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
畜肉

标签记录(计算机学者)

暂无筛选

共 167 条结果

  • 结合迁移学习和光谱学,利用相关分析增强猪肉腐败评估

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Jiewen Zuo, Yankun Peng, Yongyu Li, Yahui Chen, Tianzhen Yin& Kuangbin Zhao

    食品标签

    畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据

    精准菌落总数(TVC)检测对食品质量监测至关重要。本研究探究了采用可见-近红外(VNIR)光谱(400~1000纳米)结合迁移学习(TL)技术追踪猪肉化学变质的可行性。基于全波段光谱构建的猪肉菌落总数、挥发性盐基总氮、pH值及色泽基础模型均具备良好预测能力;所有模型预测集相关系数(RP)介于0.821~0.916之间,菌落总数模型预测集均方根误差(RMSEP)为0.617(对数菌落形成单位/克)。研究通过对猪肉各项指标开展相关性分析,优化了菌落总数校正模型,并设计了多种用于菌落总数模型优化的迁移学习方法。结果表明,多元相关链堆叠-偏最小二乘算法效果最优,其预测集相关系数达0.947,预测集均方根误差为0.425对数菌落形成单位/克。本研究证实,可见-近红外光谱系统结合迁移学习技术可用于监测肉类化学变质程度,具备实际应用潜力。

  • 基于微生物组特征和有监督机器学习对真空包装牛肉胀袋的预测

    2025
    International Journal of Food Microbiology
    中科院一区
    JCR一区
    查看原文

    Frederico Schmitt Kremer, Rafaela Da Silva Rodrigues, Wellington Pine Omori, Rafael Rodrigues De Oliveira, Gabriel Alves Silva De Oliveira & Luís Augusto Nero

    食品标签

    畜肉 微生物安全 包装设计与机械性能 微生物组/宏基因组学

    计算机标签

    随机森林 梯度提升决策树 模型可解释性 分类/鉴别/等级评定 组学数据 小规模数据集

    真空包装牛肉产品的保鲜对于维持货架期至关重要。然而,胀袋现象的发生——其特征是由于腐败微生物产生气体导致包装膨胀——仍然是一个难题。在本研究中,我们证明了利用下一代测序(NGS)和机器学习进行的微生物组分析可能有助于对真空包装牛肉的腐败和胀袋现象进行分析、建模和预测。牛肉样本(n = 10)经过真空包装后,分别储存在4°C和15°C条件下,并在0小时、7天、14天、21天和28天时基于NGS对其微生物群落进行监测。我们的分析能够根据牛肉初始微生物组信息和储存条件预测胀袋现象,确定与腐败相关的不同细菌属和温度之间的关系(这与差异丰度分析结果一致),并评估温度与胀袋现象之间的关系。通过SHAP(沙普利可加解释)对XGBoost模型进行解释,我们发现当考虑第0天的微生物组数据时,温度是胀袋预测中影响最大的因素。此外,基于OTU斯皮尔曼相关性和线性回归(按时间计算)对随机森林和XGBoost模型进行的SHAP分析显示,消化链球菌属(Peptoniphilus)是最重要的细菌属,其次是哈夫尼菌属(Hafnia)和消化链球菌属(Peptostreptococcus)。进一步的研究可能会将这些方法扩展到其他肉类、不同部位的肉以及更多储存条件下,从而更好地模拟与胀袋现象相关的微生物组动态变化。

  • 机器学习为肉类样品中组胺测量的稳定电化学生物传感器提供了一个步骤

    2025
    LWT
    中科院一区
    JCR一区
    查看原文

    Seyed Mahdi Mousavi, Keyvan Asefpour Vakilian, & Alireza Soleimanipour

    食品标签

    畜肉 鱼肉 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分

    计算机标签

    机器学习/统计学习 超参优化/自动机器学习 定量预测/回归分析 时序传感器/物联网数据

    传统的电化学组胺生物传感器由于酶的稳定性短和线性检测范围有限而面临诸多限制。本研究介绍了一种将电化学与机器学习结合的生物传感器装置,以应对这些挑战并提高灵敏度、稳定性及长期性能。电化学单元的设计采用与铁氰化钾共固定的二胺氧化酶作为电子介体,并结合壳聚糖-金纳米颗粒冷冻凝胶以增强导电性,所有装置均应用于印刷碳电极。该结构通过在相对于银墨伪参考电极的200 mV下进行计时安培法,实现了0.5 - 90 ppm的宽线性检测范围和0.1 ppm的低检测限。对于机器学习部分,使用含有不同组胺浓度(0 - 200 ppm)、电极储存温度(4 - 8 ℃)和电极使用寿命(0 - 45 天)的样品的计时安培电流数据训练了各种模型。通过遗传算法优化的人工神经网络即使在非线性范围内也能准确预测组胺浓度,性能优异(R² = 0.95,RMSE = 13.2 ppm),并在储存温度为 4 - 8 ℃ 时可保持长达 40 天的可靠性。当在牛肉和鳟鱼样品中与 ELISA 方法进行验证时,该生物传感器显示出更高的精确度。电化学与机器学习相结合的方法提供了一种快速且稳定的肉类变质检测工具。

  • 烤羊肉中多环芳烃分析机器学习:来自光谱和化学数据的新见解

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Jie Hao, Jiarui Cui, Sijia Liu, Yu Lv, Zhongxiong Zhang & Songlei Wang

    食品标签

    畜肉 化学污染物 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 卷积神经网络 生成对抗网络 定量预测/回归分析 合成/仿真数据为主

    羔羊烘焙过程中产生的多环芳香烃(PAHs)存在健康风险,但由于其浓度低且特性复杂,难以预测。现有模型未能解决PAHs分析中数据稀缺性和低浓度预测准确性的问题。通过熵加权法(EWM)推导的综合PAHs指数(CPI)结合自动编码器和生成对抗网络(AE-GAN),可能克服这些局限。我们将EWM与AE-GAN(用于合成数据增强)集成,并利用偏最小二乘回归(PLSR)、卷积神经网络(CNN)和贝叶斯回声状态网络(Bayes-ESN)开发预测模型。当历元=3000且数据量增加750时,贝叶斯-ESN模型表现最佳(RP2= 0.8238),证明了AE-GAN在缓解数据稀缺性方面的有效性。EWM、AE-GAN和贝叶斯ESN的结合,为预测烤肉中多环节烴(PAHs)水平提供了有力的解决方案,通过增强生成回归协同效应推动食品安全控制。

  • 利用微型近红外光谱仪配合支持矢量机识别牛肉熟成时间

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Jonatã Henrique Rezende-de-Souza, Venancio Ferreira de Moraes-Neto, Juliana Azevedo Lima Pallone & Sergio Bertelli Pflanzer

    食品标签

    畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常量营养素(宏量) 蛋白质与氨基酸 脂质与脂肪酸

    计算机标签

    支持向量机 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

    消费者越来越要求可持续的生产方式和高质量标准。近红外(NIR)光谱为解决这些问题提供了一种非侵入性且高效的工具。本研究旨在利用近红外光谱和化学计量方法,利用基于SVM的分类模型,评估真空陈酿牛肉在不同熟成期(3天、10天、17天和24天)的表现。共采集了356个样品的近红外光谱,并进行了主理分析(PCA)。第一和第三主要成分解释了83.05%的方差,显示了3天和10天样本与17天和24天样本的分组倾向。与衰老相关的化学基团,如蛋白质、水、脂质、酸和醇,驱动了光谱分化。1228至1337纳米之间的光谱区域被确定为模型开发中最相关的区域,准确率达到96.60%。本研究表明,便携式近红外光谱仪结合SVM分类,提供了一种快速、经济且用户友好的陈年牛肉分类方法。

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