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 91 条结果
-
用于鲑鱼新鲜度监测的薄膜:由亲脂大豆蛋白、羟丙基甲基纤维素和负载紫草素的十八烯琥珀酸酐修饰γ-环糊精MOF制备
查看原文2025
Food Hydrocolloids
中科院一区JCR一区Yuanda Sun, Haibo Xu, Yi Ma, Yingmeng Hou, Shasha Cheng, Mingqian Tan, Jingru Chang & Haitao Wang
食品标签
鱼肉 蛋白质配料 智能/指示型包装 常规理化指标测定 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 定量预测/回归分析 可见光/RGB/视频数据智能包装薄膜的开发因其能够追踪水产品新鲜度的能力而受到相当多的关注。将天然色素掺入可食用薄膜已成为一种有前景的食品新鲜度评估方法。然而,天然色素在成膜溶液中的有限稳定性和较差分散性对其在食品中的实际应用构成了挑战。在本研究中,天然色素紫草素被成功封装在十八烯基琥珀酸酐(ODSA)修饰的γ-环糊精金属有机框架(OCM)的孔道内。随后,负载紫草素的OCM被整合到大豆亲脂蛋白/羟丙基甲基纤维素基薄膜(LP/HPMC薄膜)中。结果表明,负载OCM-紫草素显著增强了LP/HPMC薄膜的结构和功能特性。值得注意的是,OCM对紫草素的包封率为60.12%±0.83,其储存7天的稳定性比游离紫草素高出1.5倍。这些OCM-紫草素均匀分布在LP/HPMC薄膜基质内,从而使LP/HPMC薄膜的力学性能、紫外线阻挡能力和水蒸气阻隔性能得到改善。此外,所制备的负载OCM-紫草素的LP/HPMC薄膜(OCM-紫草素薄膜)表现出pH值和氨敏感性,使它们能够在储存期间有效监测鲑鱼的新鲜度。另外,建立了一个深度学习模型,将鲑鱼的总挥发性碱性氮(TVB-N)水平与薄膜的颜色变化相关联。在这些模型中,Xception模型展现了高达0.9973的准确性,突出了这些薄膜在实际应用中用于实时可靠新鲜度监测的潜力。总之,OCM-紫草素薄膜具有出色的pH响应特性,使其非常适合用于食品安全和质量控制的智能包装。
-
近红外与拉曼光谱数据融合:一种用于无损预测鲑鱼总挥发性盐基氮含量的创新工具
查看原文2024
Food Research International
中科院一区JCR一区Minqiang Guo, Hong Lin, Kaiqiang Wang, Limin Cao & Jianxin Sui
食品标签
鱼肉 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
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据总挥发性盐基氮是评价鲑鱼新鲜度的重要指标。本研究旨在利用近红外光谱与拉曼光谱,对在多种温度条件下储存的鲑鱼鱼片的总挥发性盐基氮含量进行准确、无损的预测。通过采用低层数据融合和中层数据融合策略,整合近红外与拉曼光谱数据,建立了偏最小二乘支持向量机回归模型。值得注意的是,与单一光谱分析相比,低层数据融合方法提供了最准确的预测模型,其预测集决定系数为0.910,预测均方根误差为1.922 mg/100 g。此外,基于二维相关光谱和变量重要性投影的中层数据融合模型的预测集决定系数分别达到0.885和0.906。这些发现证明了所提方法在鲑鱼总挥发性盐基氮精确定量检测方面的有效性,为在其他肉制品研究中探索类似方法奠定了技术基础。该方法具有评估和监测海鲜新鲜度的潜力,能确保消费者安全并提升产品质量。
-
基于改进计算流体动力学与纹理数据机器学习的鱼糜3D打印挤出行为分析与可打印性快速预测
查看原文2024
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Jieling Chen, Yaqiu Kong & Qilin Huang
食品标签
鱼肉 3D 打印与结构构筑 数值仿真计算机标签
偏最小二乘法 定量预测/回归分析本研究旨在开发一种改进的计算流体动力学模型,用于精确分析鱼糜的挤出行为,并建立一种基于机器学习的方法来快速预测鱼糜的可打印性。本研究采用二维旋转轴对称模型替代三维/四维物理模型,从而提高了模拟效率。为提高CFD模拟的准确性,将教科书中所假设的壁面“无滑移”边界条件替换为壁面滑移边界条件。这将模拟结果与实测结果之间的误差降低至1%以下,并由此计算出可打印性所需的挤出压力低于17,034 Pa。通过改进的CFD模型,CFD计算效率较以往报道提高了33倍,并且可在10秒内获得所需挤出压力的模拟结果。此外,提出了一种基于纹理数据的机器学习方法(偏最小二乘回归模型),用于快速预测鱼糜的可打印性所需挤出压力。该机器学习模型表现出良好的性能,R2 > 0.95。
-
比较评估激光电离和iKnife结合快速蒸发电离质谱和机器学习,用于Larimichthys crocea的地理鉴定
查看原文2024
Food Chemistry
中科院一区JCR一区Weibo Lu, Honghai Wang, Lijun Ge, Siwei Wang, Xixi Zeng, Zhujun Mao, Pingya Wang, Jingjing Liang, Jing Xue, Yiwei Cui, Qiaoling Zhao, Keyun Cheng, & Qing Shen
食品标签
鱼肉 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 K-近邻 超参优化/自动机器学习 分类/鉴别/等级评定 组学数据Larimichthys crocea(LYC)作为海洋鱼类具有重要的经济价值。然而,其来源标签的不准确可能对消费者利益产生不利影响。本研究开发了激光辅助快速蒸发电离质谱(LA-REIMS)和机器学习(ML)用于地理认证。与iKnife相比,LA因减少样品组织热损伤、自动化增强和使用简便性而更优。对中国六个不同地理来源的LYC分析显示共计798个离子,随后对六个分类法进行了分析以建立机器学习模型。经过超参数优化和特征工程,Chi2(15%)-KNN 模型展现出最高的训练和测试准确率,分别达到 98.4 ± 0.9% 和 98.5 ± 1.4%。这种LA-REIMS/ML方法论为追踪LYC的来源提供了快速、准确且智能的解决方案,从而为水产产品行业的可追溯性系统建立提供了宝贵的技术支持。
-
探索空气炸鱼过程中鲑鱼脂质指纹识别(Salmo salar)变化的分子机制,整合机器学习引导的REIMS和脂质组学分析
查看原文2024
Food Chemistry
中科院一区JCR一区Gongshuai Song, Mingwei Zeng, Shengjun Chen, Zhangfan Lyu, Nengliang Jiang, Danli Wang, Tinglan Yuan, Ling Li, Guangming Mei, Qing Shen, & Jinyan Gong
食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
深度学习 支持向量机 逻辑回归/贝叶斯 分类/鉴别/等级评定 组学数据空气炸制海鲜中的脂质氧化会对人体健康造成威胁。然而,氧化剂环境对不同空气炸制温度(140、160、180 和 200 摄氏度)下海鲜中脂质氧化的影响尚不明确。采用集成机器学习(ML)指导的 REIMS 和脂质组学方法,对不同空气炸制温度(140、160、180 和 200 摄氏度)下的鲑鱼的脂质谱、脂质氧化和脂质代谢途径进行了研究。主要的 ML 方法(神经网络、支持向量机、集成学习和朴素贝叶斯)显示,不同温度下空气干燥的鲑鱼的脂质组学指纹存在显著差异。总共鉴定出 773 种差异表达代谢物(DEMs),包括甘油磷脂(GPs)、甘油酯(GLs)和鞘脂。对 34 种 p 值小于 0.05 且投影重要性值大于 1.0 的 DEM 进行了分析,这些代谢物属于亚油酸代谢、GL 代谢和 GP 代谢途径。相关网络分析表明,某些特定的二甲基亚砜衍生物(磷脂酰胆碱、溶血磷脂酰胆碱、甘油三酯、脂肪酸和磷脂酰乙醇胺)与脂质氧化高度相关。此外,还对挥发性化合物的变动、颜色值、纹理特征以及硫代巴比妥酸反应物质值进行了分析,以证实氧化特性。