类目筛选（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
-
-
深度筛选（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
-
-
标签记录（计算机学者）
清除全部筛选
标签记录（食品学者）
共 1098 条结果
-
基于智能手机的双荧光碳点智能装置用于水和食品样品中铜(II)的可视化与即时检测
查看原文
2024
Food Chemistry: X
中科院一区JCR一区
计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品标签
食品安全与风险评估 理化与结构表征 矿物质与微量元素Cu²⁺的过量存在可能对人体健康有害。因此，研究人员开发了一种基于多色荧光碳点（CDs）的比率荧光传感器，用于Cu²⁺的检测。通过一步水热法合成了蓝色和黄色碳点（B-CDs/Y-CDs）。加入Cu²⁺后，它会被B-CDs的氨基捕获并形成复合物，通过光诱导电子转移（PET）导致强烈的荧光猝灭。同时，Y-CDs的氨基也会与Cu²⁺结合，这会抑制其内部的PET，从而增强Y-CDs的荧光。该传感器具有快速、可视化和选择性好的优点，检测下限（LOD）低至2.29 nM。此外，研究人员还构建了一个由便携式光学检测器和智能手机组成的智能设备，实现了Cu²⁺的可视化即时检测（POCT），其检测下限为7.51 nM。该策略为监测重金属污染和食品安全提供了一种便捷的方法。
-
基于人工神经网络、最小二乘法和壳聚糖-镍铁氧体纳米吸附剂的集成优化策略用于果汁中胭脂红4R的脱除
查看原文
2024
Food Chemistry: X
中科院一区JCR一区
计算机标签
智能手机/其他 定量预测/回归分析食品标签
果蔬汁/浓缩汁 其他添加剂与配料 加工与新加工技术 食品安全与风险评估 理化与结构表征本研究的目的是考察所制备的胺化壳聚糖/镍铁氧体纳米颗粒（AmCs/NiFe₂O₄ NPs）通过吸附过程从果汁中去除胭脂红4R（P4R）的效率。采用多种技术对所得纳米颗粒进行了表征。使用最小二乘法（LS）和径向基函数-人工神经网络（RBF-ANN）对结果进行建模。在以下最佳条件下，P4R的最佳去除率为91.43%：pH值4.47、吸附剂用量0.047 g/L、接触时间约57.78分钟、P4R初始浓度26.89 mg/L。最高吸附容量（qm）为208.33 mg/g。P4R的吸附主要遵循弗伦德里希等温线模型和伪二级动力学模型。基于LS的模型和RBF-ANN均能对自变量提供良好的预测。对果汁样品的染料去除效率约为90.34%。因此，根据所得结果，可以认为所制备的AmCs/NiFe₂O₄ NPs可用于去除P4R。
-
利用化学计量学分析GC-MS指纹图谱对伊朗红茶的挥发性成分进行全面表征
查看原文
2024
Food Chemistry: X
中科院一区JCR一区
计算机标签
智能手机/其他 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 组学数据食品标签
茶/茶饮料 特征风味 光谱/色谱/质谱等分析方法 其他植物化学物质红茶是一种广受欢迎的非酒精饮料，以其独特的香气闻名，且因其复杂的成分受到了广泛关注。然而，伊朗红茶的化学组成仍在很大程度上未被探索。在这项研究中，首先采用顶空固相微萃取结合气相色谱-质谱联用（HS-SPME-GC-MS）技术，对来自伊朗北部四个地理区域主要产茶区的红茶样品进行了分析，以分离、鉴定和定量其挥发性有机化合物。随后，我们运用一种可靠的研究策略，首次将著名的多元曲线分辨率-交替最小二乘（MCR-ALS）方法作为解卷积技术，来分析红茶样品复杂的GC-MS峰簇。这种方法有效解决了严重的基线漂移、峰重叠和背景噪声等问题，能够识别出导致不同样品具有独特风味和口感的微量成分。MCR-ALS技术显著提高了光谱和洗脱图谱的分辨率，实现了对茶叶成分的定性和半定量分析。定性分析包括将解析出的峰图谱与理论光谱以及保留指数进行比较，而半定量分析则采用整体体积积分（OVI）方法对挥发性化合物进行分析，使峰面积与浓度之间的相关性更准确。在GC-MS分析中应用化学计量学工具后，四个红茶样品中已识别出的成分数量从54种增加到256种，且所有成分的浓度均超过0.1%。其中，32种挥发性化合物在每个红茶样品中都存在。烃类（包括烯烃、烷烃、环烷烃、单萜和倍半萜）、酯类和醇类是三大主要化学类别，占挥发性化合物总相对含量的78%。对四个不同地区的红茶进行分析后发现，它们不仅在挥发性成分上存在差异，在相对比例上也有所不同。这种综合方法全面揭示了伊朗红茶的挥发性化学组成，增进了对不同地理来源的伊朗红茶独特特性的了解，并为其品质提升奠定了基础。
-
木鳖子假种皮的泡沫垫干燥条件对干燥速率和生物活性化合物的影响：通过新型统计方法进行优化
查看原文
2024
Food Chemistry: X
中科院一区JCR一区
计算机标签
智能手机/其他 定量预测/回归分析食品标签
其他果蔬制品/植物类 加工与新加工技术 理化与结构表征 多酚与黄酮 花青素与类胡萝卜素本研究旨在通过使用响应面法（RSM）和人工神经网络（ANN）结合遗传算法（GA）这两种新颖的统计技术，优化泡沫垫干燥条件，以最大化木鳖子假种皮粉末的品质[β-胡萝卜素和总多酚含量（TPC）]和干燥速率。在生产过程中，用于发泡过程的卵清蛋白（EA）用量和干燥温度主要影响粉末的干燥速率和抗氧化化合物含量。3–10–3的人工神经网络模型比响应面法模型具有更高的准确性和更快的预测能力。人工神经网络-遗传算法模型预测的最佳条件为：卵清蛋白13.31%、黄原胶0.26%、干燥温度73.1°C，此时干燥速率为1.89克水/克干物质/分钟，β-胡萝卜素含量为395.88微克/克，总多酚含量为1.68毫克没食子酸当量/克。这些结果证实了泡沫垫干燥法在木鳖子果假种皮粉末生产中的适用性和应用前景，该方法可用于生产含有高生物活性化合物的食品原料。
-
基于生物标志物与关键风味物质筛选的酱香型白酒不同质量等级机器学习鉴别与预测
查看原文
2024
Food Chemistry：X
中科院一区JCR一区
计算机标签
智能手机/其他 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 组学数据食品标签
酒精饮料 感官科学与消费者研究 特征风味 质量管理与追溯系统 常规理化指标测定 光谱/色谱/质谱等分析方法 碳水化合物与糖类基酒的质量等级直接决定了酱香型白酒的最终品质。然而，传统的等级评定方法往往依赖主观经验，缺乏客观性和准确性。本研究采用气相色谱-氢火焰离子化检测器（GC-FID），结合定量描述分析法（QDA）和气味活度值（OAV），鉴定出27种关键风味化合物，包括乙酸、丙酸、油酸乙酯和异戊醇等，它们是导致质量等级差异的重要因素。此外，还发现16种细菌生物标志物（包括Komagataeibacter菌和醋酸杆菌等）以及7种真菌生物标志物（包括曲霉和红曲霉等）是影响这些差异的关键微生物。同时，酒醅中的还原糖含量对基酒质量有显著影响。最后，本研究对11种机器学习分类模型和9种预测模型进行了评估，筛选出用于准确进行质量等级分类和预测的最优模型。该研究为完善酱香型白酒的评价体系和保证产品质量稳定性奠定了基础。
