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 122 条结果
-
即溶绿茶的储存寿命预测与质量鉴别:计算机视觉、电子鼻和电子舌的整合
查看原文2025
Food Chemistry
中科院一区JCR一区Yang Wei, Yongqi Wen, Peihua Ma, Xiufang Yang, Yangjun Lv, Zaixiang Lou, Hongxin Wang, Qun Ye & Xinlin Wei
食品标签
茶/茶饮料 货架期预测与品质劣变动力学 其他理化与结构表征计算机标签
智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 多模态/融合数据茶叶的储存是决定茶叶产品质量的关键因素。本研究系统地探究了速溶绿茶在储存期间的质量变化,并通过整合计算机视觉、电子鼻、电子舌与机器学习,开发出一种智能评估方法。定量化学分析建立了常规质量指标与多传感器智能特征之间具有统计显著性的相关性。机器学习模型能有效对速溶绿茶的储存时长进行分类,其中电子舌在储存时间预测方面的分类准确率超过98%。此外,数据融合结合特征选择算法,提高了对储存时长和关键质量成分的预测精度。智能传感技术的整合为速溶茶的保质期快速预测和质量鉴别提供了可靠的方法,为茶叶行业的质量控制和真实性保障奠定了科学基础。
-
通过综合 GC-IMS 和电子鼻分析增强对黑茶品质的理解
查看原文2025
LWT
中科院一区JCR一区Shouji Gong, Ziran Zhang, Jing Chen, Haibo Wu, Hongming Jiang, Cuiqin Teng, & Ziru Dai
食品标签
茶/茶饮料 品质、结构与理化性质 特征风味 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据 时序传感器/物联网数据本研究采用气相色谱-离子迁移谱(GC-IMS)和电子鼻(E-Nose)分析六堡茶及其他黑茶的香气成分,并运用主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)对检测数据进行统计分析。GC-IMS 共分离出 58 种香气成分形态,其中 39 种得到明确鉴定。六堡茶表现出独特的挥发性特征,其丁酸乙酯、戊酸戊酯和甲硫醛含量显著高于其他黑茶(p < 0.01)。GC-IMS 揭示了六堡茶中包括丙酮、2-丙醇和乙酸在内的九种黑茶共有标志物的基础组成,而电子鼻捕捉了六堡茶整体香气的空间分布差异。这种双模态分析方法将物质基础与感官表征有效结合,为黑茶品质评价提供了新的方法范式。研究不仅建立了六堡茶的挥发性特征图谱,还利用机器学习算法识别关键判别指标,为黑茶类别鉴别、工艺优化和地理标志保护提供了科学依据。
-
基于激光诱导击穿光谱和化学计量学的抹茶汤等级掺假快速识别
查看原文2025
Food Control
中科院一区JCR一区Ningning Luo, Jinpeng Liu, Jiahao Zhu, Ming Lin, Zijian Cai, Xuming Jiang, Jiang Zhong & Jiyu Peng
食品标签
茶/茶饮料 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
深度学习 分类/鉴别/等级评定本研究采用激光诱导击穿光谱(LIBS)和化学计量学方法相结合,快速识别抹茶汤中的掺假行为。研究重点分析了水分含量对LIBS光谱和烧蚀图像的影响,并利用LIBS光谱与烧蚀图像的组合建立了定量模型。结果表明,光谱波段选择和烧蚀图像中的信息有助于掺假判定。通过将MobileNet架构与支持向量机回归(SVR)模型相结合,在掺假定量方面取得了最佳结果,相关系数R为0.9058,均方根误差(RMSE)为12.40%。该研究强调了精确的光谱波段选择和利用烧蚀图像来增强LIBS检测食品掺假的准确性,展示了LIBS在确保食品质量和安全方面的潜力。
-
基于TG-FTIR和机器学习的不同纬度绿茶质量差异与产地追溯研究
查看原文2025
Food Research International
中科院一区JCR一区Mengqi Guo, Yue Zhao, Yulong Chen, Zhiwei Chen, Yong Chen, Dandan Qi, Min Lu & Chunwang Dong
食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法计算机标签
随机森林 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/拉曼光谱数据纬度差异可显著影响茶叶品质,但该领域的深入研究尚显不足。本研究采用热重分析联用红外光谱技术及机器学习方法,对中国不同纬度产区的绿茶进行了研究。首先通过工业分析与元素分析表征了茶叶的理化性质。随后,在TG-FTIR分析仪中以三种升温速率(β: 10, 20, 30 °C min−1)进行热解实验,并采用免模型的Kissinger、Ozawa和Starink方法根据热重数据计算了动力学与热力学参数。对不同纬度茶叶样品的活化能(Ea)值进行了主成分分析(PCA)以进行聚类分析。最后,利用机器学习算法建立了热解动力学参数的线性和非线性预测模型。结果表明,与低纬度茶叶相比,高纬度茶叶在活跃热解区的质量损失百分比较低,且燃烧效率更高。在不同转化率(α)下,高纬度茶叶的平均Ea值均高于低纬度茶叶。基于Ea值的PCA聚类能有效区分不同纬度的茶叶样品。在热解动力学参数的预测模型中,基于SNV预处理的随机森林(RF)模型获得了最高的预测精度,可在不依赖传统公式计算的情况下准确预测热解动力学参数。总之,本研究全面分析了中国不同纬度茶叶样品热解过程的差异,为茶叶产地追溯技术提供了新见解。
-
基于代谢组学与机器学习的武夷岩茶产地鉴别及"岩韵"物质研究
查看原文2025
Food Chemistry: X
中科院一区JCR一区Zheng Peng, Wenmiao Wu, Chengjian Wu, Zhijun Zhao, Jian Chen & Juan Zhang
食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法 代谢组学计算机标签
随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据 组学数据武夷岩茶的“岩韵”特质因产区不同而有所差异,但目前关于产区的科学分类标准以及对“岩韵”化学基础的全面认识仍较为有限。本研究结合代谢组学和机器学习,对137份武夷岩茶样本(正岩、半岩和外山产区)的挥发性代谢物谱进行了系统分析,并建立了一个高精度的随机森林模型(准确率达99%)用于产区鉴别。通过特征重要性分析,确定正岩产区的标志物为霍烯醇、二氢猕猴桃内酯、苯甲醇和反式橙花叔醇;半岩产区的标志物为霍烯醇、苯甲醇、反式橙花叔醇和庚醛;外山产区的标志物为癸酸甲酯、(Z)-4-庚烯醛和2,4-庚二烯醛。本研究创新性地开发了基于挥发性代谢物指纹的武夷岩茶产区认证系统,阐明了“岩韵”的关键化学基础,为地理标志保护和加工工艺优化提供了理论支持。