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 130 条结果
-
一种利用便携式近红外光谱仪定量和区分精炼糖色指数的方法
查看原文
2025
Food Chemistry
中科院一区JCR一区
José Eduardo Matos Paz, Aline Macedo Dantas, David Douglas de Sousa Fernandes, Liliana de Fatima Bezerra Lira Pontes & Márcio José Coelho Pontes
计算机标签
偏最小二乘法 主成分分析/判别分析 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据 小规模数据集食品标签
甜味剂 品质、结构与理化性质 光谱/色谱/质谱等分析方法 碳水化合物与糖类颜色是糖的主要质量参数之一，在决定其商业价值中起着关键作用。本研究结合近红外（NIR）光谱和化学计量工具，评估糖色并分类为精细或未精化。基于偏最小二乘回归（PLS）和多重线性回归（MLR）的校准模型，采用了连续投影算法（SPA）、遗传算法（GA）和区间SPA（iSPA）等变量选择算法开发。使用两种不同的设备获得89个样品的光谱，一台台式，一台便携式。便携设备实现了最佳的预测性能。基于PLS-DA和LDA的分类模型，结合SPA和iSPA，实现了高达98.9%的准确率和RMSEP（5.087）。这种方法以速度快、成本低和样本保存性著称，尤其是在使用便携设备时。
-
利用高光谱成像技术和可解释人工智能评估瓜楼子质量
查看原文
2025
LWT
中科院一区JCR一区
Dan Xiao, Ruibin Bai, Siman Wang, Youyou Wang, Qingxiu Hao, Ling Dong, Weiwen Li, & Jian Yang
计算机标签
机器学习/统计学习 模型可解释性 特征工程与选择策略 分类/鉴别/等级评定 高光谱/多光谱光谱食品标签
豆类与坚果（及籽类） 品质、结构与理化性质 显微与成像技术陈年和新鲜的挂楼子（GLZ）掺假对产品质量和消费者健康构成风险。本研究旨在通过将高光谱成像（HSI）与可解释人工智能（XAI）相结合，开发一种快速、无损且高通量的GLZ质量评估方法。首先，从存储时间不同的两个样品组--万楼20号（GLZ-20）和万楼9号（GLZ-9）--收集光谱数据。对全波长预处理光谱数据用于构建分类模型。然后，将Shapley加性解释（SHAP）应用于模型进行全局可解释性分析，以选择特征波长。结果表明，基于SHAP的特征选择优于传统方法。使用前16个和23个SHAP选择的波长的模型，在预测集中对GLZ-20和GLZ-9的预测准确率分别达到了97.2%和98.3%。在验证集I中，准确率达到97.7%和98.9%。在验证集II中，两种品种的预测误差均低于3.3%。此外，基于SHAP的模型解释揭示了特征波长与样品特性之间的内在关系，从而提高了判别结果的可靠性。本研究确认了将高光谱成像（HSI）与可解释人工智能（XAI）结合用于GLZ质量评价的可行性，并为种子型坚果的评估提供了参考框架。
-
综合代谢组学-KPCA-机器学习框架：一种用于红枣地理溯源的方法
查看原文
2025
Food Chemistry: X
中科院一区JCR一区
Xiaoli Wang, Xiaolei Ma, Yuxin Liu, Wenhan Tao, Yuting Zuo, Yueqin Zhu, Feng Hua, Chanming Liu & Wei Huang
计算机标签
智能手机/其他 特征工程与选择策略 分类/鉴别/等级评定 组学数据食品标签
果蔬干/果脯/蔬菜干 食品安全与风险评估 光谱/色谱/质谱等分析方法 代谢组学由于产品掺假现象普遍存在，具有营养和药用价值、在全球具有重要经济意义的作物——中国红枣（CJ）在地理溯源方面面临困难。本研究引入了代谢组学-核主成分分析（KPCA）-机器学习（ML）框架，为来自中国六个产区（新疆、甘肃、陕西、河南、山东和河北）的红枣建立了产地识别系统。研究人员利用液相色谱-串联质谱（LC-MS/MS）进行非靶向代谢组学分析，鉴定出312种代谢物。多变量分析揭示了37个关键判别变量（变量重要性投影值＞1）。核主成分分析将这些特征压缩为28个主成分（保留了90.59%的信息）。与传统方法相比，经核主成分分析降维后的K均值聚类显著提升了样本区分能力：原始数据的产地样本存在重叠，边界模糊；而降维后，六个产地的样本形成了清晰且紧凑的聚类，实现了准确分类。本研究开创了“代谢组学-核主成分分析-机器学习”范式，为地理标志农产品的溯源提供了一种解决方案。
-
结合高光谱成像与WGAN数据增强算法的小麦籽粒含水量无损预测
查看原文
2025
Food Research International
中科院一区JCR一区
Dianyang Sun, Li Zhang, Haitao Li, Weijie Lan, Kang Tu, Jun Liu & Leiqing Pan
计算机标签
卷积神经网络 生成对抗网络 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱食品标签
小麦 品质、结构与理化性质 光谱/色谱/质谱等分析方法含水量是显著影响谷物品质与安全的关键因素。本研究采用高光谱成像（HSI）与Wasserstein生成对抗网络（WGAN）预测单个小麦籽粒的含水量。为解决可见-近红外（Vis-NIR）与短波红外（SWIR）波段数据规模的差异，WGAN被设计为具有两种独立的网络结构，用于增强光谱与含水量数据。通过将生成数据与真实数据进行比较，并应用t-SNE降维算法，验证了生成数据的合理性。通过分别选择Vis-NIR和SWIR波段的最佳预处理方法和最有效波长，得到的最优回归模型分别为Vis-NIR波段的1st-derivative-SPA-CNN（R2p = 0.9371, RMSEP = 0.5717, RPD = 3.8955, RER = 15.2713）和SWIR波段的1st-derivative-Relieff-CNN（R2p = 0.8095, RMSEP = 1.0009, RPD = 2.3201, RER = 8.6116）。通过模型反演应用于单像素，实现了单个小麦籽粒内部含水量空间分布的可视化。总体而言，本研究提出了一种提高含水量预测准确性的新方法，从而改善了谷物加工质量和安全监控。
-
基于机器学习的酿酒酵母发酵中模拟罐头肉风味的挥发性化合物谱预测
查看原文
2025
npj Science of Food
中科院一区JCR一区
Lin Du, Shujie Wang, Yongyan Chen, Zhongxu Zhu, Hai-Xi Sun & Tsan-Yu Chiu
计算机标签
梯度提升决策树 主成分分析/判别分析 特征工程与选择策略 定量预测/回归分析 设计/生成与推荐 质构/流变/感官数据食品标签
特征风味 风味组学香气与精密发酵以激动人心的方式融合，使得芳香化合物的精确生产成为可能。精密发酵利用工程微生物高精度地创造和精炼气味与香气，允许定制化香气，为烹饪体验和消费品开辟了新的可能性。本研究汇编了来自罐头肉和发酵产品的挥发性化合物结构化数据，旨在训练机器学习模型，以预测酿酒酵母中的挥发性化合物并模拟肉类香气。我们提出了一个涵盖数据生成与预处理、特征选择、模型构建和评估的框架。主成分分析确保了数据质量控制，而基于嵌入法的特征选择识别了关键的挥发性化合物。开发了一个两阶段模型来量化挥发性化合物的重要性并预测肉类香气，其中梯度提升决策树模型表现出最优性能。我们的研究为通过发酵模拟肉类香气提供了指导，为植物基肉类调味提供了一种有前景的方法。
