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
-
基于域对抗神经网络的苹果可溶性固形物预测模型跨品种迁移
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Jiabao Li, Jianing Luo, Qingji Tian, Shanghong Yang, Youhua Bu, Qian Chi & Wenchuan Guo
食品标签
新鲜水果 其他品质相关性质 光谱/色谱/质谱等分析方法计算机标签
其他深度学习结构 智能手机/其他 定量预测/回归分析 红外/拉曼光谱数据模型泛化能力差已成为利用可见-近红外光谱检测水果内部品质的关键问题,这是由于不同品种水果的理化特性及光谱分布存在差异,导致针对某一品种建立的模型无法有效预测其他品种的内部品质。为解决该问题,研究以瑞雪、洛川富士和静宁富士苹果为样本,比较了三种迁移方法——两阶段TrAdaBoost.R2(TTB)、微调(FT)和域对抗神经网络(DANN)的迁移性能。结果表明,基于DANN的模型能有效消除同地区同年度内不同品种间的变异性,在迁移可溶性固形物含量预测模型方面效果更优。在从瑞雪迁移至洛川富士的实验中,当目标域样本数为67个时,预测相关系数Rp达0.93,预测均方根误差RMSEP为0.56%,证实了DANN在解决模型泛化能力不足问题上的潜力。
-
食品智能干燥中的AI技术:研究与应用综述
查看原文2025
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Zhe Wang, Min Zhang, Arun S. Mujumdar, Jiacong Lin & Dongxing Yu
食品标签
干燥保藏 能耗/水耗与环境影响分析 过程监测与在线检测 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 过程控制与实时优化 可见光/RGB/视频数据 高光谱/多光谱光谱人工智能(AI)与传感器技术将成为未来食品加工行业智能化研究的重点。AI与传感器技术在食品干燥行业的融合,有助于可视化高度非线性、复杂且动态变化的食品干燥过程,从而深入理解干燥动力学并指导干燥工艺优化。本文系统综述了各类AI技术在食品干燥中的应用,阐述了多种先进AI与传感器(电子鼻、计算机视觉、高光谱成像等)结合用于食品干燥过程实时监测的潜在应用与局限。此外,根据不同食品干燥过程的特点,总结了适用的AI技术及相关传感技术。最后,探讨了AI结合5G与物联网技术用于食品干燥在线实时监测的应用与前景,旨在为该领域提供新的研究方向。针对不同的干燥方法与食品原料,结合适当的AI技术与传感技术,可以实时处理大量特征数据,显著减少计算时间并提高预测精度,优化工艺参数,提升干燥食品品质,并最大程度节约能源。AI与传感技术在食品干燥在线实时监测方面具有广阔前景。
-
利用化学计量学融合HS-SPME-GCMS、NIRS和荧光,有望探索龙胆根茎的地理起源
查看原文2025
Food Chemistry
中科院一区JCR一区Céline Lafarge, Laurence Dujourdy, Gilles Figueredo, Stéphanie Flahaut, Christophe Poix, Laurent Rios, Elias Bou-Maroun & Christian Coelho
食品标签
食用花卉 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
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据黄龙龙胆根茎因其独特的生化成分而具有苦味特性,目前在植物疗法、动物营养、食品加工、化妆品应用及农业生态学领域备受关注。本研究采集了法国阿尔卑斯、汝拉、中央高原和比利牛斯四座不同山脉的55份黄龙龙胆根茎样本,构建了近红外光谱、荧光光谱以及顶空固相微萃取-气相色谱质谱联用数据集,旨在从不同尺度评估黄龙龙胆成分的变异特征。研究证实,数据融合策略可有效大范围判别黄龙龙胆根茎的地理来源。研究结果表明,相较于单一分析工具的独立判别结果,数据融合方法在黄龙龙胆根茎产地溯源区分效果上具备更优潜力。但若要借助上述技术实现同一山体内黄龙龙胆根茎的精准产地溯源,还需综合考量环境因素。
-
基于增强氧化酶活性的煅烧PPy@CuNi-ZIF-67纳米酶,通过智能手机辅助传感器快速视觉检测蔬菜中的谷胱甘肽,并区分多种含硫化合物
查看原文2025
Food Chemistry
中科院一区JCR一区Linchun Nie, Jiazhi Xia, Jiawei Liao, Na Liu, Meiling Xu, Dejing Meng, Wenjing Liu, Qingxiang Zhou & Chunmao Chen
食品标签
新鲜蔬菜计算机标签
主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据聚吡咯@铜镍掺杂沸石咪唑酯骨架材料-67(PPy@CuNi-ZIF-67)具有高效的类氧化酶活性,可在4分钟内将无色的3,3',5,5'-四甲基联苯胺(TMB)高效氧化为蓝色的氧化态四甲基联苯胺(oxTMB)。谷胱甘肽(GSH)及含硫化合物能够抑制其类氧化酶活性。基于该原理,结合智能手机构建了一种高效、灵敏且可可视化检测谷胱甘肽的比色检测方法,该方法在0.83~13.33微摩尔的浓度范围内具有良好的线性关系。此外,以三种显色底物构建了一种新型阵列传感器,结合主成分分析与层次聚类分析,可快速区分五种含硫化合物;经验证,该阵列传感器在浓度低至8.3微摩尔时,仍可借助主成分分析和层次聚类分析实现对五种含硫化合物的快速区分。
-
塑造肉类消费转型:基于统计学习方法的德国与意大利年轻人食物选择影响因素研究
查看原文2025
Meat Science
中科院一区JCR一区Massimo Peri, Maria Teresa Trentinaglia, Maximilian Adler, Anna Maria Zanaboni & Lucia Baldi
食品标签
畜肉 消费者偏好与接受度 市场细分与消费行为 问卷设计与实施计算机标签
随机森林 定量预测/回归分析本研究探讨了推动德国和意大利年轻人肉类消费变化的因素。德国和意大利是两个高收入国家,尽管拥有独特的烹饪传统,但近年来的肉类消费水平趋于一致。本研究有两个目标:考察环境态度在形成饮食选择中的作用,以及探讨社会人口因素对肉类消费模式的影响。分析采用了通用生态行为量表,这是一种强大的工具,可以全面评估作为影响行为的潜在特质的环境友好态度。同时辅以随机森林算法,这是一种有助于探索预测因素之间复杂非线性关系的机器学习算法。数据通过在线调查收集自580名18-30岁的受访者。结果显示,环境态度是饮食习惯的最强预测因素,其次是家庭构成。具有较高环境态度的德国受访者更有可能采用素食或纯素饮食,而受家庭动态影响的意大利受访者则倾向于以肉类为主或弹性素食饮食。这些发现强调了深入了解向弹性素食饮食转变的潜在动机的重要性,这可以作为欧洲未来肉类消费的典范。