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 167 条结果
-
含丁香精油微乳液壳聚糖膜结合深度学习对猪肉保鲜与新鲜度监测的影响
查看原文2025
Food Control
中科院一区JCR一区Qingying Luo, Xingyu Rong, Zhenkun Xiao, Xulin Duan, Yuan Zhou, Jie Zhang, Xiao Wang, Zhaoyuan Peng, Jianwu Dai, Yaowen Liu & Zhengfeng Fang
食品标签
畜肉 保鲜涂膜与保鲜剂 货架期预测与品质劣变动力学 理化与结构表征 常规理化指标测定 脂质与脂肪酸计算机标签
深度学习 分类/鉴别/等级评定 过程控制与实时优化 小规模数据集本研究制备了含有不同浓度丁香精油(CEO)微乳液的壳聚糖(CS)复合膜。其中,CEO微乳液浓度为0.8%的复合膜表现出最高的DPPH自由基清除率(77.44 ± 1.10%)。将该复合膜应用于6种不同n-3多不饱和脂肪酸(PUFA)含量的猪肉样品,并在4°C下贮藏,结果表明:含0.6%和0.8% CEO微乳液的复合膜能有效保鲜猪肉,使其货架期延长9天。此外,所构建的深度学习模型成功实现了对不同n-3含量猪肉样品新鲜度等级的实时监测。综上所述,壳聚糖/丁香精油微乳液复合膜结合深度学习技术,在猪肉保鲜与新鲜度智能监控方面展现出显著的应用潜力。
-
苯二胺衍生碳点与罗丹明B结合:超快比分荧光和智能手机支持的亚硝酸盐成像检测
查看原文2025
Food Chemistry
中科院一区JCR一区Hong Wu, Yumin Hao, Xinyan Cheng, Huiping Wang, Wenjuan Dong, Shaomin Shuang, Qin Hu, Chuan Dong & Xiaojuan Gong
食品标签
畜肉 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据亚硝酸盐(NO2−)在食物和水中很常见,存在健康风险,需要迅速检测。在这里,开发了一种结合苯二胺来源碳点(Ph-CD)和罗丹胺B(RhB)的比例荧光探针,实现了快速且准确的一氧化氮检测2−传感。在酸性条件下,不行2−通过间氮化与Ph-CD上的氨基反应,导致200秒内明显的荧光变化。RhB提供稳定的参考,允许自校准的双发射输出,减少矩阵和环境干扰。配合智能手机成像,该探头实现了无需复杂仪器即可实时目视检测和量化。该系统在食品和自来水中测试时表现出高灵敏度(LOD:0.10微米)和良好准确率(回收率:96.8%–101.8%),在复杂样品如腌制肉类中表现出强烈可靠性。这个便携且用户友好的平台为现场NO提供了有效的工具2−筛查、支持食品安全和环境监测,尤其是在资源有限的环境中。
-
解码金华火腿的香气特征:基于风味组学的机器学习模型用于火腿年龄鉴别及硬件实现
查看原文2025
Food Research International
中科院一区JCR一区Wenlu Li, Xinwei Fan, Hong Zeng & Yanbo Wang
食品标签
畜肉 加工与新加工技术 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据金华火腿是中国的地理标志农产品,在发酵过程中具有独特的风味。三年陈的金华火腿因其优越的风味和营养价值而备受推崇,但目前的年份鉴别依赖于工人的经验,存在较高的掺假风险。本研究采用气相色谱-质谱联用(GC-MS)和气相色谱-离子迁移谱(GC-IMS)分析了储存0.5年、1年、2年和3年的金华火腿中风味化合物的差异。通过气味活性值(OAV)≥ 1,从不同年份的金华火腿中鉴定出54种香气活性化合物,其风味从蘑菇味转变为柑橘/青草/黄油味,再到坚果味,最终以椰子、桃子和花香-脂肪香为主。通过绘制化合物含量分布图筛选出18种关键的鉴别性化合物。进一步,基于散点图和SHAP值,发现1-辛烯-3-醇和癸酸可用于鉴别火腿的年份。随后,构建了四种用于年份鉴别的机器学习模型(逻辑回归LR、支持向量机SVM、朴素贝叶斯NB和决策树DT),并表现出高准确率,最高达到100%。特别是,基于决策树分类模型构建了一个便携式火腿品质评估电路,因其良好的泛化能力和简洁的结构。本研究为利用GC-MS结合机器学习准确预测金华火腿的年份提供了理论基础。
-
基于优化算法增强不同畜禽肉样品高光谱图像中总嘌呤含量的预测
查看原文2025
Food Research International
中科院一区JCR一区Sijia Liu, Jiarui Cui, Yu Lv & Songlei Wang
食品标签
畜肉 禽肉 营养与生物功能 过程监测与在线检测 光谱/色谱/质谱等分析方法计算机标签
其他深度学习结构 特征工程与选择策略 超参优化/自动机器学习 定量预测/回归分析 高光谱/多光谱光谱本研究旨在通过快速检测和算法优化畜禽肉中的总嘌呤,以支持低嘌呤膳食的创建。首先,基于化学和高光谱数据构建了单一物种总嘌呤含量的预测模型。其次,通过豪斯多夫距离和皮尔逊相关系数分析了不同物种间光谱曲线的相关性,以探索混合畜禽肉中嘌呤的差异变化。最终,获得了混合畜禽肉总嘌呤的最优预测模型,分别为可见-近红外高光谱成像技术中的区间变量迭代空间收缩法-麻雀搜索算法-双向长短期记忆-多头注意力模型和近红外高光谱成像技术中的迭代保留信息变量-麻雀搜索算法-双向长短期记忆-多头注意力模型,其Rp2分别为0.7820和0.7766。总体而言,研究得出并验证了由于计算复杂度增加,混合样品模型性能低于单一物种理想模型性能的结论。本研究证明了高光谱成像技术在嘌呤含量快速检测方面的潜力,进一步推动了畜禽肉品质在线监测的产业化。
-
一种基于气相色谱-离子迁移谱法的简单准确的羊肉溯源方法
查看原文2025
Food Chemistry
中科院一区JCR一区Mengjie Qie, Jing Liu, Xiaoting Yang, Shilin Zhao, Yumeng Hu & Yan Zhao
食品标签
畜肉 光谱/色谱/质谱等分析方法计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 组学数据为了经济利益,低等级羊肉有时会被误标为优质羔羊肉出售。为确保真实性,本研究采用气相色谱-离子迁移谱(GC-IMS)结合化学计量学对四个地区的羔羊肉样品进行溯源。虽然在60°C下孵化释放的挥发性有机化合物(VOCs)比40°C时更多(185种对81种),但热诱导产生的化合物掩盖了原产地特有的特征,因此确定40°C是实现可靠溯源的最佳温度。偏最小二乘判别分析(OPLS-DA)模型识别出15种变量重要性投影(VIP)>1的关键挥发性有机化合物,如戊醛(D)、乙酰甲基甲醇(D)和己醛。综合代谢组学研究表明,羔羊肉的挥发性有机化合物受支链氨基酸(BCAA)降解、脂质氧化和能量代谢的共同调控,其中支链氨基酸降解在宁夏、甘肃和新西兰的样品中尤为突出,可作为关键的鉴别依据。线性判别分析(LDA)的初始分类准确率达100%,交叉验证准确率达97.4%,表明该方法是一种可靠的羔羊肉原产地溯源方法。