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 2456 条结果
-
利用SERS柔性传感器结合人工智能工具快速检测食品中的氯霉素
查看原文
2021
Food Control
中科院一区JCR一区
Huanhuan Li, Wenhui Geng, Md Mehedi Hassan, Min Zuo, Wenya Wei, Xiangyang Wu, Qin Ouyang, & Quansheng Chen
食品标签
食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据康构成威胁。为此，本研究采用表面增强拉曼散射（SERS）活性花状银纳米颗粒（AgNPs）制备柔性纸基 SERS 传感器，以获取食品样本中氯霉素的放大拉曼信号，并借助人工智能工具建立适用于皮克级浓度的预测模型。在所用人工智能工具中，多元散射校正结合竞争性自适应加权偏最小二乘法（MSC-CARS-PLS）模型表现出最优预测性能：10 2∼10 −5μg/mL浓度范围内，测试集相关系数（R test）达 0.9635，剩余预测偏差（RPD）为 3.6686，检测限低至10 −5μg/mL。实际样本分析结果显示，回收率介于 90%~102%，相对标准偏差（RSD）为 3.3%，表明所构建的传感器可快速、稳定且可靠地实现食品样本中氯霉素（CAP）残留的检测。
-
利用稳定同位素和元素化学计量学验证进口到中国的婴幼儿配方奶粉和鲜奶的原产地
查看原文
2021
Food Control
中科院一区JCR一区
Xiuwen Zhou, Zhi Yan, Baohui Jin, Yingying Wu, Liqi Xie, Haiquan Chen, Guanghui Lin, Yan Zhao, Karyne M. Rogers, & Hao Wu
食品标签
乳粉 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 分类/鉴别/等级评定中国是全球最大的婴幼儿配方奶粉进口国。然而，婴幼儿配方奶粉的真伪溯源长期以来都是我国面临的一大难题。相较于生鲜乳，婴幼儿配方奶粉的产地溯源难度更大，因其含有多种外源添加剂，而这些添加剂往往无法与特定国家建立关联性。本研究对比分析了 6 个产地（荷兰、瑞士、法国、丹麦、新西兰、中国）的婴幼儿配方奶粉成品粉与生鲜乳的稳定同位素比值（δ¹⁵N、δ¹³C、δ³⁴S、δ²H、δ¹⁸O），以建立不同产地的同位素特征谱。同时，研究还测定了样品中氮、碳、硫元素的含量，进一步提升产地溯源的准确性。研究分别采用 人工神经网络（ANN）与线性判别分析（LDA） 算法，构建进口婴幼儿配方奶粉与生鲜乳的产地溯源模型。总体结果显示：与生鲜乳相比，婴幼儿配方奶粉的 δ¹⁸O、δ²H、δ¹⁵N、δ³⁴S 比值更高，而 δ¹³C 比值更低。其中，婴幼儿配方奶粉的 δ¹⁸O 与 δ²H 比值波动范围大于生鲜乳，这是由于其配方中的添加剂原料未必产自同一国家；而 δ¹⁵N、δ¹³C、δ³⁴S 比值则更偏负，这一现象极有可能源于奶粉中添加了大量非乳源成分（如脂肪、糖类、氨基酸及蛋白质等）。本研究证实，稳定同位素比值结合元素含量的检测方法可实现对进口中国婴幼儿配方奶粉产地的完全判别，基于人工神经网络算法构建的模型判别准确率达 100%。
-
人工智能在棕榈油和植物精油掺入鱼胶包装膜分类筛选中的应用
查看原文
2021
Food Packaging and Shelf Life
中科院一区JCR一区
Natácia da Silva e Silva, Fabricio de Souza Farias, Mauricio Madson dos Santos Freitas, Enrique José Gregório Pino Hernández, Vanderson Vasconcelos Dantas, Marcos Ené Chaves Oliveira, Maria Regina Sarkis Peixoto Joele & Lúcia de Fátima Henriques Lourenço
食品标签
鱼肉 生物基/可降解材料 品质、结构与理化性质 包装设计与机械性能 过程优化与控制策略 理化与结构表征 微生物与发酵实验计算机标签
K-近邻 分类/鉴别/等级评定 质构/流变/感官数据采用K-最近邻算法对棕榈油、丁香精油和牛至精油掺入鱼明胶制备的可生物降解包装膜进行分类和筛选。所有增强膜均具有高抗拉强度，其中丁香精油样品的抗拉强度达到53.18 MPa。此外，棕榈油和精油的添加增加了包装的弹性和厚度。这些包装具有抗氧化和抗菌特性，含牛至精油的膜和含棕榈油的膜对金黄色葡萄球菌的抑菌圈分别为11.73 mm和11.23 mm。KNN算法在包装的分类和筛选方面表现出高效性。结果突出显示，含有丁香精油的包装因其最高的抗氧化活性、抗拉强度和断裂伸长率而被评为最佳。棕榈油因其抗菌活性、抗氧化性能、丰富性和低成本，成为可生物降解膜应用中的一个有趣替代品。添加植物油的鱼明胶包装是食品应用的一个有前景的选择。
-
冷链断裂检测与分析：机器学习能提供帮助吗？
查看原文
2021
Trends in Food Science & Technology
中科院一区JCR一区
Julie Loisel, Steven Duret, Antoine Cornuejols, Dominique Cagnon, Margot Tardet, Evelyne Derens-Bertheau & Onrawee Laguerre
食品标签
食品安全与风险评估 包装与智能监测 冷藏与冷冻保藏 过程监测与在线检测计算机标签
机器学习/统计学习 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 时序传感器/物联网数据背景：冷链断裂对食品的影响已有大量文献佐证，涉及健康、环境与经济多重关键问题。物联网（IoT）的普及虽可实现更严格的实时温度监测，却也给所生成数据的处理带来了新难题。
研究范围与方法：本文梳理并探讨了冷链断裂检测的各类定义与现存挑战，介绍了应用于冷链场景的机器学习算法，以此凸显该类数据存在的各类问题。同时，相关研究明确了可用于训练学习模型的多种数据来源。
核心研究发现与结论：冷链领域产生的实验数据与数值数据具备极高潜力，可用于训练机器学习模型。据现有文献所知，尽管机器学习算法已被用于温度预测，但尚未应用于冷链断裂识别。不过，当前已有多种成熟方法能够检测时序数据中的异常值。依托此类数据开展模型学习将带来实质性突破：一方面能够更充分地掌握冷链断裂的各类特征，另一方面可及时向操作人员发出预警。 -
近红外高光谱成像用于根据脱氧雪腐镰刀菌烯醇水平对小麦单粒进行分选的标准化
查看原文
2021
Food Research International
中科院一区JCR一区
Antoni Femenias, Maria Belén Bainotti, Ferran Gatius, Antonio J. Ramos, & Sonia Marín
食品标签
小麦 化学污染物 过敏原与毒性问题 显微与成像技术 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
K-近邻 主成分分析/判别分析 逻辑回归/贝叶斯 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱近红外高光谱成像（HSI-NIR）的空间识别特性使其在单粒小麦中管理赤霉病菌和脱氧雪腐镰刀菌烯醇（DON）方面具有潜在适用性，可以突破批次小麦污染的异质性，朝向单粒排序，并提供比湿化学技术更快速、环保和无损的分析。本研究的目的在于标准化HSI-NIR用于单粒分析赤霉病损伤和DON存在情况，以预测污染水平并根据欧盟最大限量（1250 µg/kg）对谷物进行分类。赤霉病感染症状的目视检查和用于DON测定的高效液相色谱（HPLC）分析被用作参考方法。对小麦谷粒进行了褶皱朝上和褶皱朝下位置的扫描，并进行不同图像采集。光谱经过乘法散射校正（MSC）和标准正态变换（SNV）、一阶和二阶导数以及归一化处理，也通过去除光谱尾部进行评估。最佳拟合预测模型是在SNV预处理数据上（R² 0.88，RMSECV 4.8 mg/kg），使用了7个特征波长。线性判别分析（LDA）、朴素贝叶斯和K近邻模型能够根据症状学以100%的准确率对一阶导数和SNV预处理的光谱进行分类，并且对一阶导数和SNV光谱的正确率分别为98.9%和98.4%。初步结果为未来在单个小麦籽粒中应用HSI-NIR技术进行镰刀菌及DON管理，以克服其污染异质性提供了鼓舞人心的依据。
