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 712 条结果
-
机器学习在食品风味预测与调控中的最新进展与应用
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区Huizhuo Ji, Dandan Pu, Wenjing Yan, Qingchuan Zhang, Min Zuo & Yuyu Zhang
食品标签
品质、结构与理化性质 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 深度学习 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 质构/流变/感官数据 多模态/融合数据背景:食品风味是影响感官品质的关键因素。预测和调控风味可形成独特的风味特性,提高消费者偏好和食品可接受性。通过传统实验方法评估和调控风味耗时耗力,且无法处理大量数据。机器学习等计算方法能够准确高效地预测和调控复杂风味,因而持续受到关注。
范围与方法:本综述介绍了常用机器学习方法的原理和优势,包括支持向量机、决策树、随机森林、k-近邻算法、极限学习机、人工神经网络和深度学习,以及它们在食品风味预测与调控中的最新应用与前景。重点总结了基于分子结构、理化性质以及电子鼻、电子舌和气相色谱-质谱数据进行的食品风味预测。同时回顾了机器学习通过代谢物和基因对食品风味的调控。
主要发现与结论:与单一模型相比,多种机器学习方法的联合使用可提高风味轮廓、感知强度和感官品质分类的预测准确性。此外,不同技术的数据融合比单一数据输入表现出更好的风味预测性能。本综述表明,机器学习技术在预测风味形成机制、结构-风味质量的剂量效应以及指导理想风味化合物的生物/化学合成方面前景广阔,有助于满足消费者对健康美味食品的需求。 -
测试两台近红外仪器预测鸡胸肉质量并利用机器学习方法鉴别基因型和肌病存在情况
查看原文2023
Food Control
中科院一区JCR一区Lorenzo Serva, Giorgio Marchesini, Marco Cullere, Rebecca Ricci, & Antonella Dalle Zotte
食品标签
禽肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
机器学习/统计学习 偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据为实现对三类禽肉(杂交白羽肉鸡、患胸肌病的杂交白羽肉鸡、慢速生长地方品种肉鸡)的鉴别,并预测鸡胸肉的常规营养成分及氨基酸(AA)组成,本研究对两台工作波段为850~2500 nm 的近红外光谱仪展开测试,结合化学计量学算法与机器学习(ML)方法构建分析模型。研究采用偏最小二乘判别分析(PLS-DA)进行品种溯源,结果显示,受光谱预处理方法及仪器选型的影响,模型的马修相关系数(MCC)介于 0.61~1.00 之间。通过偏最小二乘回归(PLSR)建模发现,模型对粗蛋白的交叉验证决定系数(Rcv2)达 0.98,对粗脂肪的Rcv2高达 0.99;而针对氨基酸的预测效果存在差异,仅天冬氨酸、丙氨酸、蛋氨酸三种氨基酸的Rcv2大于 0.55。基于上述氨基酸预测结果,研究进一步采用因子判别分析(FDA)开展品种鉴别,模型的马修相关系数为 0.67~0.95。综合实验结果表明,两台受试近红外光谱仪均能实现对鲜样及冻干鸡胸肉的化学成分测定。值得注意的是,机器学习算法的引入显著提升了近红外光谱数据的可解释性,不仅可区分不同遗传品系鸡胸肉的成分差异,还能有效识别鸡胸肉是否存在胸肌病病变。
-
食品标签
畜肉 食品安全与风险评估计算机标签
机器学习/统计学习 定量预测/回归分析 文本/知识库/法规数据本研究的核心目的是构建三种基于机器学习的回归模型,即决策树回归(DTR)、广义加性模型回归(GAMR)和随机森林回归(RFR),并将其用于牛肉中细菌菌落总数的预测。为实现这一目标,研究从 ComBase 数据库(网址:www.combase.cc)中采集了共计 2654 组细菌数据,涉及单核细胞增生李斯特氏菌、大肠杆菌及假单胞菌属 —— 这三类细菌是牛肉微生物研究领域中最受关注的菌种。研究选取温度、盐浓度、水分活度及酸度作为核心预测变量,以此表征牛肉中微生物的生长与存活规律。通过嵌套交叉验证法对所构建的机器学习回归模型进行超参数优化,并基于决定系数(R2)和均方根误差(RMSE)两项统计指标,对比各模型的拟合性能。结果显示,针对三种微生物的菌落预测,所有回归模型均表现出良好的预测效果,其决定系数介于 0.931~0.949 之间,均方根误差介于 0.597~0.692 之间。其中,随机森林回归模型的预测性能最优,因此研究对其进行了进一步的外部验证。验证结果表明,该模型的偏差因子介于 1.017~1.151 之间,准确度因子介于 1.137~1.370 之间。这一结果证实,随机森林回归模型可作为一种可靠的替代方法,用于同步表征牛肉中微生物的存活与生长规律;同时,该模型能够省略传统预测微生物学领域两步建模法中的次级模型构建环节,具备成为新型模拟方法的巨大潜力。
-
基于指示剂置换分析法的绿茶储藏新鲜度监测
查看原文2023
Food Research International
中科院一区JCR一区Yiyi Zhang, Wenxuan Yuan, Zhengyu Ren, Jingming Ning & Yujie Wang
食品标签
茶/茶饮料 品质、结构与理化性质 过程监测与在线检测 其他方法 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据绿茶在储藏过程中会发生老化,导致其风味和健康价值下降,但目前缺乏绿茶新鲜度的现场检测方法。本研究构建了一种新型灵敏的指示剂置换分析(IDA)传感器,并将其应用于绿茶储藏期间的新鲜度监测。分别采用低成本pH染料和金属离子作为指示剂和受体,用于茶叶样品中儿茶素的目标检测。分别通过图像和紫外-可见光谱验证了IDA反应的可行性。IDA结合监督算法实现了对绿茶新鲜度的准确识别,准确率达86.67%,并且在预测儿茶素单体和总儿茶素方面取得了可接受的准确度,预测偏差比值均超过1.5。因此,所开发的IDA传感器能够对绿茶储藏期间的新鲜度进行定性和定量监测,为绿茶的质量评价与控制提供了新的选择。
-
用于菠萝质量监测的创新无损技术:最新进展与应用
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区Mainunah Mohd Ali, Norhashila Hashim, Siti Khairumiza Bejo, Mahirah Jahari & Nurul Agilah Shahabudin
食品标签
新鲜水果 品质、结构与理化性质 过程监测与在线检测 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析背景:菠萝是重要的热带水果,是矿物质的重要来源,具有优良的营养成分。菠萝的质量评估是影响消费者偏好、采后处理和果实商业价值的重要因素。
范围与方法:本综述介绍了菠萝的外部与内部质量属性,并讨论了用于评估菠萝质量属性的化学计量学与数据挖掘的应用。在此意义上,无损技术因其提供了一种更安全、更可靠、成本效益高且不损伤果实的质量评估方式而受到关注。
主要发现与结论:本文重点关注新兴的无损技术,并全面综述了这些技术的应用。基于光谱的技术、计算机视觉、基于成像的技术、声学、超声波以及基于仪器的传感技术是创新的无损技术,可作为传统方法的有效替代方案,用于监测菠萝质量。文中还讨论了使用无损技术进行菠萝质量评估所面临的挑战与未来趋势。