相关实验视频
Updated: May 25, 2025

Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
机器学习:监测和确保食品安全,质量和营养的有效工具
Xin Yang1, Chi-Tang Ho2, Xiaoyu Gao1
1College of Food Science and Nutritional Engineering, National Engineering Research Centre for Fruits and Vegetables Processing, Key Laboratory of Storage and Processing of Fruits and Vegetables, Ministry of Agriculture, Engineering Research Centre for Fruits and Vegetables Processing, Ministry of Education, China Agricultural University, Beijing 100083, PR China.
机器学习 (ML) 在食品科学中为安全,质量和营养提供先进的解决方案. 本综述详细介绍了ML在污染物预测,质量分级和理解肠道微生物群中的应用.
科学领域:
- 食品科学与技术 食品科学与技术
- 计算生物学 计算生物学
- 营养科学 营养科学
背景情况:
- 食品安全,质量和营养产生复杂的数据.
- 传统的方法在处理大数据集时遇到困难.
- 机器学习 (ML) 提供了高效的数据分析.
研究的目的:
- 审查ML在食品安全,质量和营养方面的应用.
- 探索ML用于预测污染物和 adulterants.
- 分析营养相关性和肠道微生物群与疾病的联系.
主要方法:
- 在食品科学中ML应用的文献综述.
- 用于污染物预测和食品分类的ML分析.
- 在营养分析和肠道微生物群研究中检查ML.
主要成果:
- ML有效地预测食品污染物,并检测 adulterants.
- ML 增强了食品质量分类和营养分析.
- ML阐明了肠道微生物群与饮食与疾病的关系.
结论:
- 机器学习是推动食品安全,质量和营养的强大工具.
- ML有助于识别饮食干预的生物标志物.
- 本综述是未来在食品科学中的ML研究的参考.
更多相关视频
06:21Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method
Published on: February 19, 2021
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
相关概念视频
Key Elements for Plant Nutrition
Quality Assurance