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
-
结合高光谱成像与集成学习快速无损检测小麦品种及混合比例
查看原文
2023
Food Control
中科院一区JCR一区
计算机标签
机器学习/统计学习 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
小麦 质量管理与追溯系统 光谱/色谱/质谱等分析方法小麦是酿造中国白酒的主要原料，其品种差异与配比不同会直接影响白酒的品质与风味。本研究将高光谱成像技术（HSI）与集成学习模型相结合，开展小麦品种的分类鉴别及配比的定量检测研究。
研究分别提取了每粒小麦籽粒的光谱信息、纹理特征与形态特征；采用基于密度的噪声应用空间聚类算法（DBSCAN） 剔除异常数据，并通过萨维茨基 - 戈雷卷积平滑结合多元散射校正（SG-MSC） 方法对小麦样品的光谱数据进行预处理。随后，利用竞争性自适应重加权采样算法（CARS） 筛选特征波长，并对比了以特征光谱数据、图像特征及融合数据作为输入时，BP-Adaboost 集成模型的分类效果。
验证集的识别结果与可视化分析表明，特征光谱数据与形态特征相融合的建模方案分类效果最优，平均分类准确率达 92.29%，配比预测的最大偏差范围为 5%。即便增加小麦的分类类别，该方法仍能取得优良的检测效果。
综上，本研究证实，将高光谱成像技术获取的多维度融合数据与集成学习模型相结合，可有效实现小麦品种的分类鉴别与配比检测，具备实际应用的可行性。 -
基于机器学习的pH响应型比色传感器阵列用于牛肉新鲜度实时监测
查看原文
2023
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 随机森林 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 时序传感器/物联网数据食品标签
畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法本研究开发了一种基于pH 响应型比色传感阵列（CSA） 的新型技术策略，将其与机器学习模型相结合，通过检测挥发性盐基氮（TVB-N）含量实现牛肉新鲜度的高效实时监测。
研究共计算得到 168 个颜色特征参数，并采用序贯前向选择法（SFS）、随机森林算法（RF）及主成分分析法（PCA），筛选出对 TVB-N 含量变化具有敏感性的有效颜色特征。在此基础上，分别基于全颜色特征与有效颜色特征，构建偏最小二乘回归（PLSR）线性模型，以及随机森林回归（RFR）、支持向量机回归（SVR）非线性模型，对 28℃贮藏条件下牛肉的 TVB-N 含量进行预测。结果显示，RF-SVR 组合模型性能最优，其预测决定系数（Rp2）达 0.9596，预测均方根误差（RMSEP）为 1.89 mg/100g，相对预测偏差（RPD）为 4.98。
此外，研究将基于 RF-SVR 模型的 pH 响应型比色传感阵列应用于 4℃冷藏牛肉的新鲜度定量分析，并采用牛肉 TVB-N 含量标准检测方法进行验证。结果表明，比色传感阵列结合机器学习技术，可作为一种客观、无损的检测工具，通过监测 TVB-N 含量实现牛肉新鲜度的精准评价。 -
基于340 nm激发荧光光谱的牛肉品质快速评估方法
查看原文
2023
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 定量预测/回归分析 红外/拉曼光谱数据食品标签
畜肉 品质、结构与理化性质 颜色与外观品质 其他品质相关性质 光谱/色谱/质谱等分析方法本研究探究了340 nm 激发波长荧光光谱技术在冷藏贮藏期间牛背最长肌品质指标快速检测中的应用潜力。监测的品质指标包括沃布剪切力、持水性（蒸煮损失与汁液流失率）、pH 值及色泽参数（亮度值L ∗、红度值a ∗、黄度值b ∗）。实验发现，烟酰胺腺嘌呤二核苷酸（NADH）与卟啉类物质的荧光特性与上述品质指标均呈高度相关。为消除各牛肉品质指标间的多重共线性，本研究通过主成分分析法构建了一个全面有效的综合评价指标。基于该指标，采用偏最小二乘算法建立牛肉品质定量预测模型。结果显示，综合指标模型的预测效果良好：校正决定系数（R c2）达 0.912，预测决定系数（R p2）为 0.903；校正均方根误差（RMSEC）为 0.488，预测均方根误差（RMSEP）为 0.581。
综上，该方法可用于冷藏牛肉品质的可靠评估。 -
拉曼光谱技术在原奶成分在线测量中的应用潜力
查看原文
2023
Food Control
中科院一区JCR一区
计算机标签
偏最小二乘法 定量预测/回归分析 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 蛋白质与氨基酸 脂质与脂肪酸 碳水化合物与糖类原料乳成分的在线测量方法对乳制品行业颇具益处，因为它允许加工商在乳品进入加工流程前做出及时的决策（如标准化）。这有助于加强操作控制，并具有提高加工效率的潜力。拉曼光谱因其能够测量水环境中的大分子且与在线测量兼容，成为一种具有潜在商业价值的技术。本研究探讨了拉曼光谱测量原料乳中主要成分（脂肪、蛋白质和乳糖）的适用性。研究使用连接光纤探头的拉曼光谱仪分析了 80 个原料乳样品。在建模之前，考虑了温度等过程变量的变化以及搅拌对拉曼光谱特征（强度、形状和波长偏移）的影响。由于脂肪、蛋白质和乳糖在原料乳拉曼光谱中的响应存在重叠，因此开发了多元回归模型用于定量分析。所开发的偏最小二乘（PLS）回归模型预测了原料乳中脂肪、蛋白质和乳糖的百分比，其预测均方根误差（RMSEP）分别为 0.15、0.11 和 0.04，预测决定系数（R²p）分别为 0.96、0.89 和 0.89，相对分析误差（RPD）分别为 8.16、3.16 和 2.89。
-
基于高光谱成像技术的紫鹃茶鲜叶花青素含量检测
查看原文
2023
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 K-近邻 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 高光谱/多光谱光谱食品标签
茶/茶饮料 其他品质相关性质 光谱/色谱/质谱等分析方法 花青素与类胡萝卜素花青素是决定紫娟茶鲜叶色泽及感官品质的特征性物质。依靠人工视觉定性判定紫娟茶鲜叶中的花青素含量，易导致成品茶品质参差不齐。
本研究采集了紫娟茶鲜叶在400~956 nm 波段的高光谱图像，分别采用 K 近邻算法（KNN）与支持向量机（SVM）模型开展鲜叶嫩度等级判别，并在主成分分析的基础上，构建偏最小二乘回归（PLSR）与支持向量机回归（SVR）模型进行定量预测。结果表明，SVM 模型的嫩度等级判别准确率优于 90%；变量组合种群分析（VCPA）及结合迭代信息变量保留法的变量组合种群分析（VCPA-IRIV）两种算法可有效简化模型结构，且模型预测决定系数均高于 0.92。
针对总花青素、矢车菊素 - 3,5-O - 二葡萄糖苷、矢车菊素 - 3-O - 葡萄糖苷及矮牵牛素四类指标的最优预测模型分别为VCPA+SVR、VCPA-IRIV+SVR、VCPA-IRIV+PLSR 及 VCPA+PLSR，对应的残差预测值（RPD）分别为 3.233、2.868、3.529 和 3.298。研究通过可视化不同嫩度样品中花青素的空间分布特征，实现了总花青素含量的直观呈现。
综上，本研究建立了一种快速无损的检测方法，可同步实现紫娟茶鲜叶嫩度等级划分与品质成分定量分析，为该特色色泽茶树品种的鲜叶采摘质量管控提供技术支撑。
