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
-
利用多模态分子光谱融合,深度学习算法辅助无损检测鲑鱼肉的TBARS值
查看原文2025
Food Chemistry
中科院一区JCR一区Minqiang Guo, Hong Lin a, Hua Feng, Limin Cao, Jianxin Sui, Xiudan Wang & Kaiqiang Wang
食品标签
鱼肉 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
偏最小二乘法 卷积神经网络 循环神经网络 定量预测/回归分析 红外/拉曼光谱数据 多模态/融合数据本研究提出了一个深度学习框架,用于在不同储存条件下(−20、0、4、20°C及动态温度)下,通过硫代巴比妥酸反应物质(TBARS)量化鲑鱼肉脂质氧化的无损性评估。通过将多模态分子光谱(近红外和拉曼)与卷积神经网络(CNN)整合,研究在预测TBARS值方面相较于偏最小二乘回归(PLSR)和长短期记忆(LSTM)模型实现了更高的准确性。CNN在R语言中取得了更优的表现2p = 0.866,RPD = 4.136。其端到端架构和频谱数据融合提升了预测的鲁棒性,并实现了鲑鱼质量的实时、非侵入式监测。该方法满足行业对高效冷链质量评估的需求,提供可扩展的解决方案,优化新鲜度评估和消费者满意度。总体而言,该方法论展示了将多模态光谱与深度学习结合的强大潜力,能够推动动态储存环境中的食品质量分析。
-
利用多模态数据融合和可解释深度学习技术快速检测自然陈年玉米种子的可行性
查看原文2025
Food Chemistry
中科院一区JCR一区He Li, Yilin Mao, Yanan Xu, Keling Tu, Han Zhang, Riliang Gu & Qun Sun
食品标签
玉米 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据 红外/拉曼光谱数据 多模态/融合数据种子存活率作为质量评估的关键指标,直接影响田间幼苗的出苗。现有基于自然陈年种子的无损玉米种子活力检测模型,主要依赖单模态数据如MV和RS,准确率低于70%。为阐明不同数据对模型准确性的影响,本研究提出了MSCNSVN模型,通过使用MV、RS、TS、FS和SS等传感器收集玉米种子多传感器信息来检测种子存活能力。我们的发现表明:(1) 单模态FS数据集实现了最佳预测精度,其中FS570/600贡献最大;(2)多模态数据融合优于单模态数据,准确率提升了10%,而MV + RS + FS数据集的准确率最高;(3)MSCNSVN模型表现优于基线模型;(4)使用双变异数据集和胚乳表面数据集建模,准确率提升了2%–3%。
-
利用电子鼻、HS-GC-IMS和HS-SPME-GC-MS对不同颜色富硒糙米茶中的挥发性有机化合物进行表征
查看原文2025
LWT
中科院一区JCR一区Lei Zhou, Wei Zheng, Yong Sui, Zhenzhou Zhu, Shuyi Li, Jianbin Shi, Tian Xiong, Fang Cai, Junren Wen, Zhan Zheng, & Xin Mei
食品标签
大米 茶/茶饮料 颜色与外观品质 特征风味 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据 时序传感器/物联网数据研究了由富硒的不同颜色水稻品种(黑色、红色和白色)制备的糙米茶(BRT)的挥发性特性。采用包括电子鼻、顶空气相色谱-离子迁移谱(HS-GC-IMS)、顶空固相微萃取-气相色谱-质谱(HS-SPME-GC-MS)和电子舌在内的多维分析方法,对香气和口感进行了全面表征。分析结果显示,醛类、醇类、吡嗪类和呋喃类是三种颜色BRT中占主导地位的挥发性香气化合物。此外,苦味和咸味被确定为主要的口感特征。通过硒富集,潜在刺激性的硫化物和杂环挥发性污染物(包括呋喃)的水平分别明显降低了 32% - 75% 和 8% - 55%。利用 HS-GC-IMS 和 HS-SPME-GC-MS 鉴定的挥发性风味成分,通过主成分分析(PCA)和聚类分析得到了有效区分。通过 ROAV 分析,确定了 21 种 ROAV 超过 1 的香气化合物,以及 9 种 ROAV 大于 50 的物质。此外,利用偏最小二乘判别分析(PLS-DA),成功筛选出 19 种标记的挥发性有机化合物(VOCs),包括 3,5-二乙基-2-甲基吡嗪、2-戊基呋喃、己醛和 1-丁醛。这项综合研究提供了关于富硒彩色糙米茶的风味和口感特征的见解,支持其开发和优化。
-
利用高光谱成像技术和可解释人工智能评估瓜楼子质量
查看原文2025
LWT
中科院一区JCR一区Dan Xiao, Ruibin Bai, Siman Wang, Youyou Wang, Qingxiu Hao, Ling Dong, Weiwen Li, & Jian Yang
食品标签
豆类与坚果(及籽类) 品质、结构与理化性质 显微与成像技术计算机标签
机器学习/统计学习 模型可解释性 特征工程与选择策略 分类/鉴别/等级评定 高光谱/多光谱光谱陈年和新鲜的挂楼子(GLZ)掺假对产品质量和消费者健康构成风险。本研究旨在通过将高光谱成像(HSI)与可解释人工智能(XAI)相结合,开发一种快速、无损且高通量的GLZ质量评估方法。首先,从存储时间不同的两个样品组--万楼20号(GLZ-20)和万楼9号(GLZ-9)--收集光谱数据。对全波长预处理光谱数据用于构建分类模型。然后,将Shapley加性解释(SHAP)应用于模型进行全局可解释性分析,以选择特征波长。结果表明,基于SHAP的特征选择优于传统方法。使用前16个和23个SHAP选择的波长的模型,在预测集中对GLZ-20和GLZ-9的预测准确率分别达到了97.2%和98.3%。在验证集I中,准确率达到97.7%和98.9%。在验证集II中,两种品种的预测误差均低于3.3%。此外,基于SHAP的模型解释揭示了特征波长与样品特性之间的内在关系,从而提高了判别结果的可靠性。本研究确认了将高光谱成像(HSI)与可解释人工智能(XAI)结合用于GLZ质量评价的可行性,并为种子型坚果的评估提供了参考框架。
-
利用红外光谱对糖蜜植物来源进行可持续鉴定:光谱技术的准确性和绿色度评估
查看原文2025
Current Research in Food Science
中科院一区JCR一区Macarena Rojas-Rioseco, Mecit Öztop, Cristian A. Fuentes, Martin Bravo, Ivan Smajlovic, Margarita Smajlovic, Karol Kołodziejski, Danuta Kruk, Víctor Muñoz & Rosario Del P. Castillo
食品标签
蜂蜜等天然糖 品质、结构与理化性质 光谱/色谱/质谱等分析方法 碳水化合物与糖类计算机标签
偏最小二乘法 K-近邻 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据糖蜜是甘蔗和甜菜加工的副产品,广泛应用于食品、发酵和动物饲料行业。然而,对其植物来源进行鉴定仍然存在挑战,通常依赖于成本高昂、耗时、化学试剂密集且环境不可持续的方法。为响应对可持续分析替代方法日益增长的需求,本研究旨在开发并比较红外光谱方法以对甘蔗糖蜜和甜菜糖蜜进行分类,重点关注技术的可持续性,同时保持分析性能。研究采用化学计量学方法,如主成分分析(PCA)以及偏最小二乘判别分析(PLS-DA)和k近邻(k-NN)等分类模型,对便携式和台式傅里叶变换近红外(FT-NIR)及傅里叶变换中红外(FT-IR)光谱仪的数据进行了评估。研究使用分析绿色度(AGREE)指标来评估每种技术的可持续性,同时利用混淆矩阵得出的品质因数来评估分析准确性。FT-IR光谱法实现了最高的分类准确率(误差为0%),并发现甜菜糖蜜的蛋白质含量更高,而甘蔗糖蜜则含有更多的果糖。然而,与其他技术相比,由于FT-IR对能量需求更高且样品处理更复杂,其在绿色度方面得分最低。相比之下,便携式FT-NIR是可持续性最强的技术(AGREE得分为0.86,评分范围为0至1),尽管其分类误差略高(8.3%)。这些研究结果表明,红外光谱法有潜力成为糖蜜鉴定的可靠且可持续的解决方案,同时也表明在制糖行业的分析过程中,可以对可持续性与准确性之间的权衡进行定量评估,以支持明智的决策制定。