01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
鱼肉

标签记录(计算机学者)

暂无筛选

共 91 条结果

  • 基于近红外透射率光谱的BP神经网络预测斑点叉尾鮰鱼片保质期

    2023
    Food Packaging and Shelf Life
    中科院一区
    JCR一区
    查看原文

    Shucan Mao, Junpeng Zhou, Meng Hao, Anzi Ding, Xin Li, Wenjin Wu, Yu Qiao, Lan Wang, Guangquan Xiong & Liu Shi

    食品标签

    鱼肉 品质、结构与理化性质 常规理化指标测定 光谱/色谱/质谱等分析方法

    计算机标签

    智能手机/其他 定量预测/回归分析 红外/拉曼光谱数据

    本研究的目的是基于近红外透射光谱(NIT),利用反向传播(BP)神经网络技术建立斑点叉尾鮰鱼片的保质期预测模型。首先,基于化学分析数据(总挥发性盐基氮(TVB-N)、K值、硫代巴比妥酸反应物(TBARS)和三甲胺(TMA))和NIT光谱(850-1050 nm)建立了斑点叉尾鮰鱼片新鲜度预测模型。线性相关系数(R²:0.667-0.887)表明新鲜度模型预测性能良好。然后,应用BP神经网络建立了温度波动(-6至-18°C)下斑点叉尾鮰鱼片的保质期预测模型。冷冻鱼片的终点有效积温为10,278.4 h·°C。当BP神经网络结构为4-7-1时,预测模型表现出良好的稳定性(93%以上)和准确性(90%以上)。因此,本研究为基于NIT光谱的BP神经网络建立淡水鱼片保质期预测模型提供了实践基础和技术支持。

  • 基于YOLOv5s算法和CBAM的鲭鱼产品增强批量分选与快速感官分析:通过TPA、色差仪和PLSR分析的验证

    2023
    Food Chemistry: X
    中科院一区
    JCR一区
    查看原文

    Yi-Zhen Huang, Lin Han, Xiaoqing Yang, Yu Liu, Bei-Wei Zhu & Xiu-Ping Dong

    食品标签

    鱼肉 质构与流变性质 颜色与外观品质 感官评价与方法学 常规理化指标测定 质构与流变测试 显微与成像技术

    计算机标签

    模型设计/优化策略 偏最小二乘法 目标检测网络 分类/鉴别/等级评定 缺陷/异物检测与定位 可见光/RGB/视频数据 质构/流变/感官数据

    本研究采用YOLOv5s算法建立了太平洋鲭鱼(S. japonicus)和西班牙鲭鱼(S. niphonius)的快速质量识别模型。在YOLOv5s网络中使用了copy-paste数据增强技术进行数据扩充。此外,在网络结构的颈部集成了一个小目标检测层,并将卷积块注意力模块(CBAM)纳入卷积模块以优化模型。通过感官评价、质地剖面分析和色差仪分析评估了模型的准确性。研究结果表明,改进后的模型取得了0.966的mAP@0.5分数,超过了原版本的0.953。此外,改进后模型的参数量仅为7.848 M,平均检测时间为115毫秒/图像(图像分辨率2400×3200)。感官和理化指标能够可靠地区分合格与不合格样品。PLSR模型的R²X、R²Y和Q²值分别为0.977、0.956和0.663。

  • 高光谱成像结合卷积神经网络准确检测大西洋鲑鱼掺假

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Peng Li, Shuqi Tang, Shenghui Chen, Xingguo Tian, & Nan Zhong

    食品标签

    鱼肉 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

    卷积神经网络 定量预测/回归分析 高光谱/多光谱光谱

    大西洋鲑鱼市场掺假现象频发,且此类掺假难以甚至无法通过目视检测识别。本研究旨在探究两套高光谱成像(HSI)系统在快速精准检测大西洋鲑鱼糜掺假行为中的应用潜力,其中一套系统覆盖可见 - 近红外波段(VNIR,397~1003 nm),另一套覆盖短波近红外波段(SWIR,935~1720 nm)。研究人员人工制备了涵盖 11 个掺假水平的样品(掺假比例按质量分数计为 0~100%,梯度间隔为 10%)。实验采用 4 种光谱预处理方法与 5 种特征波长筛选算法,结合卷积神经网络(CNN)构建定量模型,以实现对鲑鱼糜掺假水平的预测。通过对比两套高光谱成像系统的预测性能,筛选出最优光谱检测波段。分析结果显示,基于可见 - 近红外波段(VNIR)数据构建的模型,预测效果始终优于短波近红外波段(SWIR)模型。其中,标准正态变量变换 - 卷积神经网络组合模型(SNV-CNN)在 VNIR 波段的预测性能最优,模型平均预测决定系数(Rp2​)达 0.9885,预测均方根误差(RMSEP)为 3.3526,残差预测值(RPD)为 9.6882;而短波近红外波段(SWIR)表现最佳的模型为标准正态变量变换 - 变量组合集群分析 - 迭代保留信息变量法 - 卷积神经网络组合模型(SNV-VCPA-IRIV-CNN),其平均Rp2​为 0.9839、RMSEP 为 3.9926、RPD 为 8.0251。此外,研究利用最优模型成功实现了掺假成分在样品中分布特征的可视化表征。综上,本研究证实,高光谱成像技术结合卷积神经网络是实现大西洋鲑鱼糜掺假快速、无损、精准检测的有效方案;相较于短波近红外高光谱成像系统(SWIR-HSI),可见 - 近红外高光谱成像系统(VNIR-HSI)兼具成本低廉与预测性能更优的优势,是更为合理的检测波段选择。

  • 综合的Volatolomics和代谢组学分析揭示了中国传统发酵柑橘鱼“周鬼鱼”的独特风味形成

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Jia-Nan Chen, Yu-Ying Zhang, Xu-Hui Huang, Meng Dong, Xu-Ping Dong, Da-Yong Zhang & Bei-Wei Zhou

    食品标签

    鱼肉 特征风味 代谢组学 风味组学

    计算机标签

    偏最小二乘法 定量预测/回归分析 组学数据

    采用挥发性组学与代谢组学技术,探究了鳜鱼发酵过程中特征风味的形成机制。本研究获得全新发现:发酵后呈味氨基酸、琥珀酸及多肽含量上升,而呈味核苷酸含量下降。研究共鉴定出19种关键香气化合物。发酵后含氮类化合物生成量最多,其总浓度大于5毫克/千克。臭味物质吲哚的香气活度值高达443。偏最小二乘判别分析结果表明,sn-甘油-3-磷酸胆碱、次黄嘌呤、肌酸及氧化三甲胺是与关键挥发性物质关联的核心代谢物。呈味氨基酸对鳜鱼特征滋味具有重要贡献。代谢通路分析显示,色氨酸代谢、三甲胺代谢及单萜类生物合成通路,分别是吲哚、三甲胺和萜类物质潜在的生成途径。综上,本研究结果为定向调控发酵鳜鱼的风味品质提供了理论依据与研究思路。

  • 基于新预测模型,研究银鲤鱼(Hypophthalmichthys molitrix)可溶性果胶纤维与苏里米蛋白网络的相互作用

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yianxue Cai, Jihui Wang, Shan Xiao, Jie Zhu, Jiamei Yu, Lin Li& Yujia Liu

    食品标签

    鱼肉 品质、结构与理化性质 3D 打印与结构构筑 质构与流变性质 膳食纤维与抗性淀粉 蛋白质与氨基酸

    计算机标签

    机器学习/统计学习 定量预测/回归分析 质构/流变/感官数据

    鲢鱼纯鱼糜无法满足新型食品3D打印的质构要求。本研究从分子层面探究了添加可溶性果胶纤维对鱼糜品质的作用机制,并通过一种新型预测模型阐释了二者间的相互作用。与纯鱼糜相比,随着果胶添加量增加,鱼糜的pH值与持水性均有所下降,质构特性则得到改善;储能模量呈先升后降趋势,在果胶添加量为0.5%时达到最大值15012帕斯卡。肌球蛋白的热转变温度由52.13摄氏度降至49.80摄氏度。果胶延长了T22弛豫时间,表明鱼糜中不易流动水占比减少。本研究构建的新型时间序列预测模型及相互作用分析,进一步揭示了不同果胶添加量下鱼糜各项品质参数的内在关联。该研究有助于深化对果胶在鱼糜制品中应用的认知,为未来特殊膳食食品的研发提供理论支撑。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号