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
-
手持式近红外光谱与机器学习技术集成用于鸡肉真实性的“测量与监测”研究
查看原文
2020
Food Control
中科院一区JCR一区
Hadi Parastar, Geert van Kollenburg, Yannick Weesepoel, André van den Doel & Lutgarde Buydens b, Jeroen Jansen
计算机标签
偏最小二乘法 支持向量机 深度学习 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
禽肉 光谱/色谱/质谱等分析方法本研究将便携式手持式近红外（NIR）光谱技术与前沿分类算法相结合，建立了一套高效的鸡肉真伪鉴别方法。研究结果表明，利用近红外光谱不仅可以区分鲜肉与解冻肉，还能以较高准确率根据肉鸡养殖条件对鸡胸肉进行正确分类。在所有试验中， 随机子空间判别集成算法（RSDE） 的性能均显著优于偏最小二乘判别分析（PLS-DA）、人工神经网络（ANN）、支持向量机（SVM）等常用分类方法，分类准确率超过 95%。本研究证实，手持式近红外光谱结合机器学习算法，可作为一种实用、快速、无损的检测工具用于鸡肉真伪鉴别。通过对比并组合不同的近红外光谱采集方案（即透过包装检测与直接接触肉样检测），本研究展示了该技术可供普通消费者与食品监管部门使用，用于核验包装鸡胸肉的真伪与来源的应用潜力。
-
利用荧光光谱与机器学习算法光学检测杏仁粒中的黄曲霉毒素B
查看原文
2020
Food Control
中科院一区JCR一区
F.R. Bertani, L. Businaro, L. Gambacorta, A. Mencattini c, D. Brenda, D. Di Giuseppe, A. De Ninno, M. Solfrizzo, E. Martinelli & A. Gerardino
计算机标签
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） 食品安全与风险评估 光谱/色谱/质谱等分析方法黄曲霉毒素是由多种真菌广泛产生的真菌代谢产物，可污染各类食用农产品。该毒素与多种急慢性疾病密切相关，尤其会引发免疫抑制与癌症，因此相关研究已十分深入，其在食品中的残留水平也受到全球范围内的严格监测与管控。黄曲霉毒素的检测与定量分析主要依赖以色谱技术为核心的化学方法，以及近年发展的免疫化学检测法；这类方法虽各有优势，但也存在局限，均属于成本较高的有损检测技术。近年来，无损光学检测技术不断发展，可在保证适宜准确度与重复性的前提下，高效、经济地判别样品是否受污染。本文介绍了采用一款简易便携式设备对杏仁中黄曲霉毒素进行无损检测的研究结果。该方法以 375 nm 波长激发，通过分析杏仁匀浆的荧光光谱实现检测。实验所用杏仁为人工污染样品，经高效液相色谱 - 荧光检测法（HPLC/FLD）测定，总黄曲霉毒素 B（AFB₁ + AFB₂）含量范围为 2.7–320.2 ng/g。在光谱预处理后，研究基于支持向量机（SVM）算法构建二分类模型进行光谱分析，并对分类结果采用多数投票法进行决策。当设定阈值为 6.4 ng/g 时，该方法最优分类准确率可达 94%，假阴性率为 5%。上述结果证实，该技术路线可用于食品与饲料安全领域中黄曲霉毒素检测这一重大难题，具备切实可行性。
-
利用激发-发射矩阵荧光与化学计量学方法快速检测芝麻油的真实性与掺假
查看原文
2020
Food Control
中科院一区JCR一区
Yuan-Yuan Yuan, Shu-Tao Wang, Jun-Zhu Wang, Qi Cheng, Xi-Jun Wu & De-Ming Kong
计算机标签
偏最小二乘法 支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法芝麻油（SO）属于高品质食用油，价格高于其他食用油脂，因而成为经济利益驱动型掺假的目标。本研究采用基于 激发 - 发射矩阵荧光（EEM） 与化学计量学的方法，实现芝麻油的快速判别与真伪鉴定。首先通过 五因子交替三线性分解（ATLD） 模型，初步完成食用油样品中荧光组分的表征，获取具有实际化学意义的特征信息；随后采用线性判别分析（LDA）、偏最小二乘判别分析（PLS-DA）、支持向量机（SVM）、展平偏最小二乘判别分析（UPLS-DA）四种化学计量学方法，分别构建两类模型：模型 1 用于芝麻油与其他食用油的区分判别，模型 2 用于芝麻油及掺伪芝麻油的真伪鉴定。所有模型均取得良好的分类效果。二阶校正算法（ATLD）与模式识别算法（LDA、PLS-DA、SVM）联用，既实现了食用油中组分的表征，又完成了掺伪芝麻油的快速检测。该方法快速准确、样品前处理简便，可用于高品质食用油的真伪鉴定与掺假检测。
-
使用机器学习方法和合成少数类过采样技术预测韩国韩牛牛肉的大理石花纹评分和胴体性状
查看原文
2020
Meat Science
中科院一区JCR一区
Saleh Shahinfar, Hawlader A. Al-Mamun, Byoungho Park, Sidong Kim & Cedric Gondro
计算机标签
支持向量机 智能手机/其他 定量预测/回归分析 质构/流变/感官数据 大规模数据集食品标签
畜肉 品质、结构与理化性质 生产管理与数字化工厂韩国市场上韩牛牛肉的定价主要基于肉质，尤其是大理石花纹评分。在动物生命早期准确预测大理石花纹评分的能力对于生产者满足目标市场需求和进行遗传选择非常有价值。本研究共有3989头韩国韩牛（其中2108头具有50k SNP基因型）和45个性状特征可用。应用四种机器学习算法预测六个胴体性状，并与线性回归预测模型进行比较。在大多数情况下，SMO是表现最佳的算法。预测最准确和最不准确的性状分别是胴体重量和大理石花纹评分，相关性分别为0.95和0.64。此外，评估了使用合成少数类过采样技术（SMOTE）的价值，结果显示大理石花纹评分的预测误差略有改善。机器学习方法可以成为预测肉牛重要胴体性状的有用工具。
