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
-
机器学习量化技术功能特性——以豌豆成分的凝胶硬度为例
查看原文2022
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Anouk Lie-Piang, Alberto Garre, Thomas Nissink, Niels van Beek, Albert van der Padt & Remko Boom
食品标签
豆类与坚果(及籽类) 质构与流变性质 质构与流变测试计算机标签
机器学习/统计学习 定量预测/回归分析 质构/流变/感官数据当基于技术功能特性而非成分来选择时,轻度精制的配料更容易被纳入食品中。本研究以黄豌豆的传统和轻度精制成分为例,评估了不同的机器学习方法,以定量地将相关的技术功能特性与成分的组成和加工历史联系起来。我们探索了线性模型(多元、对数转换和多项式)和非线性模型(样条回归、决策树和神经网络)。最终模型的选择基于:1)训练集和独立测试集的统计模型指标(RMSE、R² 和 MAE);2)用于评估模型预测合理性的专家知识。在本案例中,神经网络能够最准确地描述黄豌豆成分的凝胶硬度。我们所采用的方法可应用于其他技术功能特性,以提高链条可持续性,同时确保产品的完整功能。
-
高级过程分析工具在食用油脂掺杂物鉴定中的应用综述
查看原文2022
Food Chemistry
中科院一区JCR一区E.J. Rifna, R. Pandiselvam, Anjineyulu Kothakota, K.V. Subba Rao, Madhuresh Dwivedi, Manoj Kumar, Rohit Thirumdas & S.V. Ramesh
食品标签
油脂及油脂制品 食品安全与风险评估 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/等级评定本综述总结了基于过程分析的光谱类检测技术结合化学计量学方法,在食用油掺伪物鉴定中的应用进展。文章梳理了光谱技术、核磁共振波谱(NMR)、高光谱成像(HSI)、电子舌、电子鼻等过程分析工具,结合化学计量学用于食用油品质监测的各类研究思路。食用油自身属性多样且复杂,加之各类过程分析技术(PAT)检测信号存在特征差异,因此,检测工具的可靠性与实验操作条件是提升掺伪鉴别效率需重点关注的核心要素。过程分析工具与化学计量学联用,构成了一类稳定性强、具备显著化学分类学应用潜力的分析手段,可应用于掺伪鉴别、质量控制、产地溯源、工艺评价和产品分级等场景。
-
MS-FINDER 辅助解析普洱茶发酵过程中黄酮类化合物的时间维度谱系
查看原文2022
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Xuan Wang, Na Li, Shengshuang Chen, Ya-Hui Ge, Ying Xiao, Ming Zhao, & Jian-Lin Wu
食品标签
茶/茶饮料 加工与新加工技术 发酵工艺与动力学 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 红外/拉曼光谱数据黄酮类化合物是普洱茶中一类重要次生代谢物,对人体健康具有益处。为快速、完整地发现这类化合物,本研究建立了整合 MS-DIAL、MS-FINDER 和分子网络分析的数据挖掘工作流。研究共初步注释 181 种黄酮类化合物,其中 22 种首次在普洱茶中发现,另有 2 种可能为新分子。研究进一步考察了这些黄酮类化合物在普洱茶发酵过程中的动态变化,发现其总体呈先升高后降低趋势。统计分析显示,发酵过程中的第一次至第三次翻堆对黄酮变化影响更大。研究还提出了部分代谢通路。该工作提供了一种快速、自动化的黄酮谱分析策略,发酵过程中黄酮类化合物的时间维度变化可为普洱茶加工工艺和物质基础研究提供理论依据。
-
基于化学计量学设计的绿色、选择性且廉价的亲疏水性可切换溶剂液相微萃取程序优化,用于牛奶、蜂蜜和水样中磺胺嘧啶的预浓缩与提取
查看原文2022
Food Chemistry
中科院一区JCR一区Nail Altunay
食品标签
液态乳 蜂蜜等天然糖 化学污染物 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/回归分析本研究优化建立了一种绿色、高选择性且低成本的可切换亲水性溶剂基液相微萃取(SHS-LPME) 方法,用于牛奶、蜂蜜与水样中磺胺嘧啶(SDZ)的萃取和富集预处理,后续采用分光光度法进行检测。研究基于化学计量学中的中心复合设计,对影响该可切换亲水性溶剂基液相微萃取流程的 5 个关键变量开展了优化。该方法的核心分析性能参数如下:线性范围为15∼300 μg⋅L−1,检出限为4.5 μg⋅L−1,萃取回收率为96±3%,富集倍数为113。通过重复性与重现性试验考察了方法精密度,所得相对标准偏差介于2.4%∼4.5%之间。实际样品中磺胺嘧啶的加标回收率范围为94±4%∼99±2%。研究分别采用所建立的可切换亲水性溶剂基液相微萃取法与流动注射 - 火焰原子吸收光谱参比方法测定实际采集的样品,并对两组检测结果进行对比。统计分析表明,两种方法无显著性差异,证实该可切换亲水性溶剂基液相微萃取法可可靠应用于实际样品的检测分析。
-
食品标签
酸度调节剂/防腐剂/抗氧化剂 食品安全与风险评估 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 红外/拉曼光谱数据食醋是食品掺伪现象高发的产品之一,产品本身与掺假物质的光谱差异,使得掺伪检测成为一项具有挑战性的工作。本研究采用多种光谱技术,建立葡萄食醋掺入蒸馏白醋、合成乙酸的掺伪判别方法。实验将葡萄食醋分别与蒸馏白醋、4% 稀释合成乙酸按 1%–50%(体积比) 的梯度混合。采用紫外 - 可见光谱(UV–Vis)与傅里叶变换红外光谱(FTIR)采集原醋及混合样品的光谱数据,结合多种化学计量学方法与人工神经网络(ANN)进行数据解析。针对纯品食醋与掺伪食醋的判别分析,单独使用紫外 - 可见、红外光谱数据,或联合两类光谱并结合化学计量学、人工神经网络处理,均获得 不低于 94.3% 的正确分类率。结果表明,无论掺伪物质种类如何,紫外 - 可见光谱与傅里叶变换红外光谱均可实现食醋掺伪的快速、精准检测。