机器学习
-
机器学习在食品安全中的新兴应用
今天分享一篇最近由美国乔治亚大学的Xiangyu Deng发表在Annual Review of Food Science and Technology上的综述。文章对食品安全和公共卫生特定领域下的机器学习进行了介绍,回顾近期和显著的进展,并讨论挑战和潜在的缺陷。
-
拉曼光谱结合机器学习对食用油的评价
今天介绍一篇来自罗马尼亚国家同位素和分子技术研究与发展研究所的Camelia Berghian-Grosan和Dana Alina Magdas于2020年5月21日在Talanta发表的文章。该文章是基于拉曼光谱结合机器学习算法建立食用油快速检测方法,不仅实现了掺假的定性检测,而且对掺假量也进行了初步估计。
-
植物油中化学物质污染的安全风险评估和预警
今天介绍一篇由上海大学生命科学学院发表于Food Control的一篇文章。文中针对中国的实际情况,分析了三种食用植物油的化学危害污染状况,通过建立多种膳食暴露评价模型,对食用植物油中的苯并芘、黄曲霉毒素B1和重金属进行了风险评价。在此基础上,对食用植物油化学危害的综合风险评价进行了研究,并利用AHP-BP方法建立了食用植物油化学危害程度的预测模型。
-
利用机器学习算法基于天气和水管理信息构建黑皮诺香气特征模型
今天给大家介绍一篇由Sigfredo Fuentes等人合作,发表在Foods上的一篇有意思的文章,文章中作者介绍了一种基于天气和水管理信息的人工神经网络(ANN)模型预测黑皮诺(Pinot Noir)的香气特征。
-
机器学习预测新兴污染物在植物中的吸收和转移:对食品安全的影响
今天介绍一篇由来自美国密苏里科技大学的Majid Bagheri等人发表在Science of the Total Environment上的一篇文章。文中使用神经网络和模糊逻辑,通过根部浓缩系数(RCF)和果实浓缩系数(FCF)测量植物根部和可食部位中污染物的积累。
-
基于机器学习的模式识别技术鉴别掺假油和食用油混合物
今天给大家介绍一篇由Kevin Lim等人近期发表在Nature Communications上的一篇研究型文章。文章提出了一种机器学习方法来发现脂肪酸的特定组成,以区分十种不同的植物油类型及其内部的变化。作者还描述了一种有监督的端到端学习方法,该方法可以推广到任何给定混合物的油组成。
-
系统综述人工神经网络在食品加工过程中的建模应用
今天给大家介绍一篇由G. V. S. Bhagya Raj等人合作的,于近期发表在Critical Reviews in Food Science and Nutrition的一篇综述,文章中作者系统综述了ANN在食品加工等领域的应用进展并进行了展望。
-
基于数据和结构的组合建模方法筛选数据库中潜在甜味分子
今天给大家介绍一篇由Anukrati Goel等人合作的,于前段时间发表在Food Chemistry的一篇文章,文章中作者介绍了一种基于计算机驱动的方法,可以从大型天然化合物数据库中筛选出潜在的新型甜味剂。
-
人体对食物的餐后反应与精准营养的潜力
今天介绍一篇由Sarah E. Berry等人前段时间发布于nature medicine的一篇文章。文中对英国(n=1002)和美国(n=100)的年轻健康成年人进行餐后代谢反应评估,并开发机器学习模型来预测人体内的甘油三酸酯(r=0.47)和血糖(r=0.77)对食物摄入的反应,这项技术有助于制定个性化的饮食策略。
-
使用机器学习方法评估草莓树果实提取物在粉剂及溶剂系统中的稳定性
今天给大家介绍一篇由Astraya等人合著,于前段时间发表在Food Chemistry上的一篇研究型文章。文章中作者为了模拟酚类化合物在不同储存条件下的降解动力学,建立了3种机器学习模型。