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 1098 条结果
-
适应性食品价格预测在快速经济变化时期提升公众信息
查看原文2025
Nature Communications
中科院一区JCR一区食品标签
其他复合食品 过程控制与数字化 统计建模与仿真 传统统计分析与回归计算机标签
机器学习/统计学习 智能手机/其他 定量预测/回归分析 时序传感器/物联网数据 文本/知识库/法规数据COVID-19 的到来结束了继 2010-2012 年世界粮食价格危机之后美国零售食品价格稳定的时代。与大流行相关的中断、禽流感爆发以及俄乌战争导致 2022 年家庭食品通胀率达到自 1974 年以来的最高水平(11.4%)。2023 年,美国农业部(USDA)经济学家通过使用统计学习协议更新食品价格预测来应对这些变化,以选择时间序列模型和预测区间来传达其不确定性。我们表征了这些“适应性”通胀预测所提供的公共利益,并通过纳入外生变量来增强它们,以提高其精确度和解释力。COVID-19 的到来凸显了适应扣除食品和能源的所有项目(“核心”)指数、货币供应量和工资在预测食品价格方面日益增加的相关性的价值。食品价格与核心价格和货币供应量之间的密切关系表明食品市场对宏观经济力量和政府政策决策的敏感性。
-
用于高效低成本液体识别的双感官融合自供电摩擦电味觉传感系统
查看原文2023
Nature Food
中科院一区JCR一区食品标签
品质、结构与理化性质 理化与结构表征 统计建模与仿真计算机标签
深度学习 卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据将人类的味觉感知能力融入智能传感设备中,以模拟味觉器官对液体物质的处理能力,这一过程仍颇具挑战性。在此,我们基于液滴的动态形态变化和液固接触电荷产生原理,开发了一种自供电的液滴味觉传感器系统。通过结合摩擦电指纹信号和深度学习,该传感器系统在五种不同的应用中实现了超过 90%的液体识别准确率。此外,还集成了一个图像传感器来提取液体的视觉特征,从而使液态传感系统的识别能力提高到了 96.0%。这种双感官融合的自供电液态传感系统,以及能够自主产生摩擦电信号的液滴味觉传感器,为开发有效且低成本的液态传感技术(用于液体食品的安全识别和管理)提供了极具前景的解决方案。
-
基于机器学习的模式识别识别油脂掺假和食用油混合物
查看原文2020
Nature Communications
中科院一区JCR一区Kevin Lim, Kun Pan, Zhe Yu & Rong Hui Xiao
食品标签
油脂及油脂制品 植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法 统计建模与仿真 数值仿真计算机标签
深度学习 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱先前的研究表明,每种食用油都有其独特的脂肪酸组成特征;然而,目前尚未有方法能够仅依据这一特征来简单鉴别出油的种类。此外,特定油的脂肪酸组成可以通过两种或更多种油的混合物来模拟。这导致了食用油的欺诈性掺假以及对食用油的有意错误标注,这威胁到了食品安全并危及公众健康。在此,我们提出了一种机器学习方法,用于揭示针对十种不同植物油类型及其内部变异性的脂肪酸模式的区分特征。我们还描述了一种有监督的端到端学习方法(深度学习),该方法可以推广到任何给定混合物的油成分上。在大量模拟油混合物上进行训练后,独立测试数据集验证表明,该模型的第 50 百分位数绝对误差在 1.4% - 1.8% 之间,而 90 百分位数误差为 4 - 5.4% ,对于这十种油类型的任何三元混合物均适用。深度学习模型还可以通过在线训练进一步优化,以捕捉目前尚未具备的有用知识。我们的方法能够确保产品质量的可控性,从而确定购买油品的合理价格,并进而为注重健康的消费者提供准确标签标识的未来保障。
-
结合机器学习的4D打印变形标签用于呼吸跃变型果实的监测与保鲜
查看原文2025
Nature Communications
中科院一区JCR一区Xiuxiu Teng, Min Zhang, Arun S. Mujumdar & Chunli Li
食品标签
发酵食品及酱腌制品 过程控制与数字化 其他方法计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据研发了能够改变颜色和形状的 4D 打印标签,以实现对呼吸性成熟水果的质量评估和维护的双重功能。研究了添加精油乳液和不同几何结构对变形的影响以及相应的机制。与铸型和 3D 打印标签不同,4D 打印标签会根据包装内湿度和二氧化碳水平的变化同时改变颜色和形状,从而能够更准确地直观监测水果质量的变化点。MobileNet 模型对 4D 打印标签的识别准确率达到了 97%,在实现智能预警方面发挥了积极作用。此外,变形以及微观结构的破坏通过一种非费克机制促进了精油的可控释放,从而产生了更好的保存效果。
-
机器学习预测食品加工程度
查看原文2024
Nature Communications
中科院一区JCR一区Marialaura Di Tella, Simone Rinaldi, Tullia Tedeschi, Letizia Bresciani, Verniou Aristea, Praticò Giulia, Furio Brighenti, Filippo Capuano, Francesca Scazzina & Daniele Del Rio
食品标签
过程控制与数字化 传统统计分析与回归 常量营养素(宏量)计算机标签
机器学习/统计学习 分类/鉴别/等级评定NOVA 分类系统是根据食品的加工程度和加工目的对食品进行分类的体系,它是用于探究超加工食品(UPF)的消费与健康结果之间关联的最广泛使用的工具。然而,其应用需要成分表,而这些成分表在食品成分数据库中往往缺失,在大规模流行病学研究中也难以获取。在此,我们开发了一种机器学习算法(食品加工指数,FPI),该算法仅使用 25 种营养成分作为输入特征,训练用于根据 NOVA 系统对食品进行分类(具体区分 NOVA 1 类,即未加工/轻度加工食品,以及 NOVA 4 类,即超加工食品)。FPI 在两个独立的数据集中的手动 NOVA 分类中表现出高度一致性,并能有效地预测食品的加工水平,从而有助于大规模的营养研究。