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
-
采用优化荧光光谱的深度学习模型,提升虹鳟在非等温储存条件下的新鲜度预测
查看原文2024
Food Chemistry
中科院一区JCR一区Yanwei Fan, Ruize Dong, Yongkang Luo, Yuqing Tan, Hui Hong, Zengtao Ji, & Ce Shi
食品标签
鱼肉 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 循环神经网络 其他深度学习结构 定量预测/回归分析 红外/拉曼光谱数据本研究基于鱼眼液的优化激发-发射矩阵(EEM)建立了长短期记忆(LSTM)、卷积神经网络长短期记忆(CNN_LSTM)和径向基函数神经网络(RBFNN),以预测虹鳟在非等温储存条件下的鲜度变化。采用残差分析、核心一致性诊断和并行因子分析的分半分析方法优化EEM数据,提取出两个特征成分。基于EEM特征成分的LSTM、CNN_LSTM和RBFNN模型用于预测新鲜度指数。结果显示了带有 R 的 RBFNN 模型的相对误差2K值、总可存活计数和挥发性碱氮的相对误差均高于0.96,且相对误差低于10%,优于LSTM和CNN_LSTM模型。本研究提出了一种新方法,用于预测虹鳟在非等温储存条件下的鲜度。
-
鲑鱼刺身加工条件对李斯特菌交叉污染的评估及用于预测微生物转移的CLPSO-BP神经网络模型的有效性
查看原文2024
LWT
中科院一区JCR一区Ziwen Zhou, Meiling Tian, Binxiong Liu, Xinrong Zhong, Xinting Zhu, Changcheng Li, Ting Fang, & Chengkang Zhang
食品标签
鱼肉 预制菜/即食菜肴 微生物安全 微生物计数与生长曲线计算机标签
机器学习/统计学习 超参优化/自动机器学习 定量预测/回归分析在即食(RTE)食品的准备阶段,它们可能会被单核细胞增生李斯特菌交叉污染,从而导致食源性李斯特菌病的暴发。在本研究中,调查了手套、切板及清洁方法对三文鱼刺身加工过程中L. monocytogenes传播的影响。随后,开发了一种基于Lévy飞行和混沌映射的改进粒子群优化BP神经网络预测模型(CLPSO-BP)。在用手套处理受污染的三文鱼后,我们发现手套表面含有大量的L. monocytogenes(5.24 log CFU/g),而使用同一只手套加工后,10.69%的细菌随后被转移到未受污染的三文鱼上。加工工具的污染情况也显示出L.单核细胞增生李斯特菌在使用室温水和洗涤剂清洗后减少了最多3 log CFU/g,转移率减少了最多50%。相比之下,在使用70°C热水和洗涤剂擦拭工具表面后,没有发现细菌。CLPSO-BP建模测试的均方误差(MSE)为0.1003,表明预测准确。总体而言,选择适当的清洁方法并定期更换手套有助于在加工即食食品时避免交叉污染。
-
基于高光谱成像数据融合策略与改进深度学习方法的鲑鱼产地溯源
查看原文2024
Food Control
中科院一区JCR一区Ziyuan Wei, Haoling Liu, Jinghua Xu, Yihang Li, Jin Hu & Shijie Tian
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 脂质与脂肪酸计算机标签
随机森林 梯度提升决策树 循环神经网络 其他深度学习结构 超参优化/自动机器学习 分类/鉴别/等级评定 高光谱/多光谱光谱 多模态/融合数据 中等规模数据集三文鱼因经济价值高昂,成为食品欺诈的高发对象,因此精准判定其产地,对于贸易开展、消费者权益保障及食品安全监管都至关重要。本研究旨在挖掘三文鱼高光谱成像(HSI)数据中的光谱与纹理特征,并探究深度学习方法及信息融合策略在三文鱼产地溯源中的应用潜力。研究一方面构建了基于改进蜣螂优化算法优化的双向门控循环单元(BiGRU)深度学习模型(CNN-BiGRU),以实现对高维数据的精准处理,完成三文鱼产地判别;另一方面通过堆叠随机森林、轻量级梯度提升机、梯度提升决策树这三个基模型,搭建了集成学习模型,并对集成学习模型与各基模型的预测性能开展了综合评估。结果表明,集成学习模型的分类性能持续优于各基模型;但相较于传统机器学习方法,深度学习模型在处理高维数据时表现出更优性能,尤其在处理融合数据时具备较强的稳健性。值得注意的是,MSADBO–CNN–BiGRU 模型在所有算法中脱颖而出,与未优化的 CNN 模型相比,其测试集准确率提升了 0.8%—7%,最优模型的测试集准确率高达 99.5%。综上,本研究证实,将深度学习与信息融合策略相结合,可实现对三文鱼产地的快速精准识别,为今后农产品溯源研究提供了方法参考与理论借鉴。
-
结合GC-MS与GC-IMS表征不同烹饪方法对鱼糕挥发性化合物的影响
查看原文2024
Food Chemistry: X
中科院一区JCR一区Xuebo Yang, Qiuhan Chen, Shouchun Liu, Pengzhi Hong, Chunxia Zhou & Saiyi Zhong
食品标签
鱼肉 传统热加工 特征风味 光谱/色谱/质谱等分析方法 其他组学方法计算机标签
偏最小二乘法 特征工程与选择策略 分类/鉴别/等级评定 组学数据本研究采用气相色谱-质谱联用技术(GC-MS)和气相色谱-离子迁移谱技术(GC-IMS),对蒸制、烘烤、空气炸制、煎制和油炸五种烹饪方式制作的鱼糕中的挥发性物质进行了分析。通过气味活性值(OAV)和相对气味活性值(ROAV)筛选主要香气化合物,利用正交偏最小二乘判别分析(OPLS-DA)和变量重要性投影(VIP)确定鱼糕中的特征风味化合物。GC-MS共鉴定出72种挥发性化合物,GC-IMS检测出41种挥发性化合物。3-乙基-2,5-二甲基吡嗪和2,5-二甲基吡嗪在对照组(CK)和蒸制组(SS)中均未检出。基于VIP值构建了GC-MS和GC-IMS分析的OPLS-DA模型,分别筛选出8种和7种特征香气化合物。本研究结果为复热鱼糕风味形成的动态变化提供了新见解,并为该食品生产工艺的优化提供了理论依据。
-
受人类嗅觉系统启发:基于深度学习的便携式化学响应染料气味传感器阵列用于快速检测虾与鱼类新鲜度
查看原文2024
Chemical Engineering Journal
中科院一区JCR一区Chengbin Jiang, Alan J.X. Guo, Yuwen Li, Yufan Wang, Jianfeng Sun, Zhizhou Chen, Xin Chen & Qianyun Ma
食品标签
鱼肉 甲壳类 品质、结构与理化性质 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据比色传感阵列(CSAs)能够检测食品储存过程中产生的挥发性有机化合物(VOCs),通过气味可视化实现新鲜度监测。本研究将十六种对VOCs具有显色响应的化学敏感染料负载于季铵化纤维素纳米纤维(C-CNFs)载体,构建了纸质基底的CSA。染料与C-CNFs间的强离子相互作用使染料牢固固定于传感器表面无渗漏,即使在60%高相对湿度(RH)条件下仍能提供稳定一致的比色变化。由于C-CNFs的三维多孔结构特性,该比色传感器阵列(CSA)对虾类和鱼类腐败过程中产生的挥发性有机物(VOCs)表现出高灵敏度检测能力。其对氨气、二甲胺、三甲胺、尸胺和腐胺的检测限分别为2、21、3、1和1 ppm。通过选用覆盖多种VOCs的染料,CSA的颜色变化可准确区分新鲜、次新鲜、轻微腐败及腐败的虾类与鱼类样本。这些颜色变化数据经数字化处理后,用于训练卷积神经网络(CNN)。CNN模型对上述新鲜度等级判定具有高准确率(99%)。CSA与CNN的结合为构建便携式传感平台提供了一种创新方案,可实现食品新鲜度等级的非破坏性智能判定。