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NFINDR-JMSAM算法进行高光谱透射成像检测由Penicillium digitatum引起的早期衰变橙子,并具有光谱特征分离
查看原文2025
Food Chemistry
中科院一区JCR一区Letian Cai, Liping Chen, Xuetong Li, Yizhi Zhang, Ruiyao Shi & Jiangbo Li
食品标签
新鲜水果 品质、结构与理化性质 微生物安全 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 其他深度学习结构 分类/鉴别/等级评定 可见光/RGB/视频数据 红外/拉曼光谱数据青霉菌属真菌引发的腐烂是柑橘采后品质劣变的主要诱因,此外,该真菌可快速侵染整批柑橘果实,造成严重的经济损失。但由于早期腐烂无明显视觉特征,对其进行有效检测仍存在较大难题。本研究搭建了可见-近红外高光谱成像系统用于采集全透射图像,并提出NFINDR-JMSAM算法实现图像不同像素的分割。通过提取纯净像素并分离光谱特征,所有测试样本的整体分类准确率可达99.3%。该方法还能有效识别柑橘外果皮、果蒂端及果脐处的伤痕,从而消除伤痕对腐烂柑橘检测造成的干扰。本研究融合高光谱透射成像技术与NFINDR-JMSAM算法,为精准检测柑橘早期腐烂果实、实现不同组织检测结果可视化提供了新的研究思路。
-
食品保护中的纳米纤维传感器:合成、检测与未来展望
查看原文2025
Food Control
中科院一区JCR一区José Miguel Contreras Paredes, Maxwell Ogochukwu Ojukwu, Caio Silas Ferreira Ribeiro, Poliana Cardoso, Roberta Hildsorf Piccoli, Tatiana Cardoso e Bufalo, Julio César Ugucioni & Fabiana Silva Felix
食品标签
食品安全与风险评估计算机标签
深度学习 模拟与数字孪生 文本/知识库/法规数据对有效食品安全监测日益增长的需求推动了纳米纤维传感器的发展,与传统的检测方法相比,它们具有显著优势。静电纺丝和溶液吹纺技术因其能够生产具有高比表面积、可调孔隙率和增强功能化潜力的纳米纤维而成为主流合成技术,从而提高了传感器在食品安全应用中的性能。与传统检测方法相比,纳米纤维传感器表现出更高的灵敏度、特异性以及更快的污染物检测速度,从而能够对食源性危害进行早期干预。物联网、人工智能和预测分析等新兴技术的集成,通过实现实时监控、自动化数据分析和先进的污染预测,进一步增强了这些传感器的功能。这些进步使纳米纤维传感器成为确保食品质量和安全的变革性解决方案,为更高效、更智能的食品监测系统铺平了道路。
-
紫理果实霉中的迷迭香酸作为潜在腺苷脱氨酶抑制剂:制备、机器学习验证及结合机制研究
查看原文2025
Food Chemistry
中科院一区JCR一区Bo-hao Liu, Zhong-Han Li, Bao-rong Wang, Jie Zhou, Bing Zhang, Kun-Long Wang, Ying-Hua Zhang & Zhi-Shen Mu
食品标签
其他添加剂与配料 其他生物活性与健康效应 过程优化与控制策略 动力学建模 多酚与黄酮计算机标签
随机森林 分类/鉴别/等级评定 组学数据痛风是一种常见的关节炎疾病,可以通过腺苷脱氨酶(ADA)抑制剂减少尿酸生成来缓解。本研究优化了从紫理果实(Perilla frutescens L.,P. frutescens)中提取罗玛琳酸(RA)的过程,最佳产率为2.22 mg/g。采用定量结构-活性关系(QSAR)模型预测潜在食品中的ADA抑制剂(ADAIs)。由ChemoPy描述符构建的随机森林模型表现最佳(AUC = 0.9648),并筛选了五种候选化合物(包括RA)。类风湿关节炎对ADA的抑制活性在体外(IC50= 55.11 微米)。分子对接显示,ADAIs和ADA通过氢键和疏水相互作用稳定结合。分子动力学(MD)模拟验证了ADAI和ADA配合物的动态稳定性。本研究为P. frutescens提取物中RA作为治疗痛风及快速筛查食源性ADAIs的潜在化合物提供了理论基础。
-
一种基于表面增强拉曼光谱与机器学习技术联合应用的葡萄酒品牌快速识别方法
查看原文2025
Food Chemistry
中科院一区JCR一区Haoran Meng, Danheng Gao, Qihan Zhang, Meng Luo, Kang He, Zhaonan Huang, Jiahao Liu, Tao Geng & Weimin Sun
食品标签
酒精饮料 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 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据 小规模数据集本文提出一种创新方法,将表面增强拉曼散射(SERS)光谱技术与机器学习相结合,实现红酒品牌的免前处理、快速且精准识别。表面增强拉曼散射技术可高灵敏度检测葡萄酒中的微量分子特征物质(如多酚类物质)。采用主成分分析法对光谱数据进行预处理,并通过卷积神经网络(CNN)模型完成特征提取与品牌识别。实验选取18款葡萄酒(中国、智利、意大利各6款),共采集得到1080条光谱数据。该模型最高分类识别准确率可达99.27%。这种SERS-CNN联用方法可实现无损、实时的品牌鉴别,单样本检测耗时不足3秒,兼具便携性与高效性,在红酒品牌溯源保护、品质安全监管以及消费市场领域具备重要的应用前景。
-
利用机器学习和增强中级数据融合对辰皮进行地理起源辨别
查看原文2025
npj Science of Food
中科院一区JCR一区Xinkang Li, Lijun Tang, Zeying Li, Dian Qiu, Zhuoling Yang, Xiaoyi Zhang, Xiang-Zhi Zhang, Jingjing Guo & Baoqiong Li
食品标签
其他果蔬制品/植物类 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
K-近邻 智能手机/其他 分类/鉴别/等级评定 红外/拉曼光谱数据 质构/流变/感官数据 多模态/融合数据 小规模数据集陈皮,即干燥的柑橘皮,是一种传统的中药成分,因其助消化和益呼吸的健康益处而被珍视。陈皮的产地对其质量、活性成分和市场价值有重要影响。本研究开发了一种区分陈皮样品产地的策略。通过气相色谱(GC)和中红外(MIR)技术分析了来自广东省新会区八个地区的39个样品。采用了四种机器学习方法,基于GC和MIR数据建立判别模型,并使用了两种中级数据融合策略来融合数据。结果表明,数据融合显著改善了陈皮产地的判别效果。结合改进的中级数据融合的K近邻和人工神经网络模型表现最佳,仅错误分类了一个样品。机器学习与改进的中级数据融合策略相结合,能有效对不同地理来源的陈皮样品进行分类。