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 2456 条结果
-
基于多元宇宙优化器的CNN-BiLSTM像素级检测花生黄麴毒素模型
查看原文2025
Food Chemistry
中科院一区JCR一区Cong Wang, Hongfei Zhu, Yifan Zhao, Weiming Shi, Huayu Fu, Yanshen Zhao & Zhongzhi Han
食品标签
豆类与坚果(及籽类) 微生物安全 光谱/色谱/质谱等分析方法计算机标签
深度学习 卷积神经网络 循环神经网络 分类/鉴别/等级评定 高光谱/多光谱光谱花生极易受到黄曲霉毒素的污染,对人体健康构成重大威胁。本研究旨在通过一种优化的深度学习方法,提升高光谱图像中像素级黄曲霉毒素检测的精度。研究构建了一种经多元宇宙优化算法(MVO)优化的卷积神经网络-双向长短期记忆网络融合模型,专门用于高精度检测黄曲霉毒素。利用不同浓度的黄曲霉毒素光谱数据,对该优化后的卷积神经网络-双向长短期记忆网络模型进行了微调。实验结果表明,经过微调的多元宇宙优化算法-卷积神经网络-双向长短期记忆网络模型性能最优,验证集准确率达94.92%,召回率为95.59%。该模型准确率相较于支持向量机、自适应提升算法等机器学习方法分别高出6.93%和3.6%;同时相比卷积神经网络、卷积神经网络-长短期记忆网络融合模型等深度学习方法,准确率分别提升4.18%和3.08%。该方法有效提升了像素级黄曲霉毒素的检测精度,可为在线检测设备的研发提供技术支撑。
-
适应性食品价格预测在快速经济变化时期提升公众信息
查看原文2025
Nature Communications
中科院一区JCR一区Matthew J. MacLachlan, Michael K. Adjemian, Xiaoli Etienne, Megan Sweitzer, Richard Volpe III & Wendy Zeng
食品标签
其他复合食品 过程控制与数字化 统计建模与仿真 传统统计分析与回归计算机标签
机器学习/统计学习 智能手机/其他 定量预测/回归分析 时序传感器/物联网数据 文本/知识库/法规数据COVID-19 的到来结束了继 2010-2012 年世界粮食价格危机之后美国零售食品价格稳定的时代。与大流行相关的中断、禽流感爆发以及俄乌战争导致 2022 年家庭食品通胀率达到自 1974 年以来的最高水平(11.4%)。2023 年,美国农业部(USDA)经济学家通过使用统计学习协议更新食品价格预测来应对这些变化,以选择时间序列模型和预测区间来传达其不确定性。我们表征了这些“适应性”通胀预测所提供的公共利益,并通过纳入外生变量来增强它们,以提高其精确度和解释力。COVID-19 的到来凸显了适应扣除食品和能源的所有项目(“核心”)指数、货币供应量和工资在预测食品价格方面日益增加的相关性的价值。食品价格与核心价格和货币供应量之间的密切关系表明食品市场对宏观经济力量和政府政策决策的敏感性。
-
基于小鼠类器官生物传感器的鲜味物质及其协同效应检测新策略
查看原文2025
Food Chemistry
中科院一区JCR一区Minbo Li, Min Fan, Baifeng Fu, Zhihui Chang, Junjie Yi, Yingqi Xie, Wenwen Ren, Yu Tian, Qiyue Zhao, Shuzhen Cheng, Xianbing Xu & Ming Du
食品标签
其他添加剂与配料 感官科学与消费者研究 蛋白质与氨基酸计算机标签
偏最小二乘法 定量预测/回归分析 质构/流变/感官数据传统分析系统在量化复杂食品基质中的鲜味感知及协同作用方面面临挑战,尤其在模拟人类味觉辨别方面。为此,我们开发了一种基于味蕾类器官和流式细胞术(TOS-FC)的鲜味生物传感器,该传感器具有宽动态范围(对谷氨酸钠(MSG)而言为10⁻⁷至2×10⁻¹ M)、强线性相关性(R²>98%)以及超出传感器寿命的稳定操作性。TOS-FC平台成功量化了三种具有代表性的鲜味刺激物——谷氨酸钠(MSG)、5'-肌苷酸(IMP)和谷氨酸-脯氨酸二肽(EP,一种具有代表性的鲜味肽)。与电子舌相比,它在检测协同效应(如MSG+IMP和EP+IMP组合)方面也表现更优。偏最小二乘判别分析显示,TOS-FC测量结果与感官评价之间存在强相关性,表明其具有较高的预测有效性。这种仿生传感策略为复杂食品系统中与生理相关的味觉分析建立了新范式,在食品质量研究中具有潜在应用价值。
-
机器学习辅助识别浓香型白酒发酵过程中糟醅和窖泥中的核心风味化合物并预测核心微生物
查看原文2025
Food Chemistry
中科院一区JCR一区Jiang Xie, Jiaxin Hong, Chunsheng Zhang, Xin Yuan, Zhigang Zhao, Dongrui Zhao, Shimin Wang, Baoguo Sun, Ran Ao, Jinyuan Sun, Yuling Sun, Mingquan Huang & Xiaotao Sun
食品标签
酒精饮料 感官科学与消费者研究 组学与高通量技术 其他特殊成分计算机标签
智能手机/其他 分类/鉴别/等级评定 组学数据浓香型白酒(SFB)的品质直接由关键风味化合物决定,而这些化合物在发酵过程中会受到微生物的影响。本研究采用风味组学和机器学习技术,探究浓香型白酒中感官属性与风味化合物之间的关系。研究初步确定,甜味香气和粮香是影响浓香型白酒品质分级的核心感官属性。此外,通过机器学习分类模型,成功预测出影响浓香型白酒甜味香气和粮香的关键风味化合物。验证实验进一步证实了影响这些感官属性的核心风味化合物。预测模型显示,发酵池中的核心微生物(如异常威克汉姆酵母)会调节风味化合物,进而影响甜味香气和粮香的呈现,最终决定浓香型白酒的品质。本研究展示了机器学习在浓香型白酒风味研究中的潜力,并为其风味形成机制提供了宝贵的见解。
-
基于3D点云与深度学习的切片面包多尺度表型自动化量化流程
查看原文2025
Food Research International
中科院一区JCR一区Honghao Zhou, Jungao Zhang, Qin Zhou, Xinru Wang, Haijiang Min, Bingxi Qin, Shaowei Liang, Xiao Wang, Yingxin Zhong, Jian Cai, Mei Huang, Qing Li, Dong Jiang & Jiawei Chen
食品标签
面包 品质、结构与理化性质 显微与成像技术计算机标签
深度学习 定量预测/回归分析 可见光/RGB/视频数据针对当前切片面包评价参数集中于二维表型分析的现状,本研究开发了一种利用廉价3D激光扫描仪准确捕获并分析整个面包切片及其切片孔隙表面三维结构的创新技术。采用集成三轴运动平台的3D线扫描激光轮廓传感器高效采集面包表面的3D点云数据。针对预处理后的点云数据,提出了一个名为3D-PoresSegNet的分割模型,用于在点云中分离面包表面和孔隙区域。通过使用2D投影、轮廓提取和逆变换技术,获得了孔隙边缘的准确3D结构信息。基于孔隙边缘和完整的点云数据,我们成功重建了3D孔隙结构,并提取了面包及其孔隙的详细表型参数。此外,提出了两个新颖的表型参数——孔隙分布和孔隙层分布,为面包的全面质量评估提供更科学的支持。为了便于快速进行表型分析,我们开发了Bread3D-Measure软件。实验结果表明,在提取13个表型参数方面具有较高准确性,包括7个总体性状——高度(97.3%)、长度(95.2%)、宽度(95.6%)、表面积(86.6%)、体积(82.8%)、对称指数(91.5%)和均匀性指数(93.4%),以及6个相关参数——最大孔隙直径(84.7%)、最大孔隙面积(82.6%)、孔隙数量(87.1%)、最大孔隙深度(90.3%)、最大孔隙体积(83.7%)和孔隙伸长率(78.5%)。这些结果证实了所提方法在满足各种表型应用需求方面的有效性。