01 / 01

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
暂无筛选

标签记录(计算机学者)

可见光/RGB/视频数据

共 393 条结果

  • ConvColor DL:连接卷积和手工配色特征,用于牛肉质量鉴定

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Birkan Büyükarıkan

    食品标签

    畜肉 品质、结构与理化性质 显微与成像技术

    计算机标签

    深度学习 循环神经网络 其他深度学习结构 分类/鉴别/等级评定 可见光/RGB/视频数据

    牛肉是人类饮食中重要的一种食品。对这种食品的质量和安全性的评估是一个需要关注的问题。通过图像处理方法对牛肉质量进行无损测定在食品安全方面显示出巨大的潜力,因为它有助于防止浪费。传统上,通过图像处理方法对牛肉质量的测定是基于手工制作的颜色特征。然而,仅基于颜色空间模型很难确定肉的质量。本研究介绍了一种有效的牛肉质量分类方法,该方法将基于学习的全局特征和手工制作的颜色特征进行串联。根据实验结果,convVGG16 + HLS + HSV + RGB + Bi-LSTM 模型取得了很高的性能值。该模型的准确率、精确率、召回率、F1 分数、AUC、杰卡德指数和 MCC 值分别为 0.989、0.990、0.989、0.990、0.992、0.979 和 0.983。

  • 机器视觉结合深度学习的食品真伪鉴别方法:综合综述与新见解

    2024
    Comprehensive Reviews in Food Science and Food Safety
    中科院一区
    JCR一区
    查看原文

    Che Shen, Ran Wang, Hira Nawazish, Bo Wang, Kezhou Cai & Baocai Xu

    食品标签

    品质、结构与理化性质 食品安全与风险评估 显微与成像技术

    计算机标签

    机器学习/统计学习 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

    食品欺诈损害消费者信任、带来经济风险并危害人类健康。因此,开发高效技术以快速、可靠地分析食品质量与安全,实现食品真伪鉴别至关重要。基于机器视觉的方法已成为食品真伪和质量快速无损分析的颇具前景的解决方案。工业4.0革命为该领域带来了新趋势,其中包括深度学习(DL)的应用——深度学习作为人工智能的一个分支,展现出强大的性能和泛化能力,能有效提取特征并处理海量数据。本文综述了机器视觉以及各类基于深度学习的算法在食品真伪鉴别方面的最新进展,包括深度学习和轻量级深度学习,这些技术通过与机器视觉系统结合,或与智能手机及便携式设备结合,应用于掺假识别、品种鉴别、新鲜度检测和食品质量鉴定等食品真伪分析工作。本综述探讨了机器视觉的局限性以及深度学习面临的挑战,包括过拟合、可解释性、可及性、数据隐私、算法偏见,以及轻量级深度学习的设计与部署和传感设备的小型化等问题。最后,讨论了该领域未来的发展方向和趋势,包括开发结合机器视觉与深度学习方法的实时检测系统,以及扩大数据库等。总体而言,基于视觉的技术与深度学习相结合,有望实现更快速、更经济且更准确的食品真伪鉴别方法。

  • 通过将环保型荧光传感器阵列与深度卷积神经网络相融合,研发的智能蔬菜新鲜度监测系统

    2024
    Chemical Engineering Journal
    中科院一区
    JCR一区
    查看原文

    Dayuan Wang, Min Zhang, Qibing Zhu, Benmu Adhikari & Shouming Yang

    食品标签

    玉米 新鲜蔬菜 品质、结构与理化性质 包装与智能监测 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法 多酚与黄酮

    计算机标签

    卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据

    鉴于蔬菜易腐且具有季节性的特点,监测其新鲜度对于保障食品安全和减少浪费至关重要。目前,针对新鲜蔬菜的包装系统鲜少配备智能新鲜度监测标签。本研究报道了一种3×6荧光传感器阵列的开发与应用,该阵列利用姜黄素、葛根素和非瑟酮,具有pH敏感特性。在腐败过程中,蛋白质含量较高的豇豆和菠菜会产生碱性挥发性有机化合物(VOCs),而糖分丰富的甜玉米则释放酸性VOCs。该荧光传感器阵列与深度卷积神经网络(DCNN)相结合,通过检测上述三种蔬菜VOCs的酸碱性,实现了对其新鲜度的无损、实时和准确分类。训练后的ResNet50 DCNN模型的总体准确率达到96%。在测试集上对上述蔬菜新鲜度分类的准确率达到21%,其中长豇豆、菠菜和甜玉米的分类准确率分别为98.58%、97.15%和92.89%。该智能新鲜度监测平台具有广泛适用性,可用于监测和分类多种农产品及食品的新鲜度。

  • 基于机器学习和低场核磁共振光谱数据的本地品种猪肉脂肪酸定量与分类研究

    2024
    Food Control
    中科院一区
    JCR一区
    查看原文

    José Luis Ramiro, Ana G. Neo, Trinidad Pérez-Palacios, Teresa Antequera & Carlos F. Marcos

    食品标签

    畜肉 其他品质相关性质 光谱/色谱/质谱等分析方法 传统统计分析与回归 脂质与脂肪酸

    计算机标签

    支持向量机 随机森林 K-近邻 逻辑回归/贝叶斯 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据 中等规模数据集

    以可持续性和卓越肉质著称的地方传统猪种,正日益受到消费者的青睐。此类猪肉的脂类成分构成,是其具备健康效益与优良感官特性的核心因素。因此,精准分析肌内脂肪的特性,对于维持品质标准、打击欺诈行为至关重要。本研究采用台式核磁共振波谱技术,对两个具有代表性的西班牙本土猪种不同部位肉品的脂类图谱进行解析。通过应用化学计量学与机器学习模型,研究实现了基于猪肉部位来源与品种来源的样本分类。此外,本研究率先将台式核磁共振技术与机器学习模型相结合并用于定量分析,成功实现了肌内脂肪中多不饱和脂肪酸、单不饱和脂肪酸及饱和脂肪酸的精准定量。这一创新方法有望提升传统猪肉制品的可追溯性与真伪鉴别水平,增强消费者信心,并推动可持续畜牧业的发展。

  • 结构光反射成像结合深度学习用于早期腐烂橙子检测

    2024
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Hailiang Zhang, Jing Zhang, Yizhi Zhang, Jingru Wei, Baishao Zhan, Xuemei Liu & Wei Luo

    食品标签

    新鲜水果 微生物安全 显微与成像技术

    计算机标签

    图像分割网络 缺陷/异物检测与定位 可见光/RGB/视频数据

    真菌腐烂是采后柑橘最严重的缺陷,及时检测并剔除早期腐烂柑橘对减少经济损失尤为关键。基于结构光照的成像技术是检测水果表面缺陷的一种具有前景的方法。本研究旨在评估结合结构光照反射成像(SIRI)系统与深度学习技术用于柑橘早期腐烂识别与分割的可行性。在四种空间频率下采集柑橘的相移图像,经解调得到直流分量(DC)和交流分量(AC)图像。根据图像中腐烂区域与健康区域的对比度指数,确定检测腐烂的最佳空间频率为 0.20 cycles mm⁻¹。随后,对 AC 图像进行亮度校正与数据增强处理。采用全局阈值法、分水岭分割法以及 U-Net 三种分割方法对图像中的腐烂区域进行分割。其中,U-Net 在 AC 图像上取得了最优结果,总体准确率达到 99.4%,交并比(IoU)为 0.903。通过梯度加权类激活映射(Grad-CAM)可视化 U-Net 对柑橘腐烂区域的识别结果,效果令人满意。本研究有效验证了 SIRI 结合深度学习的缺陷识别能力,为柑橘早期腐烂检测提供了可靠的解决方案。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号