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
茶/茶饮料

标签记录(计算机学者)

暂无筛选

共 122 条结果

  • 基于多层级融合策略的紫金蝉茶品质分级

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

    Wencong Liu, Qiaoyi Zhou, Shuen Yang, Feihu Song, Zhenfeng Li, Jiecai Wang, Chunfang Song, & Caijin Ling

    食品标签

    茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 显微与成像技术

    计算机标签

    支持向量机 随机森林 分类/鉴别/等级评定 多模态/融合数据 红外/拉曼光谱数据

    紫金蝉茶具有与叶蝉取食程度相关的独特品质特征,但客观分级仍具有挑战性。本研究提出了一种结合计算机视觉和近红外光谱的多层级融合策略,用于紫金蝉茶品质分级。研究共采集 163 个茶样,并根据取食程度划分为三个等级:轻度取食 60 个、中度取食 60 个、重度取食 43 个。研究从计算机视觉系统提取图像特征,并利用 CARS、SPA 和 PCA 等方法处理 NIR 光谱特征,随后构建 AdaBoost、SVM、KNN 和随机森林等分类模型,用于单源数据和不同融合层级的分级。特征级融合中,SVM 最高准确率为 97.20%;决策级融合中,LDA-SVM 图像模型与 PCA-RF 光谱模型组合达到 98.15%;混合融合模型表现最佳,采用 LDA 图像特征和 SPA 筛选光谱变量,准确率达到 98.45%。结果表明,多层级图像-光谱融合可为茶叶品质分级提供准确、无损的方法。

  • 通过利用机器学习-数据融合方法改造食品真实性检测:以茶叶为例的研究

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

    Yicong Li, Natasha Logan, Awanwee Petchkongkaew, Yunhe Hong, Xiaotong Liu, Nicholas Birse, Simon Haughey, Terry F. McGrath, Di Wu, & Christopher T. Elliott

    食品标签

    茶/茶饮料 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 矿物质与微量元素

    计算机标签

    机器学习/统计学习 分类/鉴别/等级评定 多模态/融合数据 红外/拉曼光谱数据 中等规模数据集

    全球食品供应链日益脆弱,这突显了快速、准确且无损的真实性检测的必要性。在本研究中,我们开发并验证了一种工作流程,将傅里叶变换红外、近红外和X射线荧光光谱技术与基于机器学习的数据融合整合,用于红茶真实性鉴定。共分析了532个正宗的阿萨姆、达尔吉林、锡兰和祁门茶样品,使用了五种监督模型。开发并比较了一系列信息级、特征级和决策级融合策略,其中决策级融合在校准集、验证集和测试集上均达到了100%的F1分数,表现优于单独方法和其他融合方法。该工作流程进一步应用于89个商业茶样,发现不合格率为6.74%,均来自线上平台。这种方法消除了对昂贵的质谱或基于稳定同位素的仪器的需求,非常适合在非专业实验室,尤其是在发展中国家,进行准确且经济有效的食品真实性检测。

  • 将化学成分与感官品质联系起来:紫叶茶浸泡液中色泽与口感形成的研究

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

    Gaozhong Yang, Mengxue Zhou, Yanan Li, Paul A. Kilmartin, Zhi Lin, Jiang Shi, & Haipeng Lv

    食品标签

    茶/茶饮料 颜色与外观品质 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 代谢组学 多酚与黄酮 花青素与类胡萝卜素

    计算机标签

    偏最小二乘法 随机森林 分类/鉴别/等级评定 组学数据 质构/流变/感官数据

    紫叶茶(PLT)浸液通常呈现出独特的紫红色和苦味,但其化学与感官之间的关系仍未被充分研究。我们对十六种从绿色到深紫色的茶品系进行了177种代谢物的分析,随后通过偏最小二乘判别分析和随机森林鉴定出27种差异代谢物。多变量分析显示,酰化花青素,特别是海葵素和矢车菊素衍生物,是与红色和苦味相关的关键标志物。光二极管阵列检测确认这些色素是主要的发色团。关键的是,添加实验验证了特定花青素比例控制颜色变化,而其积累显著增强了苦味和涩味。分子对接进一步支持了这种感官影响,显示酰化通过氢键和π-π堆积相互作用增强了花青素与人类苦味受体TAS2R14的结合。这些发现将类黄酮途径的重编程与PLT的色彩和感官差异联系起来,为培育高色素、可口的茶树品种提供了分子靶点。

  • 通过多数据融合和机器学习方法追踪枫叶石楠的起源和栽培实践

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

    Yifan Tang, Ping Yu, Feng Xiong, Zhilai Zhan, Kai Xie, Shuyan Yu, Yifan Ning, Zhanhan Zhou, Chun Wang, Weisen Qian, Xiwen Zhang, Yike Liang, Ruijiao Wang, Guoxia Han, & Jian Yang

    食品标签

    茶/茶饮料 其他安全问题 营养与生物功能 光谱/色谱/质谱等分析方法 多酚与黄酮

    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 多模态/融合数据 红外/拉曼光谱数据

    Lithocarpus litseifolius(甜茶)是一种富含类黄酮和必需营养素的药用且可食用的植物,具有作为肝脏保护饮料和天然甜味剂的潜力。尽管在中国多个省份广泛种植,但其原料的质量和稳定性仍缺乏监管。为此,分析了来自7个主要产区的163个样本(n≥18个),以区分22种官能化合物、4种稳定同位素比值和49种多元素,以区分种植方式和地理来源。正交偏最小二乘判别分析(OPLS-DA)成功生成了跨两个栽培区域的预测模型。将8个机器学习算法与多级数据融合整合,发现了6个关键变量--咖啡因、铵、铵、δ¹⁵N、银和3"-O-乙酰苯丙氨酸。随后,基于这些变量构建的五个基础学习器通过软投票集成学习进行组合,生成了一个准确率为100.00%的最佳起源分类器。此外,该研究首次提供了对甜茶质量变化的全面分析,并确定了七个主要的环境影响因素,为栽培策略和质量形成机制提供了见解。

  • 基于快速 XRF 技术结合先进机器学习的红茶全球产地溯源研究

    2026
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Yicong Li, Nicholas Birse, Wanqi Jia, Manus Carey, Yunhe Hong, Xiaotong Liu, Di Wu & Christopher T. Elliott

    食品标签

    茶/茶饮料 食品安全与风险评估 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 支持向量机 随机森林 K-近邻 主成分分析/判别分析 深度学习 分类/鉴别/等级评定 质构/流变/感官数据

    建立完善的红茶溯源体系对防范茶叶欺诈至关重要。开发快速、准确、环保且便捷的红茶产地鉴别方法,对于保护地理标志(GI)产品具有重要意义。本研究采用X射线荧光光谱法,对全球十大主要产茶区的791份正宗红茶样品进行元素含量测定。检测了茶叶产品中15种元素的浓度,并构建了十大地理标志产区的特征元素图谱。此外,采用两种无监督分析技术对高维数据进行可视化处理,并运用六种监督模型对十大地理标志产区进行判别分析。结果表明,随机森林、支持向量机、k近邻、线性判别分析以及深度学习多层感知器(MLP)等机器学习模型,其预测性能均优于传统的偏最小二乘判别分析模型,其中阿萨姆红茶的识别F1分数从66.1%提升至87%–97.7%。MLP模型表现最优,在对十大地理标志产区的532份正宗样品进行产地预测时,总体F1分数达到97.7%。本研究为构建全球综合性红茶溯源体系奠定了基础,对全球范围内防范茶叶欺诈具有重要意义。

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