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 393 条结果
-
计算机视觉、物联网和数字孪生在食品质量与安全评估中的创新融合
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Mengshuai Guo, Xin Lv, Dan Wang, Hong Chen & Fang Wei
食品标签
食品安全与风险评估 过程控制与数字化 统计建模与仿真计算机标签
深度学习 模型设计/优化策略 迁移学习/领域自适应 模型轻量化/边缘计算 分类/鉴别/等级评定 缺陷/异物检测与定位 设计/生成与推荐 模拟与数字孪生 可见光/RGB/视频数据 时序传感器/物联网数据背景:确保食品质量与安全是公共卫生和经济稳定的关键优先事项。传统的食品质量评估方法虽然有效,但通常劳动密集、具有破坏性或缺乏可追溯性和透明度。深度学习和计算机视觉的最新进展引入了数字化、智能化、经济高效且自动化的解决方案。
范围与方法:本综述介绍了深度学习和计算机视觉的典型工作流程,从数据采集和预处理到模型选择、训练和验证评估,并总结了深度学习和计算机视觉在食品不同领域的应用,如图像分类、目标检测、图像分割和图像生成,以及针对不同任务的模型优化策略。重点阐述了物联网、数字孪生、计算机视觉和深度学习技术在食品工业中的应用。此外,本综述还讨论了迁移学习和模型压缩方法,并回顾了轻量级模型和嵌入式系统在食品工业中的应用。
主要发现与结论:计算机视觉、深度学习、物联网和数字孪生等技术的创新融合,增强了食品的可追溯性和透明度,并促进了可持续发展。云计算和大数据技术的进步推动了这些技术的深度融合,使得食品生产能够实现实时、准确和动态的决策。展望未来,研究的重点应放在提高标注数据集的可用性和质量,增强模型的可解释性和鲁棒性上。 -
基于SIRI技术结合纹理特征LS-SVM与ResNet-18 CNN模型的梨不同碰伤程度与形成时间的检测
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Jiangbo Li, Junyi Zhang, Mengwen Mei, Zhihua Diao, Xuetong Li, Ruiyao Shi & Zhonglei Cai
食品标签
新鲜水果 其他品质相关性质 显微与成像技术计算机标签
支持向量机 卷积神经网络 分类/鉴别/等级评定 缺陷/异物检测与定位 可见光/RGB/视频数据碰伤会对水果的外观和感官品质产生负面影响,削弱其商业价值。碰伤水果的光学无损检测是一个重要的研究课题。然而,碰伤的程度和形成时间对检测精度有显著影响,这对准确检测碰伤水果提出了挑战。本研究尝试使用结构光反射成像(SIRI)技术来检测具有不同碰伤程度和形成时间的梨。收集了具有三种碰伤程度(S1、S2和S3)和五种碰伤形成时间(0、6、24、48和72小时)的梨的结构光图像。使用不同的输入图像(DC、AC、RT、DC-AC和DC-AC-RT)建立了两种机器学习模型,包括基于纹理特征的最小二乘支持向量机(LS-SVM)和基于ResNet-18的卷积神经网络(CNN)。研究表明,AC和RT图像具有深度分辨能力,结合两种模型对24小时内的梨碰伤检测取得了良好效果,显示了SIRI技术对于早期碰伤的强大检测能力。与LS-SVM模型相比,基于ResNet-18的CNN模型获得了更好的检测性能,且其检测精度未受碰伤程度和形成时间的显著影响。对于所有样本,基于ResNet-18的CNN模型结合AC和RT图像,分别实现了92.5%和94.3%的整体检测准确率。本研究为准确识别具有不同碰伤程度和时间的梨提供了一种有价值的解决方案。
-
食品标签
咖啡饮料 品质、结构与理化性质 显微与成像技术计算机标签
卷积神经网络 小样本学习 缺陷/异物检测与定位 可见光/RGB/视频数据 大规模数据集缺陷咖啡豆会影响风味特征和产品质量,因此有必要在整个供应链中实时识别缺陷。虽然卷积神经网络在农业图像识别方面取得了进展,但由于依赖大规模标注数据集,它们在少样本细粒度缺陷分类方面仍然受限。本研究提出了一种孪生神经网络方法,通过基于相似性的学习进行少样本咖啡豆缺陷检测。该架构采用双分支的ResNet18(针对单通道 224 × 224 输入进行适配,输出 512 维特征),并共享权重,利用欧氏距离进行特征匹配。研究从云南省样品构建了一个包含3220张图像的数据集,涵盖完整豆和六类缺陷豆。该模型实现了94.95%的准确率,显著优于传统卷积神经网络(74.35%)和支持向量机(64.28%)方法。每张图像34毫秒的处理速度使其实时工业部署成为可能。这种方法在样本有限的情况下表现出稳健的泛化能力,为咖啡供应链中资源受限的生产环境提供了实际价值,同时减少了对大量标注数据集的依赖。
-
利用紫外诱导荧光图像与基于CACHAS的两步层级分类方法集成,快速检测特级初榨橄榄油掺假
查看原文2025
Food Chemistry
中科院一区JCR一区Wilson Botelho do Nascimento Filho, Francisco dos Santos Panero, Paulo Henrique Gonçalves Dias Diniz, Caroline Mesquita Magalhães da Silva & Mirla Janaína Augusta Cidade
食品标签
植物油 过程监测与在线检测 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
机器学习/统计学习 偏最小二乘法 分类/鉴别/等级评定 可见光/RGB/视频数据本研究引入了一种新颖的环保型两步分级分类方法,结合紫外线诱导荧光图像,用于鉴定特级初榨橄榄油(EVOO),并检测精制大豆、菜籽油和葵花籽油的单独及同时掺假情况。开发了一种化学计量辅助彩色直方图分析系统(CACHAS),用于捕捉数字荧光图像并在灰度、RGB和HIS通道中提取分析指纹。采用了针对单类别分类优化的数据驱动软独立分类建模(DD-SIMCA),以99.8%的样本效率认证纯特级初榨橄榄油;而为多类别区分设计的偏最小二乘判别分析(PLS-DA)则基于一种、两种或三种精炼植物油的存在,以95.6%的准确率区分掺假样本。这些方法的互补应用使数据集能够稳健地评估,DD-SIMCA侧重验证真实样本,PLS-DA则增强了多类别中掺假样本的辨别能力。
-
一种智能手机辅助的二维Cd-MOF混合基质膜,能够实现抗生素和农药的视觉和现场定量感测,以保障食品安全
查看原文2025
Food Chemistry
中科院一区JCR一区Mingyuan Lei, Xuze Pan, Mengying Liu & Qingfu Zhang
食品标签
化学污染物 过程监测与在线检测 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品污染是当前全球关注的问题,因此快速且准确的定量检测对确保食品安全至关重要。本研究通过掺入稳定的二维发光镉-基质膜{[Cd“,制成了基于MOF的混合基膜(1@PMMA2(左)2(DMSO)2]·2DMSO}n (1) (H2L = 5-(4-(吡啶-4-基)苯甲酰胺-1,3-二二酸),形成柔性聚甲基丙烯酸甲酯(PMMA)基质。所得的1@PMMA表现出对硝呋酮(NFZ)和2,6-二氯-4-硝基苯胺(DCN)的灵敏、强抗干扰、可回收和视觉检测能力。此外,开发了一种便携式智能手机辅助传感平台,将发光的1@PMMA与智能手机联用,实现对NFZ和DCN的视觉和现场定量检测。该工作提供了一个便携且智能的传感平台,用于食品样本中抗生素和农药残留物的目视及现场定量检测,展现了食品安全监测和质量控制的显著潜力。