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)

支持向量机

共 364 条结果

  • 埃洛石纳米管 / 黑磷烯纳米杂化物修饰丝网印刷碳电极构建超便携电化学传感平台,结合机器学习实现基于智能手机的抑芽丹检测

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yu Ge, Minghui Li, Ying Zhong, Lulu Xu, Xinyu Lu, Jiaqi Hu, Quanming Peng, Ling Bai & Yangping Wen

    食品标签

    化学污染物 其他理化与结构表征

    计算机标签

    支持向量机 智能手机/其他 其他深度学习结构 定量预测/回归分析 时序传感器/物联网数据

    借助机器学习(ML)技术,采用银纳米颗粒(AgNPs)改性稳定的黑磷烯(BP)对埃洛石纳米管(HNT)进行修饰,制备出高导电纳米复合材料HNT/BP-AgNPs,并对其开展形貌表征与元素分析研究。采用人工神经网络(ANN)与最小二乘支持向量机(LS-SVM)实现马来酰肼(MH)的智能化快速检测分析。基于HNT/BP-AgNPs修饰丝网印刷碳电极(SPCE)、智能手机及掌上微型恒电位仪构建超便携式电化学传感器,用于检测马来酰肼,其线性检测范围为0.7~55微摩尔每升,检出限(LOD)为0.3微摩尔每升。作为对照,以玻碳电极(GCE)、台式计算机及大型电化学恒电位仪制备传统电化学传感器,线性检测范围为0.3~600微摩尔每升,检出限低至0.1微摩尔每升。将该结合机器学习的超便携式电化学传感器应用于红薯和胡萝卜中马来酰肼的检测,加标回收率结果令人满意。

  • 整合高光谱成像、非靶向代谢组学与机器学习预测自然及人工老化甜玉米种子活力

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Tingting Zhang, Long Lu, Ni Yang, Ian D. Fisk, Wensong Wei, Li Wang, Jing Li, Qun Sun, & Rensen Zeng

    食品标签

    玉米 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸

    计算机标签

    偏最小二乘法 支持向量机 定量预测/回归分析 高光谱/多光谱光谱 时序传感器/物联网数据

    明确并预测甜玉米种子的贮藏稳定性,对实现高效的供应链管理至关重要。然而,种子活力预测能力高度依赖人工加速老化(AA)试验数据,而该试验结果往往无法直接适用于自然老化(NA)种子。本研究整合高光谱成像技术(HSI)与非靶向代谢组学技术(液相色谱 - 质谱联用技术,LC-MS/MS),结合偏最小二乘回归法(PLS-R)、支持向量机回归法(SVM-R)及正交偏最小二乘判别分析(OPLS-DA),基于人工加速老化种子的数据集,构建自然老化种子活力衰减的预测模型。研究首先明确了人工加速老化与自然老化种子的光谱变化模式存在差异。随后,分别利用全波段光谱数据,以及通过回归系数法筛选得到的有效特征波长(EWs)数据,构建基于人工加速老化的种子活力预测模型。采用独立的人工加速老化种子数据集与自然老化种子数据集,分别对模型进行外部验证。结果显示,模型对人工加速老化种子的活力预测效果良好(决定系数 R 2≥0.814),但对自然老化种子的预测精度较低(R 2≤0.696)。代谢组学分析鉴定出 54 种差异代谢物,其中大部分为氨基酸、二肽及其衍生物,这些物质是反映人工加速老化与自然老化种子老化机制差异的重要标志物。研究进一步发现,与 N-H 键相关的光谱波段可能是影响模型实用性的干扰因素。剔除该类相关特征波长后,基于人工加速老化的预测模型对自然老化种子的预测性能显著提升:“绿色超人” 品种的验证集决定系数(R v−22)由 0.696 提升至 0.720,“中天 300” 品种的验证集决定系数由 0.668 提升至 0.727。综上,本研究证实,整合高光谱成像、液相色谱 - 质谱联用技术与机器学习方法,是实现贮藏甜玉米种子活力无损监测与预测的有效技术方案。

  • 基于蛋离心等离子体的快速检测蛋品标签欺诈方法

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Gema Puertas, Patricia Cazón & Manuel Vázquez

    食品标签

    蛋类及其制品 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸

    计算机标签

    支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据

    本研究旨在依据欧盟四种合法养殖方式,建立一种快速、低成本的鸡蛋标签造假检测方法。为此,研究人员对鸡蛋离心处理后获得的血浆进行了相关探究。实验测定并分析了鸡蛋初始蛋白质含量、血浆蛋白质含量、血浆色泽参数(亮度值L、红度值a、黄度值b)以及血浆紫外-可见-近红外光谱特征。研究采用的分类算法包括支持向量机(SVM)、线性判别分析(LDA)与二次判别分析(QDA)。蛋白质含量分析未检测出各组鸡蛋存在显著差异,而色泽参数与光谱检测结果则显示不同养殖方式的鸡蛋之间存在明显差异。基于二次判别分析的光谱分析在校正集中实现了100%的灵敏度;采用可见光谱对验证集进行检测时,灵敏度达87.5%,特异度为94.07%。本研究证实,血浆光谱检测结合分类算法可作为区分四种鸡蛋养殖模式的有效手段,也为鸡蛋标签监管提供了一种快速检测技术。

  • 基于机器学习和冷链物流中多源感知的蓝莓新鲜度预测改进

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Wentao Huang, Xuepei Wang, Junchang Zhang, Jie Xia, & Xiaoshuan Zhang

    食品标签

    新鲜水果 品质、结构与理化性质 过程控制与数字化 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 定量预测/回归分析

    传统果实新鲜度预测建模高度依赖水分散失率、pH 值、维生素 C 含量等理化指标,存在检测耗时费力、具有破坏性且预测精度偏低等现实难题。针对这一问题,本研究提出一种基于多传感技术与机器学习算法的果实新鲜度预测新方法,旨在提升果实新鲜度预测的自动化、智能化水平与检测精度。研究首先依据危害分析与关键控制点(HACCP)方法,解析蓝莓冷链物流的关键控制点,明确氧气(O2​)、二氧化碳(CO2​)、乙烯(C2​H4​)三类核心气体参数,以及气体指标与蓝莓新鲜度之间的作用机制。在此基础上,研发蓝莓冷链微环境监测平台(BCCMMP),实现 0℃、5℃、22℃三种温度条件下核心气体含量的实时监测。实验证实,气体信息可替代品质指标实现对蓝莓新鲜度的表征。研究进一步利用核心气体信息,构建反向传播神经网络(BP)、径向基函数神经网络(RBF)、支持向量机(SVM)、极限学习机(ELM)四种前沿机器学习预测模型。结果显示,各模型预测准确率分别为 90.87%(BP)、92.24%(RBF)、94.01%(SVM)、91.31%(ELM);而基于温度与品质参数的传统阿伦尼乌斯方程法,预测准确率仅为 85.10%。本研究通过传感数据的自动化无损采集结合前沿机器学习算法,为提升果实冷链物流过程中的新鲜度预测精度与食品质量管理水平提供了全新技术路径。

  • 中国传统谷物醋的分类及通过荧光光谱预测的抗氧化特性

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Wanjun Long, Guanghua Lei, Yuting Guan, Hengye Chen, Zikang Hu, Yuanbin He & Haiyan Fu

    食品标签

    谷物/块根/豆与坚果类 抗氧化/抗炎等功能 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 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据

    本研究结合荧光光谱技术与机器学习算法,提出一种可快速、精准实现中国传统谷物醋分类及抗氧化性能预测的分析策略。通过平行因子分析法提取出3种特征荧光组分,经皮尔逊相关性分析证实,这3种组分与中国传统谷物醋的抗氧化活性相关系数均大于0.8。采用线性判别分析、偏最小二乘判别分析及多维偏最小二乘判别分析等机器学习方法对不同品类的中国传统谷物醋进行分类识别,整体分类正确率均高于97%。研究进一步采用基于粒子群优化的变量加权最小二乘支持向量机模型,实现了中国传统谷物醋抗氧化性能的定量分析。该研究构建的分析策略为深入探究中国传统谷物醋的抗氧化活性物质及作用机理奠定了基础,也为不同品类中国传统谷物醋的后续开发与应用提供了理论支撑。

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