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
-
机器学习驱动的发酵苹果-雪莲果功能饮料中硒生物转化和风味分析的多模态优化
查看原文2025
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Tao Guan, Jue Gong, Jiaxi Lin, Chella Perumal Palanisamy, Jinjin Pei & A.M. Abd El-Aty
食品标签
果蔬饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 微生物与发酵实验 矿物质与微量元素计算机标签
机器学习/统计学习 定量预测/回归分析本研究构建了一套人工智能优化框架,用于富硒雪莲果苹果汁的发酵工艺优化。研究结合响应面法与极端梯度提升模型,确定了最优工艺参数:发酵温度 34.8℃、苹果与雪莲果配比 1:2.2、酶添加量 0.65 克 / 升。在此条件下,硒转化率达 89.78%,活性物质产量可观,其中多糖含量为 149.42 毫克 / 100 毫升,黄酮含量为 1.250 毫克 / 毫升。相较于传统响应面法,极端梯度提升模型预测精度更优,决定系数R2达 0.953;同时明确了植物乳杆菌 YKX 菌株活性的关键温度区间为 34~35℃。采用顶空气相色谱 - 离子迁移谱技术分析风味物质变化,结果显示:发酵第 4 天时,乙酸乙酯等酯类物质含量提升 442%,与感官品质改善呈显著正相关(相关系数r=0.91),而醛类物质含量下降 23%。多模态机器学习分析表明,多糖代谢与风味提升密切相关(R2=0.927),并确定硒转化的关键时段为发酵 12~24 小时,转化速率为 1.52%/ 小时。该研究将经验式工艺优化与可解释人工智能技术相结合,为功能性食品产业化生产提供了可行指导方案,如温度管控误差控制在 ±0.5℃、酶制剂协同使用等。研究同时指出,受数据集规模限制,后续可结合传感设备开展动态监测。该技术方案推动了精准发酵技术的发展,可让富硒饮品在营养素生物利用率、风味层次及活性物质留存之间实现协同兼顾。
-
机器学习辅助的双模式水凝胶传感器用于亚硝酸盐检测
查看原文2025
Chemical Engineering Journal
中科院一区JCR一区Siqi Yang, Baozhu Jia, Jie Liu, Fanxuan Gong, Hong Wang, Hong-Jiao Lei & Zhenlin Xu
食品标签
化学污染物 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
智能手机/其他 定量预测/回归分析亚硝酸盐(NO )的现场精准检测对保障食品安全与人类健康至关重要。本研究开发了一种便携式双模式水凝胶传感器,通过结合比率荧光与比色检测技术,实现了食品样品中亚硝酸盐的精准监测。该传感器通过将石墨烯量子点(GQDs)嵌入琼脂糖水凝胶基质中制备而成。蓝色发射型GQDs(λ=450 nm)作为比率参照基准,可被橙色发射型苯并三唑(BTA,λ=578 nm)有效猝灭——后者由亚硝酸盐与邻苯二胺(OPD)通过重氮偶联反应生成。该反应产生了亚硝酸盐浓度依赖的比率荧光响应,同时伴随BTA形成导致的黄色显色增强。针对现场应用场景,本研究构建了便携式水凝胶检测试剂盒,并采用反向传播人工神经网络(BPANN)实现亚硝酸盐诱导信号变化的智能解析。该传感器展现出卓越的检测灵敏度:荧光模式检出限为2.1×10 mg/L,比色模式达0.088 mg/L,水凝胶体系则达到0.07 mg/L。该便携式平台具备跨平台兼容性,可实现人工智能辅助的快速检测(<15分钟),为食品与环境安全监测提供了创新技术手段。
-
通过新型LTP制备的具有高漆酶样活性的非晶态Co3O4纳米酶构建的比色传感器阵列用于食品中酚类化合物的智能识别
查看原文2025
Food Chemistry
中科院一区JCR一区Chao Liu, Ning Liu, Qi Xia, Yi Cao & Qing Huang
食品标签
食品安全与风险评估 显微与成像技术 植物化学/生物活性成分计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据区分食品基质中的天然抗氧化酚类化合物与污染物,对于确保食品质量和安全至关重要。在此背景下,基于纳米酶的传感器已成为颇具前景的工具,展现出在有效检测和区分方面的巨大潜力。然而,构建具有高催化活性的多功能、低成本纳米酶生物传感器仍是一项关键挑战。本研究提出了一种介质阻挡放电(DBD)等离子体方法,利用钴基金属有机框架(Co-MOF)合成非晶态四氧化三钴(a-Co3O4)漆酶样纳米酶。这种非晶态四氧化三钴通过Co²⁺/Co³⁺ redox对和Co-O活性位点展现出漆酶样活性,模拟了天然漆酶的配位环境。借助其催化多功能性、稳定性以及pH依赖性的底物亲和力,研发出一种新型传感器阵列,可对多种酚类化合物进行灵敏(0.1–12μM)区分。将其与智能手机成像和机器学习相结合,实现了实际样品分析。因此,本研究提供了一种可扩展的基于低温等离子体(LTP)的纳米酶制备策略,并拓展了其在生物传感和食品安全检测中的应用。
-
AI 赋能分子编辑为农药发现开辟新方向
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Wei Wang, Yu Chen, Dao-Hong Gong, Run-Jiang Song, Lang Pan, Heng-Zhi Wang, Lian-Yang Bai, W.M.W.W. Kandegama, Pradeepa C. Gunathilake Bandaranayake, Lei Lian, & Ge-Fei Hao
食品标签
复合/即食/餐饮食品 化学污染物 其他特殊成分计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主数字技术快速发展,为农药发现提供了关键工具,对农业生产力和粮食安全具有重要意义。其中,分子编辑器已成为该领域的基础性工具。然而,现有分子编辑器仍缺乏用于优化计算机辅助农药发现的高级功能。本文提出三项增强方向:生成具有实践可行性的候选分子合成策略;借助 AI 技术生成二维结构分子;基于二维结构分子寻找可能的可靶向口袋和位点。作者认为,这些观点有助于推动 AI 驱动分子编辑进一步发展,使其更好地服务农药发现。
-
基于机器学习的金属氧化物便携式传感器阵列,用于现场检测和区分玉米样本中的霉菌毒素
查看原文2025
Food Chemistry
中科院一区JCR一区Ranbir, Gagandeep Singh, Navneet Kaur & Narinder Singh
食品标签
玉米 微生物安全计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 时序传感器/物联网数据谷物、粮食及饲料原料从生长到仓储的各个阶段,都极易受到真菌污染。这类真菌会产生有害真菌毒素,进而影响食品品质与安全。因此,研发可现场应用的快速、可靠检测方法,对食品安全保障和质量监测至关重要。本研究构建了一种基于分级改性金属氧化物与偶氮染料基金属复合物的高效传感器阵列,可实现玉米样品中有害真菌毒素的现场检测与区分。经线性判别分析(LDA)评分图验证,该传感器阵列能够以100%的准确率实现五种不同真菌毒素的检测与区分。各真菌毒素的检出限范围为0.02~0.09毫克/升。此外,在实际样品检测中,该传感器阵列对二元及三元配比的真菌毒素混合物也实现了100%的精准区分。