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

  • 机器学习和宏基因组学揭示了中国多个养鸡场和屠宰场共享的抗菌素耐药性特征

    2023
    Nature Food
    中科院一区
    JCR一区
    查看原文

    Michelle Baker, Xibin Zhang, Alexandre Maciel-Guerra, Yinping Dong, Wei Wang, Yujie Hu, David Renney, Yue Hu, Longhai Liu, Hui Li, Zhiqin Tong, Meimei Zhang, Yingzhi Geng, Li Zhao, Zhihui Hao, Nicola Senin, Junshi Chen, Zixin Peng, Fengqin Li & Tania Dottorini

    食品标签

    禽肉 食品安全与风险评估 微生物安全 组学与高通量技术 统计建模与仿真 其他特殊成分

    计算机标签

    机器学习/统计学习 分类/鉴别/等级评定 组学数据 大规模数据集

    中国是全球最大的抗菌药物消费国,改进监测方法有助于减少抗菌药物耐药性(AMR)的传播。在此,我们报告了对中国三个省份的十家大型养鸡场及四家相关屠宰场在两年半时间内的监测情况。我们采用基于机器学习的数据挖掘方法,分析了来自鸡只、胴体和环境的 461 个微生物群落,发现了 145 种可能在鸡与环境之间相互转移的抗生素耐药基因(ARGs),这些基因在所有养殖场中都存在于鸡与环境之间。从鸡肠道微生物群中提取的核心 233 种 ARGs 和 186 种微生物物种与同肠道中定植的埃希氏菌(包括弧杆菌属、不动杆菌属和丝状杆菌属等对人类有临床意义的菌种)的 AMR 情况相关联,其中还包括 38 种临床相关的 ARGs。鸡舍内的温度和湿度也与 ARG 的存在相关联。我们揭示了环境、微生物群落和 AMR 之间复杂的相互关系网络,表明在畜牧业生产中改善 AMR 监测存在多种途径。

  • 利用工业4.0技术减少和增值海鲜废弃物及副产品:关于现有知识的叙述性综述

    2023
    Current Research in Food Science
    中科院一区
    JCR一区
    查看原文

    Abdo Hassoun, Janna Cropotova, Hana Trollman, Sandeep Jagtap, Guillermo Garcia-Garcia, Carlos Parra-López, Nilesh Nirmal, Fatih Özogul, Zuhaib Bhat, Abderrahmane Aït-Kaddour & Gioacchino Bono

    食品标签

    内脏及副产物 食品安全与风险评估 副产物与废弃物高值利用

    计算机标签

    机器学习/统计学习 深度学习

    鱼类和其他海产品是人类饮食中多种营养素和微量营养素的宝贵来源,对全球粮食安全做出了重大贡献。然而,从海洋到消费者餐桌的整个海产品价值链和供应链中,会产生大量的海产品废弃物和副产品,这造成了严重的环境破坏和巨大的经济损失。因此,迫切需要创新的解决方案和替代方法,以更好地管理海产品废弃物,减轻其带来的经济和环境负担。运用新兴技术,包括第四次工业革命(工业4.0)的创新成果(如人工智能、大数据、智能传感器、物联网以及其他先进技术)来减少海产品废弃物和副产品并提升其价值,可能是增强全球蓝色经济和粮食可持续性的一个有前景的策略。本叙述性综述聚焦于渔业和其他海产品产业产生的废弃物及副产品未被充分利用所带来的问题和风险。特别是,重点介绍了近期在预防这些宝贵自然资源浪费和提升其价值方面所运用的技术进步和数字工具。

  • 手持式元素扫描仪在虾产地认证中的新应用

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Jasmin C. Martino, Jagoda Crawford, Patricia Gadd, Jesmond Sammut, Neil Saintilan, & Debashish Mazumder

    食品标签

    甲壳类 光谱/色谱/质谱等分析方法 矿物质与微量元素

    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

    元素指纹图谱技术已发展为一种高效的端到端食品产地溯源工具,但多数检测仪器依赖实验室操作,存在分析耗时久、难以普及的问题,阻碍了该技术在食品行业的规模化应用。为解决上述痛点,本研究以澳大利亚不同产地的斑节对虾(Penaeus monodon)为研究对象,评估了手持式 X 射线荧光光谱(XRF)扫描仪作为原位快速检测手段的产地溯源性能。为明确该技术在水产品产地溯源中的应用局限与潜力,研究系统考察了产地分类维度(采样位点、行政辖区、养殖模式)、样品前处理方式(熟制 vs 生鲜)及生物学性状(甲长、体重、性别)三类因素,解析其对多元元素指纹图谱的主导影响机制。结果表明,采样位点是影响元素指纹图谱的核心变量,其特异性作用显著超过行政辖区与养殖模式(养殖 vs 野生)的贡献。生鲜样品的元素指纹图谱在不同类别间差异更显著,因此更适用于产地溯源分析。为模拟技术的实际应用场景,研究构建并验证了机器学习分类模型,实现对斑节对虾的采样位点、行政辖区及养殖模式的精准判别。基于生鲜样品数据的模型表现出优异的判别准确率:采样位点判别准确率达 87.5%,行政辖区判别准确率为 98%,养殖模式判别准确率高达 100%。综上,本研究证实,手持式 XRF 技术作为产地溯源的一线筛查技术,可在市场交易现场或供应链环节发挥实用价值。这一创新性技术有望推动便携式元素指纹图谱技术在供应链产地溯源中的普及应用,助力构建更具可持续性与伦理规范性的水产品贸易体系。

  • 基于FT-NIR与多元算法结合的酸枣仁及其掺假物快速评估

    2023
    Food Chemistry: X
    中科院一区
    JCR一区
    查看原文

    Ming-xuan Li, Ya-bo Shi, Jiu-ba Zhang, Xin Wan, Jun Fang, Yi Wu, Rao Fu, Yu Li, Lin Li, Lian-lin Su, De Ji, Tu-lin Lu & Zhen-hua Bian

    食品标签

    豆类与坚果(及籽类) 其他安全问题 常规理化指标测定 光谱/色谱/质谱等分析方法

    计算机标签

    机器学习/统计学习 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 红外/拉曼光谱数据 多模态/融合数据

    酸枣仁是一种以其镇静和改善睡眠特性而著称的珍贵种子。然而,其价格的上涨伴随着掺假问题的出现。本研究采用色度分析和傅里叶变换近红外光谱结合多元算法,用于鉴别掺假并定量预测掺假比例。研究结果表明,仅使用色度提取器不足以识别掺假比例。通过FT-NIR提取的ZMS和HAS掺假物的原始光谱分别经过SNV + CARS和1d + SG + ICO方法处理后,机器学习分类模型的平均准确率从77.06%提高到97.58%。此外,两个掺假比例定量预测回归模型的校正集和预测集的决定系数均大于0.99,显示出优异的线性和预测精度。总体而言,本研究表明,FT-NIR结合多元算法为解决日益严重的酸枣仁掺假问题提供了一种重要方法。

  • 应用机器学习与¹H NMR化学指纹图谱鉴定红茶的产地、品种和加工方式

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Chuanjian Cui, Yifan Xu, Ge Jin, Jianfa Zong, Chuanyi Peng, Huimei Cai, & Ruyan Hou

    食品标签

    茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 其他植物化学物质

    计算机标签

    机器学习/统计学习 支持向量机 随机森林 K-近邻 分类/鉴别/等级评定 红外/拉曼光谱数据

    红茶的产地会影响其商品价值,且该品类极易成为食品欺诈的目标。本研究采用核磁共振(NMR)波谱技术,对采自中国(安徽、云南、福建、广东)、印度(大吉岭、阿萨姆)及斯里兰卡(康提)7 个红茶主产区的 219 份样品开展非靶向代谢组学分析。不同产地的红茶可依据茶树品种与加工工艺加以区分,其中咖啡因与丙氨酸被鉴定为品种差异性特征代谢物,茶黄素 - 3,3'- 双没食子酸酯与琥珀酸则为加工工艺差异性特征代谢物。研究采用多种机器学习算法构建红茶产地溯源模型,测试集准确率结果显示,非线性模型随机森林(92.7%)与支持向量机(91.8%)的鉴别性能优于线性模型线性判别分析(86.3%)与 K 近邻算法(86.3%)。随机森林模型筛选出 14 种红茶产地特征标记代谢物,包括咖啡因、苹果酸、赖氨酸及 β- 葡萄糖,并基于这些标记物绘制出产地化学指纹图谱。进一步验证表明,相较于加工工艺,茶树品种对红茶产地代谢指纹图谱的贡献度更高。本研究结果证实,氢核磁共振(¹H NMR)代谢组学技术结合机器学习方法,可作为构建红茶化学指纹图谱的有效工具,为红茶品质评估与产地欺诈检测提供技术支撑。

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