联系我们：

　　江南大学将来食物科学核心。2021年12月博士结业于大学，结业后插手江南大学将来食物科学核心食物大数据取风味组学团队。次要研究标的目的为工业智能化正在食物工程中的使用。针对工业4。0开辟正在线软丈量手艺，包罗利用图像处置手艺和人工智能算法建立奶粉质量正在线软丈量手艺、对工业出产过程变量进行大数据阐发、成立奶粉产物的三维模子，对其进行概况纹理分类以及操纵联邦进修和区块链手艺处理食物平安消息问题等。以第一做者颁发SCI论文5 篇，EI论文1 篇，中文焦点论文2 篇以及发现专利2 项，多次加入国际会议做口头或海报展现。目前担任“十四五”国度沉点研发打算项目“食物全程全息风险及防控系统建立取使用示范”（2022YFF1101100）子课题担任人。

　　然而，ML正在食物风味预测和阐发范畴的现实使用取研究尚未成熟，还有待不竭完美取摸索。目前，操纵ML进行食物风味阐发取调控越来越遭到注沉，相关方式也正在不竭优化，以满脚消费者对食物风味的期望。正在将来，食物研究者们可通过筛选和改良ML算法或利用夹杂模子提高可预测性，推进ML算法正在食物风味研究中的使用取推广。此外，笔者期望从使用ML节制化学反映或化学合成的案例中罗致经验，指点抱负物质的合成（生物合成或化学合成）从而达到对风味物质的调控。研究者们还能够通过开辟潜正在复杂的预测模子摸索食物出产加工过程中风味变化的机理，以满脚消费者的需乞降爱好。总之，ML正在食物布局设想、食物风味阐发取预测、潜正在环节风味化合物筛选及其合成预测等范畴均饰演着主要脚色，而ML正在食物风味范畴的使用取成长将为整个食物行业带来商机和挑和。正在将来，ML正在食物风味研究范畴的使用场景将愈加深切和多元化，这必将成为食物风味研究范畴的新高度。

　　为系统提拔我国食物养分取平安的科技立异策源能力，加快科技向现实出产力，鞭策食物财产向绿色化、智能化、高端化转型升级，由食物科学研究院、中国食物社《食物科学》（EI收录）、中国食物社《Food Science and Human Wellness》（SCI收录）、中国食物社《Journal of Future Foods》（ESCI收录）从办，合肥工业大学、安徽农业大学、安徽省食物行业协会、安徽大学、合肥大学、合肥师范学院、工商大学、中国科技大学从属第一病院临床养分科、安徽粮食工程职业学院、安徽省农科院农产物加工研究所、安徽科技学院、皖院、黄山学院、滁州学院、蚌埠学院配合从办的“第六届食物科学取人类健康国际研讨会”，将于 2026年8月15-16日（8月14日全天报到）正在中国 安徽 合肥召开。

　　南京农业大学副传授，2005年和2012年别离获得东南大学硕士和博士学位，2016年至2017年为美国密歇根州立大学拜候学者。现为江苏园艺工程分会副理事长，江苏省从动化学会理事，江苏省仪器仪表学会理事，江苏省人工智能学会机械人专委会委员，《智能化农业配备学报（中英文）》青年编委。次要处置智能机械人取人工智能手艺、智能传感及无损检测手艺等相关研究。获得2014年江苏省科学手艺一等，2016年教育部手艺发现一等，2014-2018年度中国农业机械学会先辈工做者等。掌管国度天然科学基金面上项目、江苏省天然科学基金面上项目等纵向课题9 项，颁发SCI/EI论文40余篇，授权发现专利10余项，研究遭到央视CCTV17等多家报道。

　　结论：目前，ML已越来越多地使用于食物科学，特别是食物风味研究范畴。现代智能感官手艺连系ML算法的方式正在食物风味阐发范畴已取得了优良的使用。ML填补了保守人工评价客不雅性强、尺度难以同一等错误谬误，如ML算法取电子鼻、电子舌、红外光谱和GC-MS等手艺相连系预测和调控食物风味，对于促品风味的加强和质量节制尤为主要。除了间接从食物中获得的风味成分数据外，选择性离子流管质谱法和大气压化学电离质谱法等正在线质谱阐发法获得的食物取消费者之间彼此感化的大量数据，对于预测食物口腔加工过程中的风味和调控也具有主要的指点意义。

　　摘要：跟着糊口程度不竭提高，人们除了关怀食物能否甘旨外，其健康要素和优良风味的连系也越来越遭到注沉。食物风味成分不只是影响食物感官质量的主要要素，也是影响食物养分程度的环节目标。目前，保守方式对食物风味成分进行阐发及预测费时吃力，且无法处置大量数据。比拟之下，机械进修是人工智能的焦点，正在区分差同性以及寻找配合性上具有保守阐发手艺难以对比的劣势，正在食物风味阐发范畴已取得了优良的使用。基于此，本文环绕机械进修正在食物风味范畴的研究现状，引见常用的机械进修方式的道理和长处，及其正在食物风味预测及调理中的最新使用取前景。沉点切磋现代智能感官检测手艺连系机械进修正在食物风味阐发范畴研究的劣势取将来趋向，以期为食物风味阐发取预测范畴研究供给新思和理论根本。

　　机械进修做为人工智能的一个主要范畴，正在寻找配合性、区分差同性上具有保守手艺难以对比的劣势，近年来，食物科学范畴逐步起头摸索机械进修的研究取使用。因而，《食物科学》特设。

　　结论：本尝试针对食物图像细粒度和具有丰硕语义消息的特点，提出了一种食物图像检索方式EVHNet，该方式无效连系了卷积布局的局部特征提取能力和Transformer的全局表达能力，建立了基于加强ViT的哈希食物图像检索，正在3 个食物数据集长进行的相关研究验证了该方式的无效性。EVHNet包含两个分支模块：ASFM和LFEM。ASFM从多层迭代的Transformer编码器中收集类令牌，收集的类令牌包含了食物图像中分歧标准的语义消息。LFEM对Transformer编码器的最初一层输出进行结局部特征的加强，使得收集可以或许进修食物图像中更具代表性的特征，并生成具有改良的局部特征暗示。加强的局部模块使模子可以或许从动进修所关心的次要特征，同时不主要的特征。正在融合阶段，将局部特征和全局语义特征进行彼此弥补，从而加强最终的特征暗示，加强的特征暗示包含了食物图像中的细粒度特征以及更深条理的语义特征。研究发觉，比拟于纯Transformer布局或者纯CNN布局，夹杂架构兼顾局部特征和全局特征，正在食物图像检索范畴表示出优良的潜力。

　　为汇聚全球聪慧共探财产变化标的目的，搭建跨学科、跨国界的协同立异平台，由食物科学研究院、中国肉类食物分析研究核心、国度市场监视办理总局手艺立异核心（动物替代卵白）、中国食物社《食物科学》（EI收录）、中国食物社《Food Science and Human Wellness》（SCI收录）、中国食物社《Journal of Future Foods》（ESCI收录）从办，西南大学、 农业科学院、 农产物加工业手艺立异联盟、沉庆工商大学、沉庆三峡学院、西华大学、成都大学、四川旅逛学院、西昌学院、结合大学、 中国健康办理协会特殊食物取动物养分分会配合从办 的“ 第三届大食物不雅·将来食物科技立异国际研讨会 ”， 将于2026年4月25-26日 （4月24日全天报到） 正在中国 沉庆召开。

　　利用深度进修方式预测奶粉质量参数可被进一步使用，除去分离性、堆积密度，还有多项粉体目标也可被使用。此外除了分类使命，回归使命能够更好地表达奶粉质量参数，此标的目的使命也值得进一步推进。

　　摘要：油茶籽油贸易价值高，有需要开辟快速精确的油茶籽油掺伪辨别方式。本尝试研究低场核磁共振（lowfield nuclear magnetic resonance，LF-NMR）弛豫特征连系支撑向量机（support vector machine，SVM）辨别油茶籽油掺伪的可行性。正在比力了油茶籽油、3 种其他品种的一般/氧化的食用油及多种二元掺兑油样的LF-NMR弛豫特征的根本长进行从成分阐发，设想了具有二叉树布局的SVM多分类器，采用ReliefF算法进行特征筛选，成立并验证了油茶籽油掺伪的SVM辨别模子。研究表白，油脂品种、氧化程度及掺兑比例均会影响油样的LF-NMR弛豫特征。当特征数为9时，SVM多分类模子机能最佳，精确率可达90。77%，对油茶籽油、掺兑类型及比例的平均召回率为90。87%、切确率为90。83%、F1分数为0。90。这表白基于LF-NMR弛豫特征的SVM模子可用于油茶籽油的掺伪辨别。

　　结论：本尝试提出了一种基于ResNet模子的速溶全脂奶粉分离性和堆积密度预测方式，能够处理尝试室方步调繁琐等问题。这种方式立异地将计较机视觉范畴的深度进修方式使用到奶粉质量检测中，正在大大简化检测的操做、时间和复杂度的同时了检测的精确性。正在分离性预测中，利用ResNet 152模子能够使预测精确率达到97。50%；正在松散密度预测中，利用ResNet 152模子能够使预测精确率达到98。75%；正在振实密度预测中，利用ResNet 152模子能够使预测精确率达到95。00%。且鉴于输入图像尺寸小，总锻炼开销小，利用ResNet测奶粉质量参数是一种成本较低的检测方式。

　　摘要：做为食物计较的一个次要使命，食物图像检索近年来遭到了普遍的关心。然而，食物图像检索面对着两个次要的挑和。起首，食物图像具有细粒度的特点，这意味着分歧食物类别之间的视觉差别可能很小，这些差别只能正在图像的局部区域中察看到。其次，食物图像包含丰硕的语义消息，如食材、烹调体例等，这些消息的提取和操纵对于提高检索机能至关主要。为处理这些问题，本尝试基于预锻炼的视觉Transformer（Vision Transformer，ViT）模子提出了一种加强ViT的哈希收集（enhanced ViT hash network，EVHNet）。针对食物图像的细粒度特点，EVHNet中设想了一个基于卷积布局的局部特征加强模块，使收集可以或许进修到更具有代表性的特征。为更好地操纵食物图像的语义消息，EVHNet中还设想了一个聚合语义特征模块，按照类令牌特征来聚合食物图像中的语义消息。本尝试提出的EVHNet模子正在哈希、核心类似量化和深度极化收集3 种风行的哈希图像检索框架下进行评估，并取AlexNet，ResNet50、ViT-B_32和ViT-B_16 4 种支流收集模子进行比力，正在Food-101、Vireo Food-172、UEC Food-256 3 个食物数据集上的尝试成果表白，EVHNet模子正在检索精度上的分析机能优于其他模子。

　　摘要：针对保守的奶粉质量国际尺度检测方式中存正在的客不雅性和畅后性等问题，本研究提出了一种基于残差收集（residual network，ResNet）的奶粉分离性和堆积密度的快速分类检测方式。正在本研究中，利用的数据集包罗499 张正在10 倍光学显微镜下拍摄的速溶全脂奶粉颗粒微不雅分布图像，这些图像来自10 个分歧的样本组。起首，按照国际尺度方式检测这10 组样本的分离性和堆积密度，进而基于测试成果划分分歧的分离性和堆积密度级别。随后，操纵这些微不雅图像对ResNet模子进行锻炼，以实现对分歧样本的无效分类。最终，通过度类成果预测速溶全脂奶粉的分离性、松散密度和振实密度。此外，本研究还对比了ResNet、EfficientNetV2和Swin Transformer等分歧深度进修模子的预测结果。成果表白，基于ResNet 152的深度进修模子正在预测速溶全脂奶粉的分离性、松散密度和振实密度方面表示最佳，其正在测试集上的精确率别离达到97。50%、98。75%和95。00%。这些深度进修模子正在奶粉质量检测中的超卓机能不只证了然该方式可以或许及时、精确地预测奶粉的分离性和堆积密度，同时也为奶粉质量的正在线检测供给了新的手艺路子。

　　结论：本研究成立了基于LF-NMR弛豫特征的CAO SVM掺伪辨别模子，并对模子的机能进行了评价。正在对一般/氧化的CAO、其他品种的动物油及多种二元掺兑油样的LF-NMR弛豫特征比力及PCA的根本上，设想了CAO掺兑识此外SVM二叉树布局分类器，并采用ReliefF算法进行特征筛选，发觉当特征数为9时，SVM多分类模子的机能最佳，精确率为90。77%，对CAO、掺兑类型及比例的平均召回率为90。87%、切确率为90。83%、F1分数为0。90，具有较高的分类机能。本研究可为操纵LF-NMR弛豫特征进行CAO的保实判定和掺兑检测供给手艺根据。