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
-
基于视觉触觉影像与SwishFormer的水果硬度与成熟度稳健识别方法
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Mashood M. Mohsan, Basma B. Hasanen, Taimur Hassan, Muhayy Ud Din, Naoufel Werghi, Lakmal Seneviratne & Irfan Hussain
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
其他深度学习结构 随机森林 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据对水果成熟度的准确评估是农业领域的一项关键任务,它会影响水果的品质、货架期以及消费者满意度。传统的水果成熟度评估方法依赖于人工的主观判断和侵入性采样技术,这些方法既不可行又耗时。本文提出了一种新的方法,利用视觉触觉扫描中编码的水果触诊运动来评估水果的硬度和成熟度。此外,这些触觉扫描会被输入到所提出的SwishFormer模型中,该模型与随机森林头部相结合,用于预测水果的硬度,而预测出的硬度随后会被用于对水果的成熟阶段进行分类。与现有的最先进模型不同,SwishFormer包含hardswish激活函数作为令牌混合器,这使其能够从候选触觉扫描中生成独特的特征集。这些丰富的特征表示随后会被输入到随机森林回归器中,以稳健地估计水果的硬度值,而估计出的硬度值接着会被用于准确预测水果的成熟度等级。除此之外,在包含触诊视觉触觉扫描的所提出数据集上,对SwishFormer进行了广泛评估,结果显示,在均方误差(MSE)、均方根误差(RMSE)、决定系数(R²)和平均绝对误差(MAE)评分方面,它的性能分别比最先进的研究高出4.77%、4.09%、13.69%和4.65%,同时其参数数量少2.02倍,GMACs少2.09倍。此外,通过使用Stretch机器人进行的真实世界实验,对所提出系统的成熟度识别性能进行了全面测试,结果显示,该系统对未成熟、成熟和过熟牛油果的识别成功率分别达到96.6%、98.3%和93.3%。据我们所知,本文首次提出了一种利用现成的基于视觉的触觉信息来评估水果硬度和成熟度的非破坏性方法。此外,本文所提出的数据集和源代码可在https://mashood3624.github.io/SwishFormer/获取。
-
集成计算机视觉和机器学习技术构建模型以定量虹鳟鱼片的肌间脂肪含量
查看原文2025
Food Control
中科院一区JCR一区Ming Huang, Libo Wang, Boyuan Wang, Wenxin Jiang, Ying Yu, Qingkai Tang, Qinfeng Gao & Yuan Tian
食品标签
鱼肉 品质、结构与理化性质 显微与成像技术 脂质与脂肪酸计算机标签
随机森林 深度学习 定量预测/回归分析 可见光/RGB/视频数据 中等规模数据集本研究旨在建立一种快速高效的方法,用于量化鲑科鱼鱼片中的肌间脂肪含量(IMF),该指标直接决定鱼片品质。研究首先采集了204张虹鳟鱼片图像,通过传统RGB分布分析进行初步IMF估算,但效果不理想(R² = 0.61)。因此,从图像中进一步提取了9个颜色特征和7个复合特征,基于计算机视觉与机器学习技术,训练了线性模型(逐步回归、弹性网络)和非线性模型(随机森林、深度神经网络)。所有模型准确率均超过63%,且R² > 0.85。其中随机森林模型表现最为稳健,R²达0.91,准确率为79%。研究进一步应用该稳健模型对120份新增鱼片样本进行IMF量化分析,结果显示IMF含量与鱼体规格、性别及遗传背景显著相关。本研究首次建立了具备高效性、准确性、实用性与可靠性的鲑科鱼鱼片肌间脂肪含量量化方法。
-
基于深度相机与机器学习模型的大蒜瓣体积与质量预测
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Jin-Ho Son, Hyung-Gyu Park, Yu-Jin Han, Seok-Ho Kang, Seung-Min Woo & Yu-Shin Ha
食品标签
新鲜蔬菜 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 随机森林 K-近邻 智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据准确预测大蒜瓣的体积与质量对于农业操作(如分选和分级)的精确性至关重要。本研究采用椭球体积方程与机器学习模型——支持向量机(SVM)、随机森林、梯度提升和k近邻(kNN)——利用长度、宽度、高度和质量数据预测大蒜瓣的体积与质量。SVM模型在体积预测中表现优异,R²为0.786,MAPE为0.084;而随机森林模型在质量预测中达到最高精度,R²为0.849,MAPE为0.098。深度相机通过提供精确的尺寸数据进一步提升了模型性能。这些发现强调了结合深度相机与机器学习以实现准确、非接触式体积与质量预测的潜力。该方法为提升农业系统的自动化与质量控制提供了有前景的应用。
-
结构光照反射成像用于猪肉微生物污染评估:光谱与图像特征对其预测性能的影响
查看原文2025
Food Science and Human Wellness
中科院一区JCR一区Binjing Zhou, Xiaohua Liu, Yan Ge, Kang Tu, Jing Peng, Juan Francisco García-Martín, Jie Wu, Weijie Lan & Leiqing Pan
食品标签
畜肉 微生物安全 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
支持向量机 定量预测/回归分析 可见光/RGB/视频数据结构光照明反射成像(SIRI)为食品品质检测提供了一种新方法。本研究探究了结合多元化学计量学的结构光照明反射成像技术,对不同贮藏温度下接种荧光假单胞菌与热杀索丝菌的猪肉进行微生物污染评估的可行性。研究全面对比了基于不同光谱、由结构光照明反射成像图样解调得到的直接分量图像与振幅分量图像纹理特征,以及二者数据融合模型的预测效果。基于振幅分量图像全波段光谱(420–700纳米),采用正交信号校正结合支持向量机回归算法构建的模型,对猪肉中荧光假单胞菌与热杀索丝菌数量的预测效果最优,二者预测决定系数($R_p^2$)分别为0.870、0.906。此外,仅依靠振幅分量或直接分量图像纹理特征建立的预测模型,以及融合两类图像光谱与纹理特征的数据融合模型,均无法显著提升预测精度。综上,结构光照明反射成像技术具备应用潜力,可进一步用于猪肉微生物污染的快速检测评估。
-
海鲜鲜度质量创新:利用YOLO-虾模型无损检测南美白对虾鲜度
查看原文2025
Food Chemistry
中科院一区JCR一区Mingxin Hou, Xiaowen Zhong, Ouyang Zheng, Qinxiu Sun, Shucheng Li & Mingxin Liu
食品标签
甲壳类 品质、结构与理化性质 显微与成像技术计算机标签
目标检测网络 分类/鉴别/等级评定 可见光/RGB/视频数据基于感官评价、挥发性盐基氮(TVB-N)、菌落总数(TVC)以及灰度值指标,研究建立了南美白对虾在4℃贮藏过程中鲜度变化与视觉图像之间的关联关系。研究构建了基于改进型YOLO(You Only Look Once)-Shrimp模型的虾类鲜度无损检测系统,用于评价对虾鲜度。结果表明,随着贮藏时间延长,各项鲜度指标呈逐步上升趋势,其中灰度值与挥发性盐基氮、菌落总数均呈强正相关,相关系数分别为0.88和0.81。相较于YOLOv8模型,改进型YOLO-Shrimp模型的检测性能有显著提升,精确率提升5.07%、召回率提升1.58%、F1值提升3.25%、mAP50指标提升2.84%。该创新方法在水产行业食品安全保障与品质检测管控领域具备广阔的应用潜力。