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 276 条结果
-
基于多传感器融合与机器学习的库尔勒梨贮藏期间实时新鲜度预测
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Zhongbiao He, Jiahao Yu, Xue Zhou, Tengfei Tang, Huibing Wang, Jingqi Gong, Jiashuo Shi, Xiaoshuang Zhang & Yongman Zhao
食品标签
新鲜水果 货架期预测与品质劣变动力学 其他品质相关性质 过程监测与在线检测 其他理化与结构表征计算机标签
其他深度学习结构 支持向量机 随机森林 定量预测/回归分析 时序传感器/物联网数据本研究提出了一种创新的混合传感器机器学习系统,用于对梨的新鲜度进行客观且自动化的评估,克服了传统视觉检测方法在梨储存监测中的局限性。通过危害分析与关键控制点(HACCP)确定了采后处理中的关键控制点。基于Modbus-RTU协议和Winform架构开发了实时监测系统,以获取0°C、4°C和25°C储存条件下的多源环境数据。将理化指标与传感器数据相结合,利用反向传播神经网络(BPNN)、支持向量机(SVM)、随机森林(RF)和径向基函数(RBF)网络算法构建预测模型。结果表明,微环境参数与新鲜度指标之间存在强相关性。在这些模型中,支持向量机(SVM)表现最佳,对硬度的预测准确率为96.67%,对可溶性固形物含量的预测准确率为94.30%。它显著优于传统的阿伦尼乌斯方程法,后者的准确率为88.23%。该监测系统具有较高的可靠性,数据采集精度超过99%,且运行稳定性强。本研究为梨的储存管理提供了一种无损且高效的解决方案,有效降低了品质劣变风险,提高了经济效益。
-
基于磁分离结合机器学习的量子点荧光免疫传感器用于植物油中黄曲霉毒素B1的检测
查看原文2025
Food Chemistry
中科院一区JCR一区Linjun Huang, Shixiang Zhang, Xiaofang Wang, Weining Wang, Fuming Yang, Dianyu Yu & Liqi Wang
食品标签
植物油 微生物安全 光谱/色谱/质谱等分析方法计算机标签
随机森林 定量预测/回归分析 红外/拉曼光谱数据黄曲霉毒素B1(AFB1)是植物油中常见的一种霉菌毒素。它对公众健康构成严重威胁,因此需要快速且灵敏的检测方法。本研究提出了一种新型竞争性免疫荧光生物传感器。研究采用傅里叶变换红外光谱(FT-IR)、zeta电位测量及其他分析方法,对抗体偶联纳米颗粒和量子点-黄曲霉毒素B1-牛血清白蛋白(QDs-AFB1-BSA)探针的合成进行了评估。在优化条件下,该检测方法的检测限为0.0995,线性检测范围为0.01至100。该方法具有较高的选择性和重现性,在加标花生油样品中的回收率良好。采用RF_FE方法对光谱数据进行了机器学习(ML)分析。该模型表现出优异的预测能力,对所有浓度组的预测误差均较低。研究还选取了特定光谱,以展示不同波长下的强度对预测结果的影响。
-
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。
-
同位素辅助数据挖掘技术用于中国市场大米真伪鉴别
查看原文2025
Food Chemistry: X
中科院一区JCR一区Syed Abdul Wadood, Weixing Zhang, Yongzhi Zhang, Chunlin Li, Karyne M. Rogers, Wahab Ali Khan, Muhammad Azeem, Lina Wu & Yuwei Yuan
食品标签
大米 光谱/色谱/质谱等分析方法计算机标签
支持向量机 随机森林 K-近邻 主成分分析/判别分析 分类/鉴别/等级评定 质构/流变/感官数据本研究旨在通过稳定同位素分析结合多变量分析和机器学习模型,对中国市场上销售的大米的地理来源和品种(粳稻与籼稻)标签进行鉴定。采用同位素比质谱法(IRMS)对大米中的δ13C、δ15N、δ18O和δ2H进行了测定,并通过主成分分析(PCA)和t分布随机邻域嵌入(t-SNE)进行分析,以可视化区域差异和品种差异。利用真实的田间样品开发了不同的机器学习模型(k近邻算法、支持向量机、随机森林),并使用市场来源的样品进行来源验证测试。结果显示,田间样品和市场标签样品之间存在显著的同位素差异,这表明可能存在品种和来源的错误标签问题。与主成分分析相比,t分布随机邻域嵌入在解析同位素数据中的非线性模式方面表现更优。在不同模型中,随机森林的分类性能略胜一筹。尽管这些模型在田间来源的样品上实现了完美的分类准确率,但应用于市场来源的样品时,性能出现了显著下降,这表明存在普遍的来源错误标签问题。
-
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。