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
标签记录（计算机学者）
共 276 条结果
-
GC-MS 与 1H NMR 光谱数据融合策略用于不同年份酱香型白酒鉴别
查看原文
2024
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Biying Chen, Li Wang, Liming Wang, Yueran Han, Guokai Yan, Liangjie Chen, Changwen Li, Yu Zhu, Jun Lu, & Lifeng Han
食品标签
酒精饮料 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
随机森林 分类/鉴别/等级评定 多模态/融合数据 红外/拉曼光谱数据由于真实年份中国白酒存在价格差异，假冒白酒问题逐渐出现，准确鉴别不同年份白酒具有重要意义。本研究将气相色谱-质谱（GC-MS）和质子核磁共振（1H NMR）光谱结合，用于酱香型白酒化学成分的综合分析，并建立了一种结合机器学习算法的新型数据融合策略。结果显示，中层数据融合结合随机森林算法表现最佳，并成功用于不同年份白酒的分类。研究共识别出 14 种差异化合物，涵盖脂肪酸乙酯、醇类、有机酸和醛类，并将其用于商品酱香型白酒评价。结果表明，挥发性成分和非挥发性成分均会贡献年份差异。该研究证明，GC-MS 和 1H NMR 光谱结合数据融合策略可用于不同年份酱香型白酒的实用分类，为白酒真实性鉴别和年份识别提供了有效分析框架。
-
热氧化菜籽油的理化特性研究：声学诊断技术与化学计量学结合的探讨
查看原文
2024
LWT
中科院一区JCR一区
Jing Yan, Yingling Zhang, Hui Liang, Zibin Jiao, Lifan Song, Ji Liu, Qing Zhang, Yaowen Liu, & Wen Qin
食品标签
植物油 氧化、褐变等化学变化 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 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 时序传感器/物联网数据本研究旨在应用超声脉冲回波系统对热氧化菜籽油进行表征。在经过60小时加热处理（165 ± 5 ◦C）后，测量了菜籽油的理化特性（密度、粘度、酸值、碘值和极性化合物）及声学特性（声速、声阻抗、第一回波的最大振幅、振幅差值及曲线下面积）。基于菜籽油的声学特性，使用支持向量机、随机森林（RF）和反向传播神经网络算法建立了粘度和极性化合物的定量预测模型。结果表明，声阻抗与粘度之间（R = 0.70）、以及声阻抗与极性化合物之间（R = 0.79）均存在显著相关性。加热处理降低了油的不饱和度，并导致氧化和聚合化合物的形成，这反过来增加了声速和阻抗，同时减少了其他三种声学特性。随机森林（RF）模型在预测粘度（R² = 0.7944）和极性化合物（R² = 0.8385）方面表现最佳。这些发现表明，超声技术不仅能够准确预测关键质量参数，还为表征热氧化菜籽油提供了一种快速、非破坏性且具有成本效益的替代传统方法。
-
使用机器学习方法研究具有增强健康脂肪酸的牛肉中鱼腥味的挥发性化合物指纹特征
查看原文
2024
Meat Science
中科院一区JCR一区
W. Barragán-Hernández, Ó. López-Campos, J.L. Aalhus & N. Prieto
食品标签
畜肉 特征风味 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 随机森林 逻辑回归/贝叶斯 分类/鉴别/等级评定 组学数据采用机器学习分类方法对具有健康增强脂肪酸谱的牛肉中鉴定出的鱼腥味进行判别。随机森林方法的表现优于逻辑回归、偏最小二乘判别分析以及支持向量机（线性和径向）方法（P < 0.001）；受试者工作特征曲线：99.8%，敏感性：99.9%，特异性：93.7%，正确分类了100%的鱼腥味肉样和82%的非鱼腥味肉样。随机森林算法识别出20种挥发性化合物，这些化合物负责区分鱼腥味和非鱼腥味肉样。其中，七种挥发性化合物（十五烷、十八烷、γ-十二内酯、十二醛、(E,E)-2,4-庚二烯醛、2-庚酮和乙苯）被选为鱼腥味指纹的重要贡献者，所有这些都与脂质氧化有关。这种鱼腥味指纹可以促进对具有增强健康脂肪酸的牛肉进行快速监测，以避免因鱼腥味导致的消费者不满。
-
通过基于树的回归模型中的适口性评分预测识别苹果风味的芳香化合物
查看原文
2024
LWT
中科院一区JCR一区
Taku Shimizu, Yuuhi Hattori, Shoji Ogami, Yuriko Imayoshi, Shigeki Moriya, Kazuma Okada, Yutaka Sawamura, & Kazuyuki Abe
食品标签
新鲜水果 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
随机森林 梯度提升决策树 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据苹果风味与香气化合物的组成有关；然而，不同浓度的香气化合物的影响仍然知之甚少。虽然感官评价通常用于分析食品的可口性，但评估所有香气化合物浓度的影响仍具有挑战性。本研究使用回归模型、气相色谱质谱分析和感官可口性评分筛选了174种苹果基因型中的重要香气化合物。采用了两种模型，即随机森林和XGBoost来预测可口性评分，超越了相关性分析的局限性。Shapley加性解释值分析确定了5-己醇、乙基2-甲基丁酸酯、2-甲基丁基乙酸酯、(E,E)-α-法呢烯和(Z)-3-己醇为关键香气化合物。在一项验证香气化合物浓度影响的感官评估中，(E,E)-α-法尼烯浓度的变化对感官可口性评分产生了负面影响。这项研究展示了一种识别影响苹果风味的香气化合物的新方法，为提升苹果质量和可口性提供了有价值的见解。
-
基于数字图像结合随机森林算法的蜂花粉粗蛋白含量绿色快速预测
查看原文
2024
Food Research International
中科院一区JCR一区
Leandra Schuastz Breda, José Elton de Melo Nascimento, Vandressa Alves, Vagner de Alencar Arnaut de Toledo, Vanderlei Aparecido de Lima & Maria Lurdes Felsner
食品标签
营养与生物功能 显微与成像技术 蛋白质与氨基酸计算机标签
随机森林 定量预测/回归分析 可见光/RGB/视频数据蜂花粉被认为是一种具有功能特性的优良膳食补充剂，广泛应用于食品、化妆品配方及生物医学领域。因此，了解其化学成分，尤其是粗蛋白含量，对于保证其质量及工业应用至关重要。为了定量蜂花粉中的粗蛋白，本研究探索了结合数字图像分析和随机森林算法来开发一种快速、经济且环境友好的分析方法的潜力。使用智能手机相机在受控光照下拍摄了蜂花粉样本（n = 244）的数字图像。利用开源软件提取了RGB通道强度和颜色直方图。粗蛋白含量通过凯氏定氮法（参考方法）测定，并与数字图像的RGB通道及颜色直方图数据结合，通过应用随机森林算法生成预测模型。所开发的模型在蜂花粉粗蛋白分析中表现出良好的性能和预测能力（R² = 80.93%；RMSE = 1.49%；MAE = 1.26%）。因此，根据AGREE指标，该分析方法可被视为环境友好型，是传统分析方法的优秀替代方案。它避免了有毒试剂和溶剂的使用，展现了能源效率，利用了低成本仪器，并且稳健、精确。这些特点表明其易于在质量控制实验室的蜂花粉样本粗蛋白常规分析中实施。
