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 236 条结果
-
解开蓝莓感官代谢组:跨品种和地理产地的综合代谢组学与机器学习方法
查看原文2024
Food Chemistry
中科院一区JCR一区Di Liu, Xinjuan Liu, Qian Hu & Ranran Xing
食品标签
新鲜水果 感官评价与方法学 代谢组学 植物化学/生物活性成分计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 定量预测/回归分析 组学数据消费者驱动的蓝莓质量提升需要更深入理解代谢成分如何影响感官感知。本研究结合非定向代谢组学和机器学习,识别影响蓝莓品种和地理来源感官属性的生物标志物代谢物。对四个地区四个品种的代谢物分析显示,挥发性和非挥发性化合物在不同品种和地理上的代谢模式存在显著差异。通过相关分析和随机森林建模,识别出27种挥发物和57种非挥发物作为颜色、口感和风味属性的生物标志物,并通过支持载体回归进一步评估其预测效度。这些生物标志物解释了特定感官属性的86%和整体喜好的66%,展现了解释力和预测稳健性。本研究通过基于生物标志物的方法,提供了一种数据驱动的策略,以优化蓝莓品质。所提出的代谢组学与机器学习框架建立了一个可扩展的模型,用于提升植物性食品中代谢物质量的特性,契合不断演变的消费者偏好。
-
可见-近红外光谱结合化学计量学预测鲜食和酿酒葡萄的综合品质
查看原文2024
Postharvest Biology and Technology
中科院一区JCR一区Xuejian Zhou, Jihong Yang, Wenzheng Liu, Yanlun Ju, Ke He, Yuan Su, Xiangyu Sun & Yilin Fang
食品标签
新鲜水果 其他品质相关性质 过程监测与在线检测 光谱/色谱/质谱等分析方法 其他统计建模方法计算机标签
偏最小二乘法 支持向量机 卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据葡萄品质的评估通常是通过测量单个指标,而非采用综合指标。本研究提出了一种灵活的方法来整合葡萄的多个品质相关参数,并构建了一个综合指数用于葡萄品质的综合评价。首先,获取了两个葡萄品种的可见-近红外(Vis-NIR)光谱数据,并测量了其理化品质指标作为参考标准。分析了这些指标的变化趋势和相关性,运用最小-最大归一化和因子分析方法提出了一个综合品质指标(AQI)。通过分析AQI值对葡萄的成熟阶段进行了分类。采用多元散射校正(MSC)、Savitzky-Golay平滑(SG)、一阶导数(FD)、SG+FD以及去趋势(DT)方法对光谱数据进行预处理。利用无信息变量消除(UVE)、竞争性自适应重加权采样(CARS)和UVE-CARS算法提取特征波长。基于偏最小二乘回归(PLSR)、支持向量机回归(SVR)和卷积神经网络(CNN)建立了三个AQI回归模型。结果表明,对于赤霞珠葡萄,PLSR结合FD+SG预处理和CARS筛选的特征波长表现最佳,预测集决定系数(R²ₚ)为0.972,校正集决定系数(R²c)为0.995,预测均方根误差(RMSEP)为0.040,剩余预测偏差(RPD)为6.064。此外,对于麝香巨峰葡萄,CNN结合DT预处理的全光谱数据对AQI的预测效果最好,R²ₚ为0.989,R²c为0.981,RMSEP为0.103,RPD为9.482。本研究表明,通过可见-近红外光谱技术与化学计量学分析相结合,可实现葡萄综合品质的无损预测,为确定葡萄成熟阶段和最佳收获时间提供了一种实用且全面的指标。这种方法对葡萄酒行业尤为重要,因为它有助于更好地决策和质量控制。
-
使用支持向量机的频率选择方法以最小化个体差异对水果电阻抗谱的影响
查看原文2024
LWT
中科院一区JCR一区Longlong Feng, Jiale Gao, Xunan Sui, Hong Jin, Tianhao Weng, & Dexu Yang
食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法计算机标签
支持向量机 分类/鉴别/等级评定 时序传感器/物联网数据电阻抗谱(EIS)参数的个体差异是水果质量检测中的技术瓶颈。为了实现对水果质量的无损检测并尽量减少个体差异的影响,本文提出了一种基于生物组织频率响应特性和电流流动路径的频率选择支持向量机策略。研究发现,不同样品的EIS参数存在显著差异。测量稳定性受电极类型和频率影响。破坏性针电极受个体差异的影响远小于无损贴片电极。低频的影响大于高频的影响。水果果皮和果肉的异质性以及电极与果皮的接触面积是个体差异的主要原因。在检测香蕉成熟度时,所提出方法的模型最高精度达到了98.9%;然而,该模型的泛化能力及其在其他水果质量检测中的应用仍需进一步验证和优化。结果促进了EIS在水果质量评估领域的实际应用,并为其他农产品的质量评价提供了新的见解。
-
基于多源特征稳定学习的‘秋月’梨木栓斑病快速识别方法
查看原文2024
Postharvest Biology and Technology
中科院一区JCR一区Jianghui Xiong, Shangfeng Gu, Yuan Rao, Li Liu, Xiaodan Zhang, Yuting Wu & Xiu Jin
食品标签
新鲜水果 其他品质相关性质 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
其他深度学习结构 分类/鉴别/等级评定 缺陷/异物检测与定位 可见光/RGB/视频数据 红外/拉曼光谱数据 多模态/融合数据‘秋月’梨作为优质果品,其质量分级分选是供应链的关键环节。同时,木栓斑病作为一种影响梨果实健康发育的常见生理性问题,需要快速而准确的识别。为了进一步提升‘秋月’梨木栓斑病的识别精度,本研究在融合近红外光谱与可见光图像的基础上,提出了一种基于神经架构搜索与样本重加权技术的多源特征稳定学习(MFSL)方法。该方法通过对多源融合模型进行二次重加权优化训练,使其能够充分学习与标签相关的特征,从而提升泛化能力。实验结果表明,最优建模性能下,多源融合特征的准确率相较于单一光谱提升了26.89%,相较于单一图像提升了11.19%。经过优化训练后,模型的测试准确率提升了1.31%,达到89.47%,F1分数提升了1.47%,达到89.83%。结果验证了该方法在提升模型泛化性能方面的有效性。本研究提出的针对‘秋月’梨木栓斑病精确识别的MFSL方法,显著提高了多源融合模型在病症识别方面的准确率。研究成果对于梨果品质量的高效分级分选具有重要的参考价值。
-
基于高光谱成像与波长选择的深度学习对李子皮下碰伤检测
查看原文2024
Postharvest Biology and Technology
中科院一区JCR一区S. Castillo-Girones, R. Van Belleghem, N. Wouters, S. Munera, J. Blasco & W. Saeys
食品标签
新鲜水果 颜色与外观品质 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
主成分分析/判别分析 卷积神经网络 分类/鉴别/等级评定 缺陷/异物检测与定位 高光谱/多光谱光谱李子无论是新鲜的还是加工过的,都被广泛消费。在收获、处理或运输过程中,李子会受到静态和动态压缩力,这些力超过了导致组织损伤的临界应力。随着果实成熟和软化,与压缩相关的损伤通常会进一步发展,这会促使腐烂发生,可能在供应链中造成重大损失。及早检测这些损伤对于挑出受损果实并将其转向加工环节至关重要,从而防止食物浪费。然而,李子早期的瘀伤或损伤并不明显,尤其是深色果皮的品种。因此,本研究旨在探索430至1000纳米范围内的高光谱成像和深度学习算法在早期检测这些隐形瘀伤方面的潜力。为此,对“Presenta”李子进行了三个不同程度的撞击处理,以模拟不同程度的损伤。在瘀伤发生后立即以及瘀伤诱导后24小时和48小时,对有瘀伤和无瘀伤的李子都进行了图像拍摄。研究训练了三个不同的卷积神经网络(CNN)来分析这些图像。其中两个网络采用迁移学习实现(ResNet和HSCNN),第三个则是为此特定目的定制设计的。通过主成分分析(PCA)确定了最具信息价值的波长,将其作为卷积神经网络的输入。在所有情况下,F1分数均超过81%,在对受到0.50焦耳最高撞击能量的瘀伤李子进行分类时,准确率几乎达到100%。因此,仅使用三个波长来检测和分类瘀伤李子是可行的,这为包装厂使用多光谱相机进行在线分拣铺平了道路。