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
-
基于智能手机的便携式荧光传感器用于选择性检测亚硝酸根离子：金纳米粒子的介导作用
查看原文
2022
Food Chemistry
中科院一区JCR一区
Kitayanan Ponlakhet, Kittirat Phooplub, Nopphakon Phongsanam, Thirakan Phongsraphang, Samuch Phetduang, Chayada Surawanitkun, Chittanon Buranachai, Watcharin Loilome & Wittaya Ngeontae
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
食品安全与风险评估 光谱/色谱/质谱等分析方法本研究研发了一种基于荧光法、简便便携的亚硝酸盐（NO 2−）检测装置。该装置由暗箱与智能手机组成，暗箱内集成低功率蓝光 LED 作为激发光源，智能手机搭配用于 RGB 分析的移动应用程序作为光信号检测器。检测体系采用实验室合成的十六烷基三甲基溴化铵稳定化金纳米颗粒（CTAB-AuNPs）作为传感介质：NO2−可刻蚀 CTAB-AuNPs 生成金离子（Au3+），Au3+在过氧化氢（H2O2）存在下催化邻苯二胺（OPD）氧化，生成 2,3 - 二氨基吩嗪（DAP）；体系中加入曲拉通 X-100（TX-100）胶束可增强 DAP 的荧光发射信号。智能手机以 RGB 强度值记录 DAP 的荧光强度，该强度与NO 2−浓度呈线性相关。该方法的线性检测范围宽（0.5~100 μmol/L），检出限低至 0.17 μmol/L，且对NO2−具有优异的选择性，可排除其他阴离子的干扰。
-
利用纸色谱阵列和神经网络非破坏性多重鉴别海鲜中的病原微生物与腐败菌群
查看原文
2022
Food Research International
中科院一区JCR一区
Manyun Yang, Yaguang Luo, Arnav Sharma, Zhen Jia, Shilong Wang, Dayang Wang, Sophia Lin, Whitney Perreault, Sonia Purohit, Tingting Gu, Hyden Dillow, Xiaobo Liu, Hengyong Yu & Boce Zhang
计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
鱼肉 微生物安全 过程监测与在线检测 其他方法对人类食源性病原体的非破坏性检测对于确保食品安全和公共卫生至关重要。本文报道了一种利用纸色谱阵列耦合机器学习神经网络（PCA-NN），通过挥发性有机化合物传感来检测海鲜中存在背景菌群和腐败菌情况下的活体病原体的新方法。本研究以摩根氏菌（Morganella morganii）和腐败希瓦氏菌（Shewanella putrefaciens）分别作为模型病原菌和腐败菌。研究评估了单菌培养和混合多重培养中的微生物检测效果。PCA-NN检测的准确性首先在标准培养基上进行评估，随后在以鳕鱼和三文鱼作为真实海鲜模型、含有病原菌、腐败菌以及背景菌群的条件下进行了验证。在本研究中，PCA-NN方法成功地从海鲜的菌群（无论是否存在常见的腐败菌——腐败希瓦氏菌）中鉴别出了病原微生物，准确率在90%至99%之间。该方法无需富集、培养或其他样品前处理步骤即可实现对食品的非破坏性病原体监测，有望推动智能包装技术的发展。
-
基于深度学习的中国市售食品图像营养素估算应用
查看原文
2022
Food Chemistry
中科院一区JCR一区
Peihua Ma , Chun Pong Lau, Ning Yu, An Li & Jiping Sheng
计算机标签
智能手机/其他 深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
显微与成像技术随着深度学习（DL）模型的商业化应用，基于智能手机图像的日常精准膳食记录得以实现。本研究将深度学习技术应用于图像识别任务，提出一套由大数据驱动、可从食物图像回归预测营养成分含量的深度学习模型体系。研究构建并公开发布了首个面向中国市场的食物图像数据库，命名为ChinaMartFood-109。该数据库包含 10921 张食物图像，涵盖 23 项营养成分指标，覆盖 18 个主要食物类别。研究结合其他前沿深度卷积神经网络对 Inception V3 模型进行优化，其 Top-1 识别准确率最高可达 78%，Top-5 准确率最高可达 94%。此外，本研究对比了三种营养成分估计算法，其中 归一化 + 算术均值（AM） 组合方法相较于算术均值、调和均值方法，取得了最优的回归决定系数（R2），在理论与实际应用层面均验证了该方法的可行性。上述理想结果为人工智能技术在食品分析领域的应用提供了进一步的支撑依据。
-
利用红外热成像技术预测不同品种菠萝在贮藏期间的品质
查看原文
2022
Food Control
中科院一区JCR一区
Maimunah Mohd Ali, Norhashila Hashim, Samsuzana Abd Aziz, & Ola Lasekan
计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据食品标签
新鲜水果 品质、结构与理化性质 理化与结构表征 常量营养素（宏量）红外热成像技术是监测各类农产品品质与安全的高效技术手段。本研究借助红外热成像技术，探究贮藏期间菠萝的品质变化规律。实验选取多个品种的新鲜采收菠萝，分别置于 5℃、10℃、25℃条件下贮藏 21 天，每个贮藏温度梯度下各设置 360 份样本。研究人员对热成像图进行分割处理，基于图像参数完成特征筛选；同时采用标准参考方法，测定不同品种菠萝的多项理化指标，包括硬度、pH 值、可溶性固形物含量、含水量及色泽参数。研究发现，图像参数与菠萝理化指标间存在显著相关性，且不同贮藏处理条件的交互作用也会对二者关联关系产生显著影响。基于偏最小二乘回归算法构建菠萝品质预测模型，结果显示，该模型对所有品种菠萝各项品质指标的预测决定系数（R 2）均高达 0.94。此外，研究证实，10℃是维持菠萝各项理化特性稳定的最适贮藏温度。利用支持向量机算法对不同品种、不同贮藏温度下的图像参数差异进行判别分析，模型总体分类准确率达 97% 以上。综上，红外热成像技术可作为一种无损检测手段，实现对菠萝贮藏品质的精准监测，这一技术有望优化不同贮藏条件下菠萝的采后处理工艺与生产作业流程。
-
基于智能手机比色法的金枪鱼样品掺假研究
查看原文
2022
Food Chemistry
中科院一区JCR一区
Roberto Sáez-Hernández, Kevin U. Antela, Adela R. Mauri-Aucejo, Angel Morales-Rubio & M. Luisa Cervera
计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法本研究分别采用光谱辐射计与智能手机作为采集设备，对掺伪的金枪鱼样品进行色度分析。研究以黄鳍金枪鱼（Thunnus albacares）肉片为对象，分别使用硝酸盐、亚硝酸盐，以及两种不同植物提取物（甜菜根与萝卜）进行处理，并采用高效液相色谱 - 二极管阵列检测器（HPLC-DAD） 测定样品中亚硝酸盐（NO 2−）和硝酸盐（NO 3−）的含量。结果表明，亚硝酸盐与甜菜根提取物均能有效充当金枪鱼的着色剂，硝酸盐同样具备着色效果；而经萝卜提取物处理后，鱼肉最终呈现偏白的色泽。整体而言，该检测方法可获取色度数据，进而实现对不同掺伪着色剂的区分判别。
