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 114 条结果
-
基于卷积神经网络的稳定同位素和矿物元素指纹在海南山茶油产地鉴别中的应用
查看原文2023
Food Control
中科院一区JCR一区Jiashun Fu, Junhao Wang, Zhe Chen, Zhuowen Deng, Hanggui Lai, Liangxiao Zhang, Yong-Huan Yun, & Chenghui Zhang
食品标签
植物油 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
偏最小二乘法 支持向量机 随机森林 卷积神经网络 分类/鉴别/等级评定油茶籽油是我国特有的高端木本食用植物油,其中海南产油茶籽油因品质独特、价值较高而备受认可。保障海南油茶籽油的产地真实性,对维护其市场声誉与质量安全至关重要。为此,本研究探究了稳定同位素与矿质元素在海南油茶籽油产地溯源中的应用潜力,采用稳定同位素质谱仪与电感耦合等离子体质谱仪,对油茶籽油中的 3 种稳定同位素及 21 种矿质元素进行检测分析。结果表明,不同产区油茶籽油的稳定同位素比值与矿质元素含量存在显著地域差异。本研究构建的卷积神经网络(CNN)模型,分类准确率优于正交偏最小二乘判别分析(OPLS-DA)、支持向量机(SVM)及随机森林等常用分类模型:该模型不仅能以 93.33% 的准确率区分海南产油茶籽油与其他主产区产品,还能以 98.57% 的准确率精准鉴别海南省境内不同产区的油茶籽油。综上,稳定同位素与矿质元素特征可作为鉴别油茶籽油产地的有效指标,本研究成果有助于填补我国油茶籽油产地溯源技术的空白。
-
使用便携式拉曼光谱仪快速检测芝麻油多重掺假
查看原文2023
Food Chemistry
中科院一区JCR一区Xue Li, Du Wang, Fei Ma, Li Yu, Jin Mao, Wen Zhang, Jun Jiang, Liangxiao Zhang & Peiwu Li
食品标签
植物油 食品安全与风险评估 过程监测与在线检测 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据 小规模数据集多重掺假是不法商贩为规避传统掺假检测手段而常用的造假方式。本研究提出采用便携式拉曼光谱仪实现芝麻油多重掺假的快速检测。研究分别采用混合物单纯形理论与D-最优混料设计两种策略开展变量筛选与模型评价工作。基于混合物单纯形理论,通过对芝麻油及四种掺假油预处理后的拉曼光谱进行正交偏最小二乘判别分析,筛选出特征重要变量。同时,利用单类偏最小二乘法构建多重掺假鉴别模型,并借助D-最优混料设计配制的代表性掺假样品完成模型验证。验证结果表明,40份掺入四种不同掺假油的芝麻油样品均可被准确鉴别,说明拉曼光谱技术可有效用于芝麻油多重掺假检测,尤其适用于现场快速检测场景。
-
基于高交联玉米蛋白的多功能pH敏感主动智能包装,用于猪肉鲜度监测
查看原文2023
Food Chemistry
中科院一区JCR一区Jianglong Kong, Xiaohan Ge, Yuting Sun, Meiru Mao, Hongrui Yu, Runxuan Chu & Yi Wang
食品标签
畜肉 新鲜水果 植物油 茶/茶饮料 保藏与贮藏 品质、结构与理化性质 营养与生物功能 食品安全与风险评估 包装与智能监测 颜色与外观品质 抗氧化/抗炎等功能 包装设计与机械性能 花青素与类胡萝卜素 其他植物化学物质计算机标签
可见光/RGB/视频数据智能包装不仅能够保护食品免受外界环境因素的损害,还可直观监测食品品质与安全状态的变化。本研究以高交联玉米醇溶蛋白为基质,制备出一种兼具pH响应特性、抑菌及抗氧化性能的新型智能包装膜。交联剂添加量为0.05克/克时,复合膜具备最优力学性能,其拉伸强度与断裂伸长率分别为纯玉米醇溶蛋白膜的2.42倍和1.53倍。此外,因负载茶树精油的介孔二氧化硅纳米颗粒被添加入膜材中,该智能包装具备长效抑菌与抗氧化活性。研究将蓝莓花青素作为比色指示剂掺入包装膜内,可借助手机实现肉制品的安全监测。以该复合膜包装猪肉制品,在储存9天后膜体由无色变为棕褐色,可直观表征猪肉发生变质。据现有文献所知,本研究首次实现三点创新:1)将负载茶树精油的介孔二氧化硅纳米颗粒应用于食品包装领域;2)将茶树精油作为抑菌剂添加至玉米醇溶蛋白膜中;3)利用手机检测玉米醇溶蛋白基薄膜的红绿蓝色彩参数值。本研究为开发多功能、极具应用前景的可生物降解智能包装提供了参考范例,也为提升食品安全保障水平提供了新的思路。
-
基于机器学习的炸油中总极性化合物(TPC)含量预测分析:对6种不同油炸油在不同油炸时间点的综合电化学研究
查看原文2023
Food Chemistry
中科院一区JCR一区Anoop C. Patil, Arjun Kesav Mugilvannan, Junmei Liang, Yuan-Rong Jiang & Untzizu Elejalde
食品标签
植物油 传统热加工 光谱/色谱/质谱等分析方法计算机标签
主成分分析/判别分析 定量预测/回归分析色谱法等测定煎炸油中总极性化合物含量的常规检测方法,存在检测耗时久、设备体积大、检测成本高的问题。本文采用电化学分析法,在无需样品前处理的条件下,对6种煎炸油、共计52个煎炸时间节点的样品开展检测研究。该方法借助阻抗光谱技术,采集不同样品特有的电极化状态信号。据现有文献所知,本研究首次针对多种煎炸油开展系统性综合探究,且每种油品均设置梯度递增的煎炸时间节点。主成分分析结果可对所有油品的不同煎炸时间节点实现有效区分。研究进一步结合留一法逐样本实施有监督机器学习,建立总极性化合物含量预测模型。测试样本的决定系数介于0.93~0.97之间,平均绝对误差为0.43~1.19。本研究可为煎炸油电化学检测分析提供理论参考,也为研发便携式总极性化合物检测设备、实现煎炸油快速精准筛查提供了应用潜力。
-
利用算法辅助表面增强拉曼光谱监测油脂氧化和脂肪酸谱
查看原文2023
Food Chemistry
中科院一区JCR一区Tanya Nagpal, Vikas Yadav, Sunil K. Khare, Soumik Siddhanta & Jatindra K. Sahu
食品标签
植物油 氧化、褐变等化学变化 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
其他深度学习结构 定量预测/回归分析 红外/拉曼光谱数据食品深度油炸过程中会生成脂质氧化产物,这类产物不仅会导致油脂品质劣变,还会对人体健康构成潜在风险。因此,研发一种快速、精准的油脂品质与安全检测技术十分必要。本研究采用表面增强拉曼光谱(SERS)结合先进化学计量学方法,实现对油脂过氧化值(PV)及脂肪酸组成的原位、快速无标记检测。研究中,选用经等离子体调控且具备生物相容性的银@金核壳纳米粒子作为表面增强拉曼光谱基底,可在基质干扰条件下获得最优光谱增强效果,从而高效检测油脂组分。表面增强拉曼光谱与人工神经网络(ANN)方法强强联用,对脂肪酸图谱及过氧化值的检测准确率可达99%。此外,该表面增强拉曼光谱-人工神经网络检测方法对低于2%的低含量反式脂肪定量检测准确率高达97%。由此可见,本研究构建的算法辅助表面增强拉曼光谱检测体系,能够实现油脂氧化状态的便捷快速监测与现场即时检测。