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)

特征工程与选择策略

共 130 条结果

  • 近红外光谱快速定量牛肉和猪肉中挥发性盐基氮含量:SVR与PLS模型的比较

    2021
    Meat Science
    中科院一区
    JCR一区
    查看原文

    Tuo Leng, Feng Li, Yi Chen, Lijun Tang, Jianhua Xie & Qiang Yu

    食品标签

    畜肉 其他品质相关性质 常规理化指标测定 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 支持向量机 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据

    应用PLS回归和SVR,首次建立了近红外漫反射光谱定量模型,用于预测牛肉和猪肉中挥发性盐基氮(TVB-N)含量。结果表明,基于原始光谱的最佳PLS模型表现出优异的预测性能,相关系数高达0.9366,预测均方根误差低至3.15,且任何预处理方法均未能提高PLS模型的预测性能。此外,相比之下,SVR模型显示出较差的定量预测能力(R=0.8314,RMSEP=4.61)。对VIP筛选波长的分析表明,含氨基的化合物和脂质可能在TVB-N的PLS模型建立中起重要作用。本研究结果证明了使用近红外光谱和PLS预测牛肉和猪肉中TVB-N的潜力,同时需要更多努力来提高SVR模型的性能。

  • 用于分析高光谱图像以确定食品质量的机器学习技术:综述

    2021
    Current Research in Food Science
    中科院一区
    JCR一区
    查看原文

    Dhritiman Saha & Annamalai Manickavasagan

    食品标签

    品质、结构与理化性质 食品安全与风险评估 显微与成像技术 光谱/色谱/质谱等分析方法

    计算机标签

    机器学习/统计学习 深度学习 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱

    多年来,无损检测技术在食品质量监测中变得愈发重要。高光谱成像便是一种重要的无损质量检测技术,它能同时提供空间和光谱信息。机器学习技术的进步实现了快速分析且具有更高的分类准确率,这提升了该技术在食品领域应用的潜力。本文概述了不同机器学习技术在高光谱图像分析中用于食品质量测定的应用情况,涵盖了高光谱成像的基本原理,以及每种机器学习技术的优势和局限性。这些机器学习技术能够对食品的高光谱图像进行快速且高精度的分析,从而构建出稳健的分类或回归模型。从高光谱数据中筛选出有效的波长至关重要,因为这能大幅降低计算负荷和时间,进而扩大实时应用的范围。由于深度学习具有特征学习的特性,它是实时应用中最具前景且最强大的技术之一。然而,深度学习领域相对较新,其充分利用仍需进一步研究。同样,终身机器学习为高光谱成像的实时应用开辟了道路,但在纳入食品质量的季节性变化方面还需深入研究。此外,本文还探讨了机器学习技术在高光谱图像分析中存在的研究空白及未来前景。

  • 结合机器学习与元素剖析,用于中国地理标志(GI)水稻的地理认证

    2021
    npj Science of Food
    中科院一区
    JCR一区
    查看原文

    Fei Xu, Fanzhou Kong, Hong Peng, Shuofei Dong, Weiyu Gao & Guangtao Zhang

    食品标签

    大米 食品安全与风险评估 光谱/色谱/质谱等分析方法 矿物质与微量元素

    计算机标签

    支持向量机 随机森林 特征工程与选择策略 分类/鉴别/等级评定 质构/流变/感官数据 中等规模数据集

    鉴定地理来源对于保护具有指定产地的有价值的农产品的真实性至关重要。在本研究中,开发了一种稳健且准确的分析方法,可以认证地理标志(GI)产品的地理来源。该方法基于电感耦合等离子体质谱(ICP-MS)的元素分析,并结合机器学习技术进行模型构建和特征选择。该方法成功预测和分类了六个品种的中国地理标志大米。测定了131个大米样品的元素谱,并实现了两种机器学习算法,支持向量机(SVM)和随机森林(RF),以及特征选择算法Relief。Relief-SVM和Relief-RF模型仅使用四种元素(Al、B、Rb和Na)就实现了100%的预测准确率。本研究的方法和知识可用于开发可靠的方法,以追踪多种高价值农产品的地理来源并控制欺诈性标签。

  • 利用高光谱成像技术预测红肉肌内脂肪和pH值的全球校准模型

    2021
    Meat Science
    中科院一区
    JCR一区
    查看原文

    Y. Dixit, M. Al-Sarayreh, C.R. Craigie & M.M. Reis

    食品标签

    畜肉 颜色与外观品质 其他品质相关性质 过程监测与在线检测 常规理化指标测定 显微与成像技术 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 卷积神经网络 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱 质构/流变/感官数据 大规模数据集

    本研究展示了一种开发全球校准模型的新方法,用于预测不同红肉物种和肌肉类型的肌内脂肪和pH值。研究使用了来自8个不同实验的高光谱成像数据集,包含牛肉、羊肉和鹿肉三个物种的数据,涵盖了不同的肌肉类型、屠宰季节和测量条件。利用偏最小二乘回归和深度卷积神经网络,分别使用1080个和1116个样本建立了IMF和pH的预测模型。通过两种技术建立的pH和IMF模型均获得了较高的校正决定系数和较低的标准校正误差。同时,模型也表现出相当准确的预测性能,具有较高的预测决定系数和较低的标准预测误差。总体结果证明了这些全球校准模型的全面性,它们能够预测红肉样本的IMF和pH,而不受物种和肌肉类型的影响。

  • 高光谱成像与化学计量学预测猪肉肌内脂肪含量的各向异性效应

    2021
    Meat Science
    中科院一区
    JCR一区
    查看原文

    Christopher T. Kucha, Li Liu, Michael Ngadi & Claude Gariépy

    食品标签

    畜肉 其他品质相关性质 常规理化指标测定 显微与成像技术 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 支持向量机 智能手机/其他 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱 质构/流变/感官数据

    肌肉的纤维结构使其成为一种各向异性的光学材料。因此,光谱信息随肌肉取向的变化而变化。本研究通过使用高光谱成像技术,对猪肉切块进行横向扫描、径向扫描和纵向扫描来获取光谱数据。利用这些信息,通过偏最小二乘回归、支持向量机回归和反向传播人工神经网络建立并比较了肌内脂肪含量预测模型。三种建模算法在猪肉肌内脂肪建模方面表现出同等能力。三种扫描方式的预测模型精度顺序为:横向扫描 ≥ 径向扫描 ≥ 纵向扫描。连续投影算法将波长减少了93%。使用缩减后的波长建立的新模型显示出与原始波长模型相似的精度。本研究表明肌肉取向会影响预测模型的精度。

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