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 93 条结果
-
一种用于可见醛类和酮类检测的简单高效策略及其在白酒等级鉴别中的应用
查看原文2025
Food Chemistry
中科院一区JCR一区Meixia Wu, Qikai Yang, Jinbin Zhang, Junjie Jia, Yao Fan, Hengye Chen, Songtao Wang, Haiyan Fu & Yuanbin She
食品标签
酒精饮料 光谱/色谱/质谱等分析方法计算机标签
支持向量机 分类/鉴别/等级评定 可见光/RGB/视频数据 小规模数据集一种新型比色传感器阵列,采用盐酸羟胺盐(HAs)和染料,能够快速检测醛类和酮类(AKs),用于白酒质量评估。为克服传统方法耗时且材料合成复杂的局限性,这项研究利用AKs的亲电性,使其与羟胺发生亲核反应,释放出氯化氢(HCl),并引发指示剂的颜色变化。AKs的亲电性是产生独特指纹颜色模式的关键因素。通过对局部电子附着能的密度泛函理论计算,揭示了在20种AKs中观察到不同颜色模式的背后机制。研究引入粒子群优化算法结合变权偏最小二乘支持向量机,对混合化合物中的3-羟基-2-丁酮和缩醛进行定量分析。将该阵列应用于27种浓香型白酒,可在4分钟内实现高准确度的鉴别。这项技术结合了理论见解与实际分析能力,且无需复杂的材料合成,在酒精饮料的快速质量评估方面展现出巨大潜力。
-
无机和有机成分分析:一种区分不同产地葡萄酒的数据融合策略
查看原文2025
Food Control
中科院一区JCR一区Yingyue Su, Zhaoxiang Wang, Qianqian Liu, Yuyu Li, Cui Zhang, Xiaohui Feng, Ang Zhang & Chunlong Yuan
食品标签
酒精饮料 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 中等规模数据集由于涉及葡萄酒产地的欺诈活动普遍存在,葡萄酒的真实性是全球市场的一个重大问题。本研究分析了来自五个不同产区的102个葡萄酒样品的无机和有机成分谱。采用低层级和中层级数据融合策略,结合多元分析方法,处理了来自电感耦合等离子体质谱、同位素比值质谱和超高效液相色谱-离子淌度四极杆飞行时间质谱的三个质谱数据集,以确定葡萄酒产地的正确分类。筛选出五个产区间存在显著差异的有机和无机化合物进行低层级和中层级数据融合。在低层级数据融合中,基于正离子模式的偏最小二乘判别分析取得了74.4%的最佳预测率。通过从低层级融合数据中提取特征进行中层级数据融合,建立了线性和非线性模型,获得了98.7%的最佳准确率。中层级数据融合的多元分析策略显著提高了识别葡萄酒地理来源的准确性,并为鉴别其他食品的来源提供了一种新方法。
-
机器学习结合GC-FID用于鉴别不同类别酱香型白酒
查看原文2025
Food Chemistry: X
中科院一区JCR一区Liang Yang, Chun Xian, Shuai Li, Ye Wang, Xinying Wu, Qingcai Chen, Wenwu Zhao, Cheng Zhao, Xiaobo Li, Junjun He, Renyuan Chen & Chunlin Zhang
食品标签
酒精饮料 特征风味 光谱/色谱/质谱等分析方法计算机标签
随机森林 梯度提升决策树 智能手机/其他 模型可解释性 分类/鉴别/等级评定 质构/流变/感官数据酱香型白酒是一种通过固态发酵生产的中国传统酒类,由于发酵轮次、风格和等级的不同,其基酒类型多种多样。虽然人工识别方法对风味的复杂性至关重要,但当前的人工识别方法阻碍了勾调效率和质量控制。本研究采用气相色谱-氢火焰离子化检测器(GC-FID)和机器学习对410份基酒样品进行了分析。结果显示,决策树(74.36%)、极端梯度提升(XGBoost,92.9%)和随机森林(62.3%)分别是用于发酵轮次、典型风格和春天等级分类的最佳分类器。SHAP分析揭示:(1)酯类是发酵轮次的主要标志物;(2)酯类与三甲基丁醇的组合可用于等级区分;(3)多种化合物特征(丁酸、四甲基吡嗪、2-丁醇等)可用于风格鉴别。值得注意的是,标志物化合物的风味特性——而非仅仅是浓度——对其鉴别能力有重要影响,这一点从与九个感官维度的相关性中得到了证明。
-
基于金纳米颗粒传感阵列的手性氨基酸指纹图谱分析及其在酒类鉴别中的应用
查看原文2025
Food Chemistry
中科院一区JCR一区Qiuyue Liu, Hefeng Shi, Yusheng Feng, Jinglei Xu, Chen Liu, Xijuan Zhao, Hongyan Zou & Jian Wang
食品标签
酒精饮料 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据手性氨基酸在生物系统中发挥着重要作用,广泛存在于食品中,尤其是酒精饮料里。它们的对映体鉴别对于质量保证和真实性验证至关重要。本研究开发了一种基于金纳米颗粒(AuNP)的传感阵列,用于对12种具有不同对映体过量值的氨基酸进行对映选择性识别。该系统利用三种金纳米颗粒变体,为每种氨基酸生成了独特的手性指纹图谱。结合线性判别分析(LDA)和层次聚类分析(HCA),该阵列在溯源/种类识别(13种红酒和6种白酒)以及盲样预测中实现了100%的准确率。偏最小二乘回归(PLSR)模型进一步对白酒香型的掺假水平进行了定量分析(R²=0.988)。这种金纳米颗粒传感阵列为手性氨基酸分析提供了一种快速、非破坏性的方法,可作为酒精饮料行业质量控制和造假检测的有力工具。
-
一种基于深度学习的先进太赫兹超材料传感器用于鉴别不同红酒
查看原文2024
Chemical Engineering Journal
中科院一区JCR一区Jingxiao Yu, Hongbin Pu & Da-Wen Sun
食品标签
酒精饮料 品质、结构与理化性质 理化与结构表征 光谱/色谱/质谱等分析方法 多酚与黄酮 花青素与类胡萝卜素计算机标签
其他深度学习结构 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 高光谱/多光谱光谱太赫兹时域光谱技术(THz-TDS)在检测领域面临两大难题:一是水分子强吸收导致的固体样本检测目标物失真,二是灵敏度不足造成的高含量目标物质检测受限。值得关注的是,能够承载液体样本并放大信号的太赫兹超材料(THz-MM)有效解决了上述问题。此外,通过设计特定结构产生谐振峰位移,THz-MM可实现痕量物质的精准检测。然而,由于多数研究者侧重于复杂结构设计而非数据分析,采用能够挖掘原始特征新属性并构建决策模型的深度学习(DL)技术,成为研究THz-MM传感器数据丰富信息的重要手段。在本研究中,我们通过聚酰亚胺基底镀金工艺,设计出一种圆形('O'形)柔性透射式THz-MM。首先,对涉及基底厚度(ST)、金属层厚度(MT)和环宽度(RW)的结构参数进行了优化,并评估了其在工作原理、稳定性和灵敏度方面的性能表现。随后,制备了最优太赫兹超材料(THz-MM)器件(ST:16µm、MT:0.2µm、RW:6µm),并从形貌特征、厚度均匀性和结构一致性三个方面进行了表征。基于谐振峰位移量,该方法成功实现了花青素(R:0.9982)和单宁酸(R:0.9736)不同浓度的定量预测。最后,通过构建谐振峰特征描述符并结合全连接神经网络(FCNN)深度学习(DL)模型,成功实现了不同品种红酒的鉴别分类(精确率:91.11%;召回率:90.74%;F1值:90.83%;准确率:90.74%)。本研究开发了一种基于深度学习的太赫兹超材料传感器,推动了太赫兹时域光谱(THz-TDS)技术在食品检测领域的应用进程。