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
-
包装4.0:迈向智能化的新范式
查看原文2022
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区Kambiz Sadeghi, Jongkyoung Kim & Jongchul Seo
食品标签
包装与智能监测 过程控制与数字化 循环经济与绿色供应链计算机标签
机器学习/统计学习 过程控制与实时优化 模拟与数字孪生 时序传感器/物联网数据第四次工业革命(I4.0)旨在利用与基于网络的平台相互连接的智能技术,实现产品生命周期的数字化。I4.0的元素可用于推动包装4.0的发展,提高生产力和效率。然而,由于在包装科学领域对I4.0元素的理解存在差距,I4.0在包装科学中的适用性尚未得到充分研究。此外,市场的演变和客户需求的变化带来了复杂性,这需要一种具有高度精准性的商业模式。由于包装从产品制造一直伴随到消费者阶段,因此可以借助包装实现产品生命周期的数字化。本文探讨了I4.0对包装科学的影响,以确定包装4.0在各个领域(如制造业、材料、供应链、零售业和消费后领域)的潜在益处。在本研究中,包装4.0的定义基于一个框架,该框架包括包装制造、包装与产品、包装与消费者以及包装与可持续性(生态、经济和社会方面)。此外,本文还引入了一种去中心化模型,通过去中心化的决策中心来实现自我控制理念。在此背景下,包装4.0可以通过企业横向整合、企业纵向整合以及端到端工程的结合来实现。智能设备(如传感器、指示器、执行器和可穿戴智能设备)与物联网和云相互连接,是实现去中心化模式的有效途径。在包装4.0背景下实施智能平台,能够在供应链、店内和购买后阶段实现去中心化的数据收集,进而实现对产品生命周期的持续监控。
-
数字化和人工智能促进可持续食品系统
查看原文2022
Trends in Food Science & Technology
中科院一区JCR一区Hans J.P. Marvin, Yamine Bouzembrak, H.J. van der Fels-Klerx, Corné Kempenaar, Roel Veerkamp, Aneesh Chauhan, Sanne Stroosnijder, Jan Top, Görkem Simsek-Senel, Hans Vrolijk, Willem Jan Knibbe, Lu Zhang, Remko Boom & Bedir Tekinerdogan
食品标签
可持续性与资源高值化 过程控制与数字化计算机标签
机器学习/统计学习 深度学习背景:欧盟委员会(EC)发布了《欧洲绿色协议》通报,为欧洲的根本转型设定了路径。该政策的关键要素是构建一个完全可持续的食品系统,这在“从农场到餐桌”战略中得以明确。该战略需要采取系统方法,全面考虑与充足和健康食品生产及消费相关的所有方面,包括经济、环境(气候、生态系统)和社会层面。
范围与方法:本文介绍了遵循欧盟所倡导的“从农场到餐桌”原则的食品生产系统方法概念,并阐述了数字化和人工智能(AI)如何应对可持续食品系统带来的挑战。
主要发现与结论:本文提出了一系列研究和创新挑战,并通过具体案例加以说明。结论认为,人工智能和数字化在支持向可持续食品系统转型方面具有巨大潜力。这一发展将影响从农民到消费者的整个价值链中参与者的角色和互动。本文为未来在可持续食品生产中成功实施人工智能提出了政策建议。 -
基于同步荧光光谱与化学计量学工具的直接固体样品分析用于咖啡样品地理溯源
查看原文2022
Food Chemistry
中科院一区JCR一区Jarbas Verissimo Robert, Jefferson S. de Gois, Rodrigo Barros Rocha b & Aderval S. Luna
食品标签
咖啡饮料 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 红外/拉曼光谱数据本研究旨在探究用于咖啡样品产地溯源分类的化学计量学方法。研究采用同步分子荧光光谱技术,对经精细研磨的咖啡豆样品进行检测,以此实现产地分类。实验以两种波长偏移量采集样品光谱数据,每组数据均重复测定三次,且光谱分辨率均为 1 nm:偏移量 10 nm 时,发射波长范围为 240 nm 至 600 nm;偏移量 40 nm 时,发射波长范围为 240 nm 至 560 nm。研究分别采用 10 nm 偏移量、40 nm 偏移量对应的光谱数据,以及二者的中层融合数据开展多种建模策略分析。研究对比了线性与非线性两类建模方法的性能,结果表明:将 10 nm 与 40 nm 偏移量的光谱数据进行低层融合,并结合帕累托优化准则处理原始数据,可获得最优的分类效果。
-
基于二阶电化学数据生成的牛至精油中香芹酚的定量测定
查看原文2022
Food Chemistry
中科院一区JCR一区Gastón Darío Pierini, Santiago Andrés Bortolato, Sebastian Noel Robledo, Mirta Raquel Alcaraz, Héctor Fernández, Héctor Casimiro Goicoechea & María Alicia Zon
食品标签
香精香料 品质、结构与理化性质 其他理化与结构表征 多酚与黄酮计算机标签
机器学习/统计学习 定量预测/回归分析本文首次提出一种基于 多元曲线分辨 - 交替最小二乘法(MCR-ALS)二阶建模的伏安分析新方法,用于牛至精油(OEO)中香芹酚(CAR) 的定量测定。基于香芹酚呈现扩散体系特征,构建二阶循环伏安数据:将扫描速率(v)作为第二仪器模式,对单个样品采集不同扫描速率下的循环伏安曲线,由此形成二阶数据。实验在潜在干扰物百里酚共存的条件下开展香芹酚定量分析。结果表明,MCR-ALS 算法有效利用了二阶优势,加标回收率与 100% 无统计学差异。采用该模型计算得到方法的检出限和定量限分别为 6.27×10 −5mol⋅L −1 和 1.90×10 −4 mol⋅L −1。最后,将所建方法应用于实际牛至精油样品中香芹酚的定量检测。
-
利用时分辨光谱-图像激光诱导击穿光谱通过深度挖掘基质信息对奶粉质量进行精确定性与定量分析
查看原文2022
Food Chemistry
中科院一区JCR一区Deng Zhang, Junfei Nie, Xuechen Niu, Feng Chen, Zhenlin Hu, Xuelin Wen, Yuqiong Li & Lianbo Guo
食品标签
乳粉 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 定量预测/回归分析 红外/拉曼光谱数据本研究提出一种新型高效的分析方法 ——时间分辨光谱成像激光诱导击穿光谱(TRSI-LIBS),用于实现奶粉品质的精准定性与定量分析。为验证该方法的可行性,研究针对奶粉品质开展了定性与定量分析。在外源蛋白掺假定性鉴别中,基于 TRSI-LIBS 构建的模型准确率优于传统 LIBS,准确率提升幅度约5%~10%。在外源蛋白掺假及元素含量定量分析中,基于 TRSI-LIBS 的定量模型同样表现更优。以钙(Ca)含量定量模型为例,其检测限(LOD)、预测集决定系数(R p2)、预测集均方根误差(RMSEP)和预测平均相对误差(AREP)由传统 LIBS 的1.47 mg/g、0.95、0.35 mg/g、23.29%,分别优化为 TRSI-LIBS 的0.81 mg/g、0.98、0.20 mg/g、12.60%。