类目筛选(食品学者)
-
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
-
-
深度筛选(计算机学者)
-
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
-
-
标签记录(食品学者)
标签记录(计算机学者)
共 114 条结果
-
基于机器学习技术的油品掺假高光谱识别
查看原文2024
Current Research in Food Science
中科院一区JCR一区Muhammad Aqeel, Ahmad Sohaib, Muhammad Iqbal, Hafeez Ur Rehman & Furqan Rustam
食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
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 分类/鉴别/等级评定 高光谱/多光谱光谱食品掺假是一个全球性问题,因其潜在的健康风险而引起了安全机构的关注。检测和分类油脂掺假情况对消费者安全和食品行业的诚信至关重要。本研究探索了高光谱成像(HSI)分析技术,以识别不同阶段的劣质油脂掺假问题。研究使用非破坏性的HSI Specim Fx 10系统,提出了一种基于成像的精确且简便的欺诈检测与分类方法。研究对670个油脂样本进行了分析,其中包括纯油脂样本(杏仁油、芥末油、椰子油、橄榄油)和掺假油脂样本(葵花籽油、蓖麻油、液体石蜡)。通过Savitzky-Golay滤波器对图像进行预处理,以去除噪声并平滑光谱特征。研究采用了多种机器学习方法对油脂进行识别,包括支持向量机、逻辑回归、线性判别分析、随机森林、决策树、K近邻和朴素贝叶斯,其中线性判别分析在识别方面表现优异。研究计算了包括精确率、召回率、F1分数和总体准确率在内的性能参数。所提出的方法实现了100%的验证准确率,优于众多最先进的方法。本研究构建了一个用于有效检测油脂掺假的稳健流程,为食品安全和质量控制领域带来了重大进展。
-
使用闪蒸气相色谱电子鼻结合机器学习快速鉴别和定量生乳中植物油掺假
查看原文2023
Food Control
中科院一区JCR一区Huaixiang Tian, Di Wu, Bin Chen, Haibin Yuan, Haiyan Yu, Xinman Lou, & Chen Chen
食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 支持向量机 随机森林 分类/鉴别/等级评定 时序传感器/物联网数据本研究建立了一种基于闪蒸气相色谱 - 电子鼻(FGC E-nose)技术结合四种机器学习算法的生乳植物油掺假检测方法。实验通过在脱脂乳样品中添加玉米油、棕榈油(PO)、大豆油及调和油,模拟生乳掺假场景。定性分析结果显示,随机森林(RF)与支持向量机模型的检测效果优异,分类准确率分别达 1.000 和 0.9565,F1 分数分别为 0.9625 和 0.9778。在掺假生乳的棕榈油含量定量分析中,对比四种算法的预测模型性能,随机森林算法表现最优,决定系数(R2)达 0.9792,均方根误差为 0.2583。模型验证阶段,通过实际样品检测进一步证实了所提方法在生乳植物油掺假检测中的有效性。综上,闪蒸气相色谱 - 电子鼻结合机器学习技术,可作为一种快速、精准检测生乳植物油掺假的有效手段。
-
精纯牛油果油中掺入精炼掺假油脂的深度学习定量检测
查看原文2023
Food Chemistry
中科院一区JCR一区Ana M. Pérez-Calabuig, Sandra Pradana-López, Andrea Ramayo-Muñoz, John C. Cancilla &John C. Cancilla
食品标签
植物油 食品安全与风险评估 显微与成像技术计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据本研究提出一种结合光学图像与深度学习算法的牛油果油掺假检测新方法。研究制备了掺入精炼橄榄油的牛油果油样品,掺假体积浓度范围为1%~15%。对不同样品分别采集两组图像,一组为明亮环境下拍摄,另一组为昏暗环境下拍摄,共计获取1800张图像。为实现两种环境下的图像采集,研究调整了相机曝光快门速度(明亮环境采用1/30秒,昏暗环境采用1/500秒)。采用残差神经网络(ResNet34)对采集到的图像进行处理与分类,针对两种拍摄环境分别构建专属模型。模型盲验证结果显示,图像分类准确率约达95%。
-
基于色素成分和支持载体机,掺杂其他食用油的特级初榨橄榄油分类与鉴定模型
查看原文2023
Food Chemistry
中科院一区JCR一区Cong-Hui Lu, Bao-Qiong Li, Quan Jing, Dong Pei & Xin-Yi Huang
食品标签
植物油 光谱/色谱/质谱等分析方法 食品安全与风险评估计算机标签
支持向量机 分类/鉴别/等级评定特级初榨橄榄油(EVOO)的掺伪鉴别是橄榄油行业的重要研究课题。本研究利用色素色谱指纹图谱数据结合机器学习方法,成功实现了对特级初榨橄榄油(EVOO)、精炼橄榄果渣油(R-POO)、菜籽油(RO)、大豆油(SO)、花生油(PO)、葵花籽油(SFO)、亚麻籽油(FO)、玉米油(CO)、菜籽油掺伪特级初榨橄榄油(EVOO-RO)以及玉米油掺伪特级初榨橄榄油(EVOO-CO)的鉴别与分类。采用支持向量机(SVM)对特级初榨橄榄油、其他食用油脂及掺伪特级初榨橄榄油进行分类鉴别,训练集样本鉴别准确率达100%,测试集样本鉴别准确率为94.44%。研究结果表明,该支持向量机模型可有效鉴别掺伪比例低至1%菜籽油和1%玉米油的特级初榨橄榄油。由此可见,该模型具备优异的分类与预测能力,说明色素可作为鉴别特级初榨橄榄油掺伪的潜在特征标志物。
-
橄榄油与“Galega Vulgar”的地理区分
查看原文2023
Food Chemistry
中科院一区JCR一区Nuno Rodrigues, Fátima Peres, Susana Casal, Arantzazu Santamaría-Echart, Filomena Barreiro, António M. Peres & José Alberto Pereira
食品标签
植物油 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据本研究选取葡萄牙七个产区的橄榄油,探究地理产地对橄榄油成分的影响。研究评估了橄榄油的品质指标、脂肪酸、生育酚、羟基酪醇与酪醇衍生物以及氧化稳定性。所有受试橄榄油均符合特级初榨橄榄油等级标准,且地理产地对橄榄油的化学组成具有显著影响。主成分分析进一步证实,地理产地对橄榄油的成分及间接对其稳定性均存在显著作用,表明所检测的各项指标可作为橄榄油产地溯源的特征标志物。此外,研究采用傅里叶变换红外光谱技术,构建了线性判别模型,经内部验证,该模型对橄榄油地理产地的平均识别准确率达99±3%,进一步印证了产地对橄榄油理化特性的影响。该研究结果预示,红外光谱技术未来可作为一种绿色、高效且无损的橄榄油产地真伪鉴别手段。