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
-
TTI和pH响应双比色传感器阵列结合级联深度学习方法，用于动态监测新鲜切片水果的新鲜度
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
逻辑回归/贝叶斯 卷积神经网络 特征工程与选择策略 定量预测/回归分析 缺陷/异物检测与定位 可见光/RGB/视频数据食品标签
新鲜水果 货架期预测与品质劣变动力学 智能/指示型包装 显微与成像技术动态监测新鲜切片水果的保质期面临温度波动和冷链包装失效的挑战，导致理论预测与实际变质不符。本研究开发了一种结合pH响应指示器和时温积分器（TTI）的双比色传感器阵列，以克服单参数限制。基于甲基纤维素的系统整合了（1）对CO₂敏感的pH染料（甲基红/溴甲雷硅绿），通过pH变化追踪新鲜度，以及（2）利用温度依赖的HAuCl₄-l-抗坏血酸反应产生的TTI元素，产生金纳米颗粒的颜色转变。储存过程中包装气氛的变化——如二氧化碳积累——会激活传感器。该阵列在结构和环境方面表现出强烈的稳定性。结合对象检测（YOLOv8）、特征提取（ResNet-18）和贝叶斯建模的级联深度学习框架，在预测芒果/猕猴桃保质期方面实现了93.3%的准确率——分别比独立的TTI和pH传感器提升35%和18%。该系统支持基于智能手机的实时监控和自动警报，为冷链新鲜度追踪提供了实用工具。
思考过程与原因：该研究的对象是芒果和猕猴桃（新鲜切片水果），归类为新鲜水果（A41）。研究的核心目的是解决冷链中的保质期预测（Shelf-life monitoring）问题，属于货架期预测与品质劣变动力学（B25），且使用了TTI和pH响应双比色传感器阵列，属于智能/指示型包装（B63）。主要检测手段是通过智能手机获取传感器阵列的颜色变化，属于光谱/成像技术（C13，比色/图像分析）。在AI与数字化维度，研究采用了一个级联深度学习框架，具体包括用于对象检测（Object detection）的YOLOv8（E23），用于特征提取的ResNet-18（E45），以及用于最终预测的贝叶斯建模（Bayesian modeling，E17）。模型的任务包括对传感器进行定位的缺陷/异物/目标检测（F03）以及对保质期的定量预测（F02） -
人工智能驱动的食品质量预测：应用机器学习集合模型动态预测猪肉pH值和肉色变化
查看原文
2024
Food Chemistry
中科院一区JCR一区
计算机标签
随机森林 梯度提升决策树 定量预测/回归分析 多模态/融合数据 大规模数据集食品标签
畜肉 品质、结构与理化性质 统计建模与仿真 蛋白质与氨基酸本研究采用食品化学驱动的方法，预测屠宰猪肉的质量动态，重点关注控制pH变化和肉色变化的生化机制，持续48小时。肌红蛋白氧化还原状态的相互转化以及糖解反应的级联反应通过复杂的化学途径从根本上决定肉质质量。利用来自24个品种的1284头猪的多源数据，我们开发并优化了机器学习集合模型，包括LightGBM、XGBoost和Random Forest，以捕捉这些化学转化。我们的集合学习方法在R条件下实现了更优的预测精度2 pH值和颜色属性均超过0.7。特征重要性分析揭示了早期pH值和肌肉结构特征作为关键预测因子，与厌氧糖解理、蛋白质变性动力学和肌红蛋白氧化还原反应等关键生化过程相符。这些见解强调了化学机制与感官特征之间的复杂相互作用，为传统评估方法提供了更精确的替代方案。本研究确立的猪肉质量预测化学基础，提供了一个可扩展的框架，整合遗传、环境和加工因素，最终通过 应用食品化学原理，提升肉类生产中的质量控制、精准性和可持续性。
思考过程与原因：该研究的目标是在猪肉（A21）和牛奶（A31）中检测四环素类（D85/抗生素残留），这属于食品安全中的化学污染物（B52）。研究方法是开发基于Eu/Ce-MOFs的比例荧光传感器（C14，光谱分析）。在AI与数字化方面，系统利用智能手机成像获取比色或荧光变化（属于常规图像数据G11），并通过集成的机器学习算法（E01）对荧光比率信号进行处理和建模，实现了对多种四环素的定量预测（F02）。 -
基于智能手机的实时、可逆检测Co的分析平台2+镍2+铜2+，以及Zn2+离子
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据食品标签
其他谷物与块根 化学污染物 光谱/色谱/质谱等分析方法 锌 其他矿物质本研究探讨了新的Schiff碱基配体（Z）-N′-（1-（2-羟基-5-甲氧基苯基）乙基苯甲基（L）-3-甲氧基苯并肼（L），作为一种便携且选择性检测Co的传感器2+镍2+铜2+，以及Zn2+离子。我们假设L可以通过光学变化实现实时、可逆的金属离子传感，并适用于基于智能手机的分析。通过紫外-可见光、荧光、环伏安法和核磁共振技术研究了金属配体的相互作用。配体形成了一个1：1的复合体，结合亲和力良好且检测限低。赤眼比色变化和荧光反应使得通过智能手机应用评估RGB值进行视觉检测和定量分析。感测过程在Na中是可逆的2EDTA，且在中性pH范围内有效。该传感器成功应用于带刺水样和发芽种子。这些结果证实了初步假说，并凸显了L作为低成本、高效工具的潜力，用于监测这些离子，用于食品质量评估、环境安全和医疗应用。
思考过程与原因： 该研究的测试对象包括发芽种子（Germinated seeds），归类为其他谷物与块根（A17）（或可视作种籽类食材）；研究目标是检测钴、镍、铜、锌等金属离子，这些既是矿物质也是潜在的重金属污染物，故归类为化学污染物/重金属（B52）。具体的成分标签中，锌对应锌（D43），钴、镍、铜对应其他矿物质（D46）。主要检测手段是基于Schiff碱配体的紫外-可见/荧光光谱分析（C14）。在AI与数字化方面，研究利用智能手机采集颜色/荧光信号（常规图像数据G11），并通过评估RGB值建立浓度与信号的关系（属于基础统计学习E01），实现了对金属离子的定量分析（F02）。 -
结合元素组学、代谢组学和化学计量学的方法，作为识别黑胡椒地理起源的工具
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据 多模态/融合数据食品标签
其他添加剂与配料 质量管理与追溯系统 代谢组学 其他组学方法 矿物质与微量元素黑胡椒是全球使用最广泛且具有高市场价值的香料之一。其供应链、复杂性和经济价值使其容易陷入欺诈。确定这种香料的来源对于保护价值链中所有利益相关者至关重要。我们探索了元素组学、无靶向代谢组学和化学计量学方法，追踪黑胡椒的地理来源。共收集了来自巴西、柬埔寨、印度、印度尼西亚、越南五个国家的150个黑胡椒样本，并使用ICP-MS和LC/QTOF-MS分别分析样本的元素指纹和化学指纹。多变量分析采用化学计量技术以区分和分类样品的来源。通过采用数据融合方法，进一步进行了地理区分。ICP-MS显示出85%的分类准确率，而LC/QTOF-MS和数据融合方法则实现了100%的辨别率。我们的发现为结合元素组学、代谢组学和化学计量学技术，用于防止黑胡椒认证，提供了实证证据。
-
云集成微流控荧光感测平台，采用UCNP/Fe3O4@Cu纳米探针，用于同时和现场多农药残留检测，并可借助智能手机辅助
查看原文
2025
Food Chemistry
中科院一区JCR一区
计算机标签
机器学习/统计学习 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 过程监测与在线检测 光谱/色谱/质谱等分析方法 其他特殊成分快速高效地检测农药残留对于确保食品安全至关重要。我们开发了一款智能手机辅助多通道微流控纸质设备（MCPD）生物传感器，集成云平台，可同时检测草甘膦（Gly）、马拉硫磷（Malathion）和对乙酰氨基啶（Ace）。通过通过耦合上转换纳米粒子（UCNPs）与铁制造的纳米探针，检测区的功能化3O4@Cu。在有靶点存在时，荧光强度会逐渐恢复，并可通过光谱仪和智能手机检测。在最佳条件下，MCPD对Gly、Mal和Ace的快速响应时间为25分钟，荧光检测限分别为0.133、0.181和0.232 ng/mL，基于图像的检测限分别为0.493、0.346和0.285 ng/mL。该方法与HPLC方法无显著差异。此外，基于安卓的云平台支持实时图像分析和数据存储。该MCPD生物传感器代表了一个灵敏高效、用于现场监测多目标的平台。
思考过程与原因：该研究的目标是检测草甘膦、马拉硫磷和对乙酰氨基啶等多种农药残留，这属于食品安全中的化学污染物（B52）检测，且针对的农药（Pesticides）归类为其他特殊成分（D85）。研究强调了现场监测（On-site monitoring）和云平台集成，符合过程监测与在线检测（B91）的特征。主要检测手段是基于荧光恢复的微流控装置，属于光谱分析方法（C14）。在AI与数字化维度，系统通过智能手机采集检测区域的图像数据（G11），并通过云平台进行图像分析（基于颜色强度的统计学习E01），从而实现对多种农药残留浓度的定量预测（F02）。
