性能：预测决定系数（R p2）大于 0.9，预测均方根误差（RMSEP）低于 5%，剩余预测偏差（RPD）大于 3；对玉米粉和大豆粉的检出限（LOD）分别为 9.0% 和 6.9%。此外，绝大多数加标回收率处于 80%—120% 区间。
本研究不仅在藜麦粉掺假鉴别领域具有重要应用价值，还可为不同植物来源谷物混合粉的成分定量分析提供新思路。 -
利用机器学习结合发射和吸收光谱数据融合技术区分不同橄榄品种的橄榄油
查看原文
2021
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/等级评定食品标签
植物油 光谱/色谱/质谱等分析方法本研究首次采用激光诱导击穿光谱技术（LIBS）结合吸收光谱技术，并辅以机器学习算法，对不同品种希腊特级初榨橄榄油进行鉴别研究。
研究采集并分析了 科洛维（Kolovi）与科拉尼基（Koroneiki）两个品种的特级初榨橄榄油及其混合油样的激光诱导击穿光谱与吸收光谱数据，随后分别基于线性判别分析（LDA）和梯度提升算法（GB） 构建分类模型 —— 其中梯度提升算法可实现对关键光谱特征的筛选与判定。
结果表明，两种算法均能对橄榄油光谱数据实现高效分类，分类准确率均超过 90%。此外，本研究首次将激光诱导击穿光谱的发射光谱数据与吸收光谱数据进行数据融合，并基于融合数据建立预测模型，模型分类准确率得到显著提升。
本研究证实，激光诱导击穿光谱技术与吸收光谱技术的联用方案具备更优检测性能，且二者结合的技术手段在橄榄油品质监测与质量控制领域具有良好的应用潜力。 -
利用傅里叶变换红外光谱分析检测蜂蜜中掺入龙舌兰、玉米、转化糖、枫糖和米糖浆
查看原文
2021
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 定量预测/回归分析 红外/拉曼光谱数据食品标签
蜂蜜等天然糖 食品安全与风险评估 光谱/色谱/质谱等分析方法 碳水化合物与糖类本研究探讨了基于傅里叶变换红外光谱（FTIR）技术鉴别天然蜂蜜与掺假蜂蜜的可行性。研究选取三种天然蜂蜜（菩提蜜、向日葵蜜、洋槐蜜），分别添加龙舌兰糖浆、玉米糖浆、转化糖浆、枫糖浆及大米糖浆进行掺假处理，掺假比例设置为 5%、10% 和 20%。
为提升天然蜂蜜与掺假蜂蜜的鉴别准确率，研究人员对傅里叶变换红外光谱数据进行多种光谱预处理，并结合支持向量机（SVM）与偏最小二乘判别分析（PLS-DA）两种模型开展鉴别研究。
其中，采用一阶导数光谱结合支持向量机建立的模型鉴别效果最优：
校正集：97 份天然蜂蜜样本全部被正确判定；210 份掺假蜂蜜样本也均被准确识别为掺假类别。
验证集：48 份天然蜂蜜样本中 39 份被正确判定；104 份掺假蜂蜜样本中 6 份被误判为天然蜂蜜。
此外，本研究还利用傅里叶变换红外光谱结合 偏最小二乘回归（PLS-R）模型，实现了对蜂蜜理化指标的定量预测。
