类目筛选(食品学者)
-
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)
-
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)
标签记录(计算机学者)
共 1098 条结果
-
基于代谢组学分析的冷藏和冷冻鸡中新型生物标志物的鉴定及其应用
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
禽肉 品质、结构与理化性质 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 分类/鉴别/等级评定商家将冷冻鸡肉冒充冰鲜鸡肉销售,引发了多起经济利益驱动型掺伪(EMA)事件。本研究首先基于代谢组学构建正交偏最小二乘判别分析(OPLS-DA)与正交偏最小二乘回归(OPLS-R)模型,筛选出冰鲜鸡肉与不同储藏时间冷冻鸡肉的差异代谢物。基于上述差异化合物建立的偏最小二乘判别分析(PLS-DA)模型,对生制冰鲜与冷冻鸡肉的掺伪鉴别准确率分别达到训练集 91%、测试集 100%。
其次,研究通过烹煮实验,探究熟制冰鲜与冷冻鸡肉的品质差异。冰鲜鸡块中 烟酰胺、邻乙酰基 - L - 肉碱、次黄嘌呤、肌苷酸(IMP) 含量更高,表明其营养品质更优、风味更佳;而冷冻鸡块中苦味与酸味肽含量更高,反映其新鲜度下降。 -
应用稳定同位素和矿质元素指纹识别浓缩苹果汁的地理来源
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
果蔬汁/浓缩汁 食品安全与风险评估 质量管理与追溯系统 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定食品溯源是食品安全与品质管控的重要组成部分。目前,我国尚未建立成熟可靠的技术用于 浓缩苹果汁(CAJ) 的产地鉴别。本研究测定了来自五大产区(BHB、NWR、SCH、LP、YRAR)浓缩苹果汁中的δ13C、δ18O稳定同位素比值及 32 种元素含量。
经邓肯多重比较检验,五大产区样品的δ13C、δ18O及 28 种元素存在显著差异(P<0.05)。研究采用主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)与正交偏最小二乘判别分析(OPLS-DA)开展样品产地分类,结果表明:铊(Tl)、硒(Se)、δ18O、硼(B)、镁(Mg)、锶(Sr)、钕(Nd)、钼(Mo)、砷(As)、钠(Na)这 10 个关键变量对样本判别贡献度更高。
上述研究结果有助于阐明我国浓缩苹果汁中稳定同位素与元素组成的地理来源差异,为管控浓缩苹果汁产地标签造假行为提供重要参考依据。 -
一种新型高通量高光谱扫描仪及其分析预测玉米籽粒成分和物理性状的方法
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
玉米 品质、结构与理化性质 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析 高光谱/多光谱光谱面向科研人员、育种家和加工企业所关注的玉米籽粒关键性状,开展大规模表型鉴定亟需高效高通量检测方法,而目前此类技术仍较为匮乏。为解决这一瓶颈,本研究开发了一套全新的平板式检测平台,可自动采集并分析玉米籽粒的多波长近红外(NIR 高光谱)图像,其检测精度足以对籽粒蛋白质含量、密度、胚乳角质度实现可靠预测。
该平台采用朝上式相机设计,并能通过专属侧面模型,自动区分分析样品中每一粒籽粒的胚面与非胚面,相较于其他单籽粒检测平台,实现了检测通量与预测精度的更佳兼顾。平台对蛋白质含量的预测均方根误差为0.85%,密度预测误差低至0.038 g/cm³,胚乳角质度百分比预测误差为6.3%;同时可精准测定籽粒长度与宽度,实现对快速扫描样品中每一粒籽粒的全面表型表征。 -
基于化学计量学和便携式近红外光谱的啤酒中二甘醇快速筛查方法
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
酒精饮料 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据近期某巴西啤酒品牌多批次产品发生二甘醇(DEG)污染事件,引发广泛社会反响,已造成至少 7 人死亡。本文建立了一种基于便携式近红外光谱结合 偏最小二乘判别分析(PLS-DA) 的直接检测方法,用于啤酒样品中二甘醇的快速测定。
该判别模型以 100 份未污染啤酒样品与 100 份二甘醇加标样品构建,二甘醇质量浓度范围为10~1000 mg·L⁻¹,共计 200 份不同品牌、不同风格的啤酒样品。研究通过假阳性率、假阴性率、灵敏度、特异度、准确率、符合度与一致性等方法学评价指标对该方法进行验证。方法的判定限(CCα)为 52 mg・L⁻¹,检测能力(CCβ)为 106 mg・L⁻¹。本方法无需消耗化学试剂与溶剂,适用于啤酒行业质量管控及法医鉴定工作。 -
基于配料表的深度学习准确预测食品类别和营养成分
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
基本营养价值评价 问卷/市场与消费者研究 常量营养素(宏量)计算机标签
深度学习 定量预测/回归分析 文本/知识库/法规数据对食品进行类别判定、构建分类体系与营养成分标注,是深入认知食品的重要工作,但该过程难度大、资源消耗高。本研究从美国农业部品牌食品产品数据库(USDA Branded Food Products Database)中整理并修正,构建了全新的134k BFPD 数据集,依据三套食品分类体系与营养成分数值完成标注,成为迄今覆盖食品种类最丰富的人工智能专用数据集。
整体而言,多层感知机结合 TF‑SE 改进算法(MLP‑TF‑SE) 在食品自然语言处理任务中表现出最优学习效率,食品分类准确率最高可达99%,钙含量预测的决定系数(R2)为0.98(热量、蛋白质、钠、总碳水化合物、总脂等指标的R2介于 0.93~0.97 之间)。该深度学习方法可拓展应用于其他食品分类与回归任务,在食品及营养相关领域具备良好的延伸应用潜力。