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
-
智能食品质量监测:一种用于稳健牛肉质量评估的混合扩张卷积网络和BiLSTM-MSVM模型
查看原文2025
Food Control
中科院一区JCR一区Vincent Vianncy & Natesan Gobalakrishnan
食品标签
畜肉 特征风味 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 时序传感器/物联网数据牛肉是全球广泛消费的食品。它含有大量蛋白质和脂肪,因此不能长期储存。确保牛肉质量是满足顾客需求的重要措施。为解决人工牛肉质量分析耗时过长的问题,近年来开始使用一种称为电子鼻的设备,该设备包含多个传感器,用于检测牛肉释放的挥发性气体。为此,本文提出了一种结合扩张卷积网络、双向长短期记忆网络和多类支持向量机的系统,基于四种标准品质对牛肉质量进行评估。该系统使用“不同部位牛肉的电子鼻”数据集进行评估。在该系统中,采用离散小波变换噪声过滤技术对传感器采集的数据进行预处理。然后,使用一维精细卷积网络从预处理数据中提取最优特征。接下来,使用混合双向长短期记忆-多类支持向量机架构对这些特征进行分类。评估结果表明,所提模型达到了98.74%的准确率、98.24%的精确率、97.91%的召回率、98.07%的F1分数和99.32%的特异性。在训练和测试效率方面,该模型均显著优于现有模型,训练和测试时间分别减少至38分钟和3.8分钟。这表明所提模型在牛肉质量评估方面具有优越性。
-
综合多组学与机器学习通过主要色素动态和非酶途径揭示了加工人参产品中颜色与风味变化的内在关系
查看原文2025
LWT
中科院一区JCR一区Jiayi Zhang, Jingzhi Wang, Junfeng Wang, Weifeng Ni, Shichao Liu, Daqing Zhao, Zhengqi Dong, Shiting Yu, Siming Wang, Weinan Wang, & Meichen Liu
食品标签
其他果蔬制品/植物类 颜色与外观品质 特征风味 组学与高通量技术 代谢组学 多酚与黄酮计算机标签
梯度提升决策树 定量预测/回归分析 组学数据 质构/流变/感官数据晒干人参(DG)、红参(RG)和黑参(BG)具有显著的营养和药用价值,在颜色和风味上存在显著差异。目前,对于这些产品的感官特性的研究主要集中在美拉德反应上,而色素积累及更广泛的非酶促反应途径仍未得到充分探索。本研究探讨了类胡萝卜素/黄酮动态变化及非酶促途径如何影响加工人参产品的感官特性。观察到如肉桂酸油酸酯化的维奥拉黄素和二氢杨梅素等色素的积累,这可能有助于红参和黑参的橙红色及甜味余韵。此外,鉴定出了47种与氨基酸、碳水化合物和脂肪酸相关的代谢物[投影变量重要性(VIP)>1.2,p<0.05]以及8种关键风味物质,其相对气味活性值(ROAV)>1。相关性分析证实了这些化合物与颜色和风味属性之间存在较强关联,突出了类胡萝卜素和黄酮在感官形成中的作用。同时,使用Light Gradient Boosting Machine(LightGBM)算法预测了类胡萝卜素和黄酮对不同加工人参产品感官特性的相对贡献。
-
采用顶空固相微萃取-离子迁移谱技术结合化学计量学分析检测蜂蜜掺假
查看原文2025
Food Chemistry: X
中科院一区JCR一区Amir Pourmoradian, Mohsen Barzegar, Sajjad Gharaghani & Mohammad Ali Sahari
食品标签
蜂蜜等天然糖 特征风味 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
支持向量机 梯度提升决策树 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 质构/流变/感官数据蜂蜜作为一种具有营养与药用价值的珍贵天然甜味剂,常面临掺假问题,使其真实性受损。本研究提出一种结合顶空固相微萃取(HS‑SPME)、离子迁移谱(IMS)与化学计量学分析的新型方法,用于检测蜂蜜掺假。研究将纯正芫荽蜜与转化糖、高果葡糖浆(HFCS)按5%–50%的比例混合,并设置饲糖蜂蜜组,分别模拟直接与间接掺假。通过顶空固相微萃取提取挥发性成分,再经离子迁移谱分析,所得数据采用主成分分析(PCA)、线性判别分析(LDA)、支持向量机(SVM)和决策树(DT)模型处理。主成分分析呈现出清晰的聚类特征,其中支持向量机分类准确率最高(99%),其次为决策树(98%)和线性判别分析(97%)。该方法快速、灵敏且成本低廉,有效弥补了传统检测手段的不足,可精准区分纯正蜂蜜与掺假蜂蜜,显著推动食品行业中蜂蜜真伪鉴别与质量控制技术的发展。
-
利用机器视觉和可见/近红外光谱技术,整合深度学习和数据融合以增强橙子可溶性固体含量预测
查看原文2025
Food Chemistry
中科院一区JCR一区Zhizhong Sun, Hao Tian, Dong Hu, Jie Yang, Lijuan Xie, Huirong Xu & Yibin Ying
食品标签
新鲜水果 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 卷积神经网络 循环神经网络 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据可见/近红外(Vis/NIR)光谱会因样本颜色差异发生畸变,进而降低水果内部成分的预测精度。本研究旨在构建具备颜色校正能力的深度学习模型,基于多源数据融合实现橙子可溶性固形物含量(SSC)的检测预测。首先,研制机器视觉与可见/近红外光谱在线采集装置,完成彩色图像与透射光谱的采集及分析;其次,针对颜色特征与光谱数据提出多源数据融合方法;最后,构建基于多源数据的颜色校正一维卷积神经网络(1D-CNN)模型。试验结果表明,最优颜色校正模型的预测均方根误差(RMSEP)相较于偏最小二乘模型和传统一维卷积神经网络模型分别降低36.4%、16.1%。机器视觉与可见/近红外光谱的多源数据融合,有望提升食品成分检测预测的精度。
-
基于流延-近红外光谱水分测试的食品软物质均匀性评价方法
查看原文2025
Food Chemistry: X
中科院一区JCR一区Qian Zhang, Sicong Yan, Man Xiao, Lingyun Chen & Fatang Jiang
食品标签
其他材料 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据聚合物分散均匀性的定量评估对于理解食品软物质的物理化学行为以及确保加工稳定性至关重要。在本研究中,开发了一种集成近红外(NIR)光谱仪的水平流延装置,用于在流延过程中获取空间分辨反射光谱。1180纳米和1260纳米处的特征吸收带被确定为结构演变的水分敏感指标。采用偏最小二乘(PLS)和主成分分析(PCA)构建了与水分相关的光谱响应预测模型,并评估了径向位置的均匀性。PLS的表现始终优于PCA,具有更高的预测精度(R²>0.85)和更低的误差(<2%)。这些研究结果表明,基于近红外的光谱映射能够实时表征软物质分散体中的水合均匀性和相容性。这种方法为基于水胶体的食品生产中的过程监控、配方优化和质量控制提供了实用价值。