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 393 条结果
-
紫外荧光成像技术用于猪肉新鲜度的实时无损监测
查看原文
2022
Food Chemistry
中科院一区JCR一区
Qibin Zhuang, Yankun Peng, Deyong Yang, Sen Nie, Qinghui Guo, Yali Wang & Renhong Zhao
计算机标签
偏最小二乘法 定量预测/回归分析 可见光/RGB/视频数据食品标签
畜肉 品质、结构与理化性质 冷藏与冷冻保藏 显微与成像技术本研究旨在开发一套低成本荧光成像系统，用于快速监测冷藏条件下猪肉的新鲜度指标。该系统采集猪肉的荧光图像，并从中提取颜色特征，构建偏最小二乘回归（PLSR） 模型，以预测猪肉中的总挥发性盐基氮（TVB-N）、 菌落总数（TVC） 与 pH 值。单一模型下，TVB-N、TVC、pH 的预测决定系数Rp分别为 0.92、0.88、0.74，相对预测偏差（RPD）依次为 2.24、2.03、1.19。其中 TVB-N 与 TVC 的预测效果表明，该模型的预测能力与荧光高光谱成像基本相当。将荧光成像与彩色成像联用后，模型预测性能得到提升：TVB-N、TVC、pH 的Rp分别达到 0.94、0.93、0.85，RPD 分别为 2.62、2.59、1.95。综上，本研究开发的系统在实时检测多数猪肉品质指标方面具备良好应用潜力。
-
食品结构、功能与人工智能
查看原文
2022
Trends in Food Science & Technology
中科院一区JCR一区
Carlo Mengucci, Pasquale Ferranti, Annalisa Romano, Paolo Masi, Gianfranco Picone & Francesco Capozzi
计算机标签
模型设计/优化策略 定量预测/回归分析 设计/生成与推荐 模拟与数字孪生 可见光/RGB/视频数据 合成/仿真数据为主食品标签
品质、结构与理化性质 营养与生物功能 感官科学与消费者研究 过程控制与数字化 数值仿真背景：食品结构的复杂性阻碍了其被纳入预测食品特性和转化的数学模型中，尽管人工智能的应用为此提供了重要动力。事实上，目前的食品定义忽略了结构描述，即使在那些已证明结构具有决定性作用的领域（如营养学）也是如此。
范围与方法：本综述旨在分析当前关于食品结构的知识及其在数字化定义感官和营养品质以及稳定性方面的潜在用途。基于此信息，探索了一种可能的方法，以（甚至自动化地）建立用于模拟和预测食品特性的数学模型。提出了一个模型流程，并将其应用于意大利面，特别是利用烹饪过程中发生的结构变化的描述。
主要发现与结论：食品可以在计算机中进行设计，基于从结构图像和水的动态状态数据中直接提取流变学和感官特性信息的自动化流程。这些方法的最终目标是减少对昂贵且耗时的物理制备食品实验的依赖，转而使用实验室设计的食品数字孪生。 -
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。
-
用于食品样品中乐果农药现场测定的智能手机集成打印纸传感器设计
查看原文
2022
Food Chemistry
中科院一区JCR一区
Sanyukta Patel, Kamlesh Shrivas, Deepak Sinha, Monisha, Tarun Kumar Patle, Sanjay Yadav, Santosh Singh Thakur, Manas Kanti Deb & Shamsh Pervez
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
化学污染物 显微与成像技术 光谱/色谱/质谱等分析方法本文设计了一种操作简便、便携化、集成智能手机的纸质印刷传感器，该传感器以 铜银核壳纳米颗粒（Cu@Ag NPs）为传感单元，用于食品样品中乐果（dimethoate） 农药的现场检测，并将检测结果与紫外 - 可见分光光度法进行对比。该传感器识别乐果的工作原理为：将农药滴加至制备好的传感试纸或装有纳米颗粒的玻璃样品瓶后，黄色的纳米颗粒体系变为橘黄色，同时伴随特征吸收峰发生红移（bathochromic shift）。研究采用智能手机色彩识别 App 与比色法，实现食品中乐果的定量分析。纸质传感器与比色法检测乐果的线性范围分别为100～2000 μg/L和50～2500 μg/L，检出限分别为30 μg/L和16 μg/L。相较于其他基于纳米颗粒的比色检测方法，智能手机联用纸质传感装置的优势在于：检测快速、无需大型仪器、且纳米颗粒试液消耗量更低，经济高效。
-
基于红菜花青素的鱼新鲜度预测标签研究
查看原文
2022
Food Control
中科院一区JCR一区
Shuliang Fang, Zhihao Guan, Cheng Su, Wenshuo Zhang, Jian Zhu, Yuewei Zheng, Houbin Li, Pingping Zhao, & Xinghai Liu
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
鱼肉 品质、结构与理化性质 包装与智能监测 显微与成像技术近年来，可精准评估食品新鲜度的生物安全型比色标签已成为研究热点。本研究将紫甘蓝花青素标签与反向传播（BP）神经网络相结合，构建了一套鱼肉新鲜度监测系统。实验以从紫甘蓝中提取的花青素作为显色响应色素，以羧甲基壳聚糖 / 氧化海藻酸钠（CMCS/OSA）为固相基质，将二者分散于硅溶胶中，通过丝网印刷法制备得到比色标签。该标签摒弃了传统比色卡比对的方法，可直接通过手机识别以获取食品新鲜度信息。在鱼肉贮藏过程中，花青素会随环境 pH 值变化产生响应，驱动标签呈现出连续的颜色梯度变化。由于计算机对色彩变化的敏感度远高于人眼，研究人员根据鱼肉新鲜度等级将标签划分为三类。利用带有标注信息的紫甘蓝花青素标签图像训练 BP 神经网络，模型对鱼肉新鲜度的预测总体准确率达 92.6%。将该 BP 神经网络整合至智能手机应用程序中，即可构建一套操作简便的检测系统，实现比色标签的快速扫描与鱼肉新鲜度的实时判定。该系统可应用于食品供应链全流程的质量管控。
