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
植物油

标签记录(计算机学者)

暂无筛选

共 114 条结果

  • 利用基于傅里叶变换红外光谱的混合特征选择优化卷积神经网络,对炸油中3-氯丙烷-1,2-二醇进行定量分析

    2026
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Xi Wang, Guijie Li, Jinjuan Yang, Siyi Wang, Shibing Zhang, & Qi Zhao

    食品标签

    植物油 加工污染物 光谱/色谱/质谱等分析方法 其他特殊成分

    计算机标签

    卷积神经网络 偏最小二乘法 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据

    为了解决定量3-单氯丙烷-1,2-二醇(3-MCPD)中的挑战,这是一种在油精炼过程中形成的具有肾毒性、生殖毒性和致癌性特性的有毒化合物,构建了一种结合基于傅里叶变换红外光谱的混合特征选择策略的卷积神经网络(CNN)。在构建CNN之前,通过SiPLSR-IRIV方法选择了相关光谱变量,实现了97%的变量减少。在最佳条件下,该模型获得了0.9689的决定系数(R²C)和0.0734的校准均方根误差(RMSEC)。检测限(0.41 μg g⁻¹)和定量限(1.23 μg g⁻¹)符合欧盟对油中3-MCPD检测的监管标准。这种混合卷积神经网络(CNN)方法在性能上优于传统方法,同时计算成本更低,光谱数据采样范围更窄,为食用油加工行业的质量监测提供了可靠的解决方案。

  • 通过分子感官科学和模拟实验解析储存条件对炸花椒(Zanthoxylum bungeanum Maxim.)油储存过程中异味生成的影响

    2026
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Tianyu Dong, Shuwei Wang, Panpan Wu, Jie Sun, Haitao Chen, & Shuqi Wang

    食品标签

    植物油 香精香料 保藏与贮藏 货架期预测与品质劣变动力学 氧化、褐变等化学变化 特征风味 光谱/色谱/质谱等分析方法 统计建模与仿真 脂质与脂肪酸 其他植物化学物质

    计算机标签

    偏最小二乘法 随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据 质构/流变/感官数据

    作为一种常用的调味品,辣椒油(FPO)为烹饪带来了便利。然而,在储存过程中,它容易产生陈腐的异味。因此,本研究的目的是利用分子感官科学探讨异味化合物的形成途径。在不同储存条件下,采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)鉴定了92种挥发性化合物。FPO的异味主要来源于醛类和酸类。通过正交偏最小二乘法判别分析(OPLS-DA),确定了24种化合物作为区分不同储存条件下FPO的差异性标志化合物。基于建模实验和同位素追踪,柠檬烯、芳樟醇和亚油酸被确认为异味化合物的主要生成物。随机森林是筛选新鲜和储存FPO的最佳模型。已经确定7种挥发性有机化合物(VOCs)作为影响FPO风味质量的关键因素。这些结果为FPO异味的调控提供了理论指导。

  • 解锁特级初榨橄榄油识别:利用可解释人工智能预测红外光谱中的乙酸乙酯

    2026
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Michele Magarelli, Silvia Grassi, Giacomo Squeo, Pierfrancesco Novielli, Roberto Bellotti, Francesco Caponio, Cristina Alamprese, & Sabina Tangaro

    食品标签

    植物油 食品安全与风险评估 其他安全问题 氧化、褐变等化学变化 光谱/色谱/质谱等分析方法 脂质与脂肪酸

    计算机标签

    偏最小二乘法 梯度提升决策树 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据

    特级初榨橄榄油(EVOO)容易被掺假和降解,因此评估其真实性和质量至关重要。脂肪酸乙酯(FAEE)是在发酵过程中形成的,被欧盟立法作为EVOO质量的重要标志,其可接受水平最高为35 mg/kg。在本研究中,提出了一种基于红外光谱结合传统统计方法(即偏最小二乘法-PLS)、机器学习(ML)和可解释人工智能(XAI)的快速、非破坏性且成本效益高的替代方法。使用傅里叶变换红外光谱分析了170个橄榄油样品的数据集,其FAEE浓度范围为1.81 mg/kg到109.00 mg/kg。光谱数据经过预处理,并用于训练各种回归模型。通过XGBoost模型获得了最佳性能(R2 = 0.90,RMSE = 9.41 mg/kg)。XAI技术使模型的解释成为可能,并识别出主要与FAEE含量相关的光谱区域。

  • 拓展视野:利用 1H NMR 与机器学习实现特级初榨橄榄油分类

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    José Raúl Belmonte-Sánchez, Roberto Romero-González, Juan Antonio Tello-Jiménez, & Antonia Garrido Frenich

    食品标签

    新鲜蔬菜 植物油 光谱/色谱/质谱等分析方法 其他植物化学物质

    计算机标签

    偏最小二乘法 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 中等规模数据集

    本研究聚焦于开发高级分类模型,用于区分多种植物油,包括不同类别的橄榄油。首先,研究使用高场质子核磁共振对油样进行分析,随后采用主成分分析作为探索性工具,评估数据结构并检测光谱数据集中的趋势。之后,研究采用监督式偏最小二乘判别分析建立分类模型。研究对象包括六类油:特级初榨橄榄油、初榨橄榄油、灯油级橄榄油、橄榄果渣油、葵花籽油和高油酸葵花籽油。R2、Q2、交叉验证均方根误差和曲线下面积等验证指标证实了模型的稳健性,在 357 个样本中总体准确率达到 90%。具体而言,在 EVOO 类别中,分类模型准确率为 78%,灵敏度为 82%,特异性为 73%,RMSE-CV 为 0.34,AUC 为 0.94。该方法强调萜烯、正烷醛和亚油酸等微量化合物在油脂区分中的重要性。本研究在区分 EVOO 与其他橄榄油类别及其他类型植物油方面具有突破意义。

  • 机器学习辅助的拉曼光谱用于原棕榈油质量的无损分析

    2026
    npj Science of Food
    中科院一区
    JCR一区
    查看原文

    Selorm Yao-Say Solomon Adade, Akwasi Akomeah Agyekum, Xorlali Nunekpeku, Nana Adwoa Nkuma Johnson, John-Nelson Ekumah, Bridget Ama Kwadzokpui, Hao Lin, Huanhuan Li, & Quansheng Chen

    食品标签

    植物油 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸

    计算机标签

    偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据 中等规模数据集

    原棕榈油的质量评估在全球范围内仍然是一个关键挑战,尤其是在资源匮乏的地区,传统方法耗时且具有破坏性。本研究探讨了机器学习辅助的拉曼光谱技术,用于棕榈油中过氧化值(PV)和碘值(IV)的无损评估。从加纳五个市场的200个样品中收集了拉曼光谱,二阶导数预处理显著提高了特征分辨率。通过将三种变量选择算法(CARS、GA、UVE)与三种回归方法(PLS、SVM、RF)结合,开发了十二种预测模型。遗传算法-随机森林(GA-RF)模型在PV(Rp = 0.9831, RPD = 7.7397)和IV(Rp = 0.9752, RPD = 6.3927)的预测精度方面表现出色。与不饱和度(1287-1657 cm⁻¹)和氧化(1748-1840 cm⁻¹)相关的关键光谱区域被确定为重要的预测因子。这种方法能够实现快速、无损的质量评估,并在整个棕榈油价值链中具有潜在应用。

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