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
暂无筛选

标签记录(计算机学者)

机器学习/统计学习

共 712 条结果

  • 利用各种基于网络的工具评估和预测食品安全的定量与定性方法

    2024
    Food Control
    中科院一区
    JCR一区
    查看原文

    Hafiz Muhammad Rizwan Abid, Nimrah Khan, Athar Hussain, Zainab Bintay Anis, Muhammad Nadeem, & Nauman Khalid

    食品标签

    肉类/蛋类与水产品 水果/蔬菜与菌菇类/植物类 食品安全与风险评估 标准/法规/数据库分析

    计算机标签

    机器学习/统计学习 时序传感器/物联网数据 文本/知识库/法规数据 公开数据集

    食品安全与品质对国家经济发展和消费者健康至关重要,且整个食品产业链的稳定运行均以此为核心前提。因此,随着工业化进程的飞速推进,构建一套整合多元关键要素的一体化系统,以实现食品的全程追踪、溯源及安全保障,已成为行业发展的迫切需求。本文综述了食品产业链各环节中,用于食品安全评估的各类网络工具及其集成应用方案。研究人员通过检索海量文献资源以支撑本综述的撰写,检索渠道涵盖谷歌学术、期刊论文及其他相关文献库,并采用标准化关键词与标题进行精准筛选。综述数据表明,人工智能及其相关技术(即视觉技术与机器学习,包括面向食品行业和供应链管理的定制算法开发)具备良好的应用可行性;同时,传感器、检测设备、食品加工器械等实体设备,可与互联网互联互通,构建形成物联网(IoT) 系统。此外,大数据技术可对海量信息进行深度挖掘,从中提取完整的数据特征、规律模式及分析结论;区块链技术则为真实信息的共享、存储与处理提供了重要技术支撑,能够对食品加工的每一个环节进行安全可靠的全程记录。由各类网络工具组成的技术网络,可对食品安全与品质开展定性与定量预测,这也使得计算机技术成为食品与营养科学领域不可或缺的关键手段。依托上述技术,水果、蔬菜、肉类等食品中存在的毒素、农药残留、重金属等相关危害物,均可实现有效追踪、监测与去除。本综述还深入探讨了食品欺诈的防控策略及相关技术工具,包括区块链技术、化学物质毒性数据库(Comptox)、食品微生物数据库(ComBase)、美国食品药品监督管理局风险评估工具(FDAiRISK)等。

  • 利用表面增强拉曼光谱结合化学计量学快速鉴别小坑绿茶地理来源

    2024
    LWT
    中科院一区
    JCR一区
    查看原文

    Yingqi Chen, Shiya Gan, Xiaoyi Zhao, Lei Zhao, Tong Qiu, Qing Jiang, Mengxuan Xiao, Luqing Li, Yan Song, & Qianying Dai

    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

    计算机标签

    机器学习/统计学习 随机森林 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据

    小坑绿茶(XKGT),以其产地命名,由于其优质特点为该地区带来了高经济效益,但也易受到欺诈。在本研究中,选取安徽省不同产地的131份烘青茶作为样品,研究表面增强拉曼光谱(SERS)结合化学计量学在狭窄区域内准确辨别绿茶产地的能力。首先,制备球形银纳米颗粒(AgNPs)作为SERS基底。采用分层五折交叉验证方法对建模样品进行划分。建立径向基函数神经网络(RBFNN)、卷积神经网络(CNN)和随机森林(RF)模型,并比较四种不同的预处理方法。结果表明,以归一化作为预处理方法的优化RBFNN模型在区分小坑茶区样品与其他茶区样品方面,预测集的平均准确率为97.69%。该RBFNN模型进一步用于区分安徽省内四个不同产地的茶样,分别为小坑村(XK)、池州市(不含小坑村)(CZ)、六安市(L'A)和黄山市(HS),预测集的平均准确率为91.85%。这些发现表明,将SERS与化学计量学结合,在狭小区域内鉴别小坑高山茶(XKGT)的地理来源具有潜力。

  • 使用近红外光谱结合广义学习系统和混合波长选择策略测定枇杷的可溶性固形物含量

    2024
    LWT
    中科院一区
    JCR一区
    查看原文

    Peng Li, Qingting Jin, Huaming Liu, Liguo Han, Chuanzong Li, & Yizhi Luo

    食品标签

    新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 碳水化合物与糖类

    计算机标签

    机器学习/统计学习 偏最小二乘法 支持向量机 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

    可溶性固形物含量(SSC)是评估枇杷品质的重要指标。为了实现SSC的快速、无损和准确检测,本研究开发了近红外(NIR)光谱与广义学习系统(BLS)模型的结合方法。同时,探讨了六种光谱预处理方法和六种波长选择算法对SSC预测的影响,并将BLS模型的性能与广泛使用的偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型进行了比较。结果表明,结合标准正态变换(SG-SNV)的Savitzky-Golay平滑提供了最佳预处理方法,而混合方法,即区间变量迭代空间收缩分析和连续投影算法(iVISSA-SPA),成为最有效的波长选择方法。BLS模型优于PLSR和LS-SVM模型。具体而言,基于iVISSA-SPA方法的BLS模型实现了最佳的SSC预测结果,R²P = 0.8646,RMSEP = 0.5104,RPD = 2.7481。因此,近红外光谱结合BLS模型和混合波长选择策略能够快速、无损且准确地检测枇杷的SSC,为果实SSC预测提供了可行的替代方案。

  • 鱼类切割研究新进展:从切割方案到自动化技术与物联网创新

    2024
    Comprehensive Reviews in Food Science and Food Safety
    中科院一区
    JCR一区
    查看原文

    Qing Li, Huawei Ma, Weiqing Min, Yang Wang, Ran Zhao, Yongjie Zhou, Yuqing Tan, Yongkang Luo & Hui Hong

    食品标签

    鱼肉 过程监测与在线检测 生产管理与数字化工厂 显微与成像技术

    计算机标签

    机器学习/统计学习 深度学习 缺陷/异物检测与定位 过程控制与实时优化 可见光/RGB/视频数据 时序传感器/物联网数据

    鱼类切割产品因其不同部位独特的营养成分和风味而广受消费者喜爱。然而,由于工作环境恶劣、工作量大以及具有季节性,鱼类切割行业面临着劳动力短缺的问题。因此,需要一些自动化、高效且大规模的切割技术来克服这些挑战。随着工业4.0的发展,物联网(IoT)、人工智能、大数据和区块链技术正逐步应用于切割过程中,在数字化生产监控和产品安全提升方面发挥着关键作用。本文综述聚焦于主要的鱼类切割方案,并深入探讨先进的自动切割技术,展示最新的技术进展以及它们如何给鱼类切割行业带来变革。此外,还讨论了基于物联网的鱼类切割过程生产监控架构。鱼类切割涉及多种方案,这些方案是根据每种鱼块的特定特征量身定制的。切割过程包括去头、去尾、切片、去骨、去皮、修整和骨头检测。通过整合传感器、机器视觉、深度学习和先进的切割工具,这些技术正将鱼类切割从人工操作转变为自动化流程。这种转变对该行业具有重要的实际意义,不仅提高了效率、保证了产品质量的一致性,还增强了安全性,最终在工业4.0的背景下为鱼类切割自动化提供了一种现代化的制造方法。

  • 通过纳入人工智能、大数据和物联网提升食品系统应对食品安全风险的韧性

    2024
    Comprehensive Reviews in Food Science and Food Safety
    中科院一区
    JCR一区
    查看原文

    Wenjuan Mu, Gijs A. Kleter, Yamine Bouzembrak, Eleonora Dupouy, Lynn J. Frewer, Fadi Naser Radwan Al Natour & Hans J. P. Marvin

    食品标签

    微生物安全

    计算机标签

    机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据 大规模数据集

    为增强食品系统对食品安全风险的抵御能力,国家当局和国际组织能够识别新出现的食品安全风险并及时发出预警信号,这一点至关重要。本文综述了人工智能(AI)、大数据和物联网在食品安全领域作为预警和新风险识别工具及方法的现有应用和试验性应用。目前,由大量、实时且多样化的数据支持的系统正在快速发展,其目的是对新出现的食品安全风险进行预警和识别。大数据和人工智能适合支持此类系统,这一点可以通过两个案例来说明:气候变化引发的风险,即有害藻华对海产品的影响,以及农作物中真菌生长和霉菌毒素的形成。自动化和机器学习对于未来实时食品安全风险预警系统的发展至关重要。尽管这些发展提高了前瞻性预警和新风险识别工具的可行性和有效性,但它们的实施可能面临挑战,特别是对于低收入和中等收入国家而言,原因是其网络连接和数据可用性较低。有人主张通过提高国家当局的能力和容量,以及加强它们与私营部门和国际组织的合作来克服这些挑战。

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