01 / 01

类目筛选(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

深度筛选(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

标签记录(食品学者)

清除全部筛选
暂无筛选

标签记录(计算机学者)

支持向量机

共 364 条结果

  • 利用高光谱成像和机器学习识别牛奶掺假

    2025
    Journal of Dairy Science
    中科院一区
    JCR一区
    查看原文

    Muhammad Aqeel, Ahmed Sohaib, Muhammad Iqbal, & Syed Sajid Ullah

    食品标签

    乳及乳制品 食品安全与风险评估 光谱/色谱/质谱等分析方法 传统统计分析与回归

    计算机标签

    支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 高光谱/多光谱光谱

    牛奶掺假问题在全球范围内都引起了关注,而发展中国家由于监管体系和政策的不完善,面临着更高的风险。令人惊讶的是,这一普遍问题在许多国家往往都被忽视了。与普遍看法相反,牛奶中的掺假物可能会导致严重的健康风险,甚至可能引发致命疾病。检测和分类牛奶掺假对于消费者安全和乳制品行业来说至关重要。这项研究分为两个突破性方法,即破坏性方法和非破坏性方法。在破坏性方法中,使用了乳糖扫描系统进行定性分析:SNF、密度、脂肪、乳糖、电导率、固体、蛋白质、温度和pH值。该研究还通过 HSI Specim Fx-10(397–1003 纳米;斯皮姆公司,光谱成像有限公司,芬兰奥卢)分析来研究非破坏性的高光谱成像(HSI),以检测牛奶掺假的各种阶段,从而实现准确且用户友好的基于成像的掺假物检测和分类。预处理包括辐射校正、图像缩放、感兴趣区域选择以提取特征、经验线法来计算光谱反射率特征。采用的机器学习技术包括逻辑回归、决策树、支持向量机和线性判别分析(LDA),其中 LDA 在通过学习光谱特征来识别掺假方面表现尤为出色。这些算法是使用开发的牛奶掺假数据集进行训练和验证的。训练、测试和验证的准确率、精度、召回率、F1 分数、卡帕值和马修斯相关系数等指标展示了所提出流程的有效性,其验证准确率达到了 100%,超过了众多最先进的方法。总之,本研究建立了一个能够检测牛奶掺假行为的多类模型,为牛奶质量评估提供了重要的实际应用价值。

  • 基于机器学习结合GC-TOF/MS和GC-IMS全面挥发性成分分析的果酒分类

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Changlin Zhou, Yashu Yu, Jingya Ai, Chuan Song, Zhiyong Cui, Quanlong Zhou, Shilong Zhao, Rui Huang, Zonghua Ao, Bowen Peng, Panpan Chen, Xiaoxiao Feng, Dong Li & Yuan Liu

    食品标签

    酒精饮料 感官评价与方法学 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 逻辑回归/贝叶斯 其他深度学习结构 分类/鉴别/等级评定

    果酒通过各种水果发酵制成,以其独特的风味特征而著称。本研究采用智能感官分析、GC-TOF/MS和GC-IMS对八种果酒(包括5种葡萄酒SJ、LS、HY、TJ、FT,1种发酵梅酒FZ,1种蓝莓酒HZ,以及1种配制梅酒LM)的挥发性成分进行分析。通过GC-TOF/MS共鉴定出281种化合物,其中酯类和酸类占所有样品的80%以上。GC-IMS鉴定出60种化合物,主要包括16种酯、11种醇、6种酮和7种含硫化合物。这表明IMS和MS数据包含关于挥发性成分组成的不同信息。分别从TOF/MS数据和IMS数据中获得了37种和18种差异化合物。结合三种排序算法和五种机器学习模型(神经网络NN、随机森林RF、支持向量机SVM、K最近邻KNN、逻辑回归LR)进行应用,并从挥发性成分中识别出58个关键特征。LR和KNN模型的总体分类准确率达到0.95,F1分数大于0.9。对于IMS数据,NN、LR和KNN模型的准确率和F1分数均大于0.9。本研究推进了果酒分类,有益于饮料行业和食品化学研究。

  • 基于机器学习结合蒙特卡洛模拟的苹果泥流变建模:洞察光-粒子结构相互作用的基本过程

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yucan Yang, Xiao Chen, Xiaochan Wang, Leiqing Pan & Weijie Lan

    食品标签

    新鲜水果 质构与流变性质

    计算机标签

    支持向量机

    本研究以不同颗粒浓度、不同粒径的苹果泥为原料进行复配重构,探究其在900~650纳米波段对流变特性、光学特性及光交互作用的影响。不同颗粒浓度苹果泥的光散射特性差异相较于粒径差异更为显著。基于蒙特卡洛仿真(MCX)结果,漫反射能量占比峰值出现在1050纳米处,光吸收峰值则出现在1480纳米处。当颗粒浓度由25%升至45%时,苹果泥中所有光子的平均光传播距离在259.29毫米至199.17毫米之间变化。最后,融合1050纳米处光学散射特性与蒙特卡洛仿真参数构建支持向量机回归模型,可有效评价苹果泥的表观黏度参数(相对百分误差>2.39)以及黏弹性模量(相对百分误差>2.47)。该研究进一步完善了光与颗粒结构相互作用的基础机理认知,也为泥状食品的流变建模提供了全新研究思路。

  • 数据驱动建模作为设计具有更好屏障性能的PLA材料的新途径

    2025
    Food Packaging and Shelf Life
    中科院一区
    JCR一区
    查看原文

    Aurore Jullin, Nicolas Hascoët, Francisco Chinesta & Eliane Espuche

    食品标签

    生物基/可降解材料 包装设计与机械性能 理化与结构表征

    计算机标签

    支持向量机 随机森林 定量预测/回归分析 设计/生成与推荐 质构/流变/感官数据

    本研究训练了两种机器学习模型(随机森林和支持向量机)来预测含有不透相的PLA基材料的相对渗透率。研究考察了广泛的不透相类型,包括球形、管状、层状填料以及球晶。从材料特性中明智地选择了输入参数,并通过建立统计相关性来筛选出最相关的参数。通过这种方式,可以向数据集中添加更多样本。两种模型在预测相对渗透率方面均获得了良好的准确性。因此,利用相应的模型提出了满足目标相对渗透率值的材料设计方案。这是首次使用机器学习模型来预测含有不透相的聚合物的渗透率。

  • 使用激光诱导荧光和加权算法增强单粒花生中黄曲霉毒素B1的检测

    2025
    Food Control
    中科院一区
    JCR一区
    查看原文

    Chenghong Wang, Zhongjun Yan, Fei Shen, Qiuhui Hu & Xirong Huang

    食品标签

    豆类与坚果(及籽类) 微生物安全 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 分类/鉴别/等级评定 高光谱/多光谱光谱

    花生是一种全球重要的作物,易受黄曲霉毒素B1(AFB1)污染,对食品安全构成重大威胁。本研究采用激光诱导荧光光谱法(LIFS)检测单粒花生中的AFB1。模拟自然污染条件以获得具有不同AFB1水平的花生,并使用单探头和三探头方法收集表面荧光信号。通过湿化学方法量化毒素含量,并应用机器学习进行分类。结果表明,增加探针数量可显著提高检测精度并降低假阴性率(FNR)。提出了一种加权算法来增强光谱分析,该算法可以放大污染样本和未污染样本之间的差异。基于三探头加权荧光光谱数据的线性支持向量机(SVM)获得了最佳判别能力(准确率=100%)。此外,随机森林(RF)算法识别了六个关键波长,使SVM分类器能够以94.12%的准确率和0%的假阴性率预测污染情况。这种高灵敏度、高精度的方法为花生的快速、无损AFB1检测提供了可靠的技术方案,有望在食品安全监测中得到关键应用。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号