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 91 条结果
-
肉类切割行业的机器人化与智能数字系统:从机器人切割、感知与数字发展的视角
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区Weidong Xu, Yingchao He, Jiaheng Li, Jianwei Zhou, Enbo Xu, Wenjun Wang & Donghong Liu
食品标签
畜肉 禽肉 鱼肉 过程控制与数字化 其他过程控制与数字化研究计算机标签
过程控制与实时优化背景:肉类作为富含蛋白质的食物,为人类提供了必需的营养。预计未来十年肉类消费将增长15%,要求肉类产业提升其产能。然而,肉类切割行业恶劣的工作环境和长期繁重的工作量导致劳动力短缺。低利润和低产能要求创新的加工方法。因此,迫切需要一些新的自动化方法来应对这些挑战。伴随着工业4.0的发展,机器人化和智能系统逐步应用于肉类切割行业,这可以提供一种灵活、适应性强且可持续的加工方式。
范围与方法:本文采用系统性文献综述方法,筛选了50篇论文。本文概述了肉类行业在牲畜、禽类和鱼类切割机器人化方面的当前研究和商业应用。此外,强调了智能传感技术、先进切割技术以及一种称为肉类工厂单元的新型制造概念,以提升效率、可扩展性和模块化。最后,我们讨论了数字技术在肉类切割行业中的潜在应用以及旨在促进切割机器人化的未来研究重点。
主要发现与结论:通过集成灵巧的切割机器人、先进的传感技术和数字系统,肉类切割过程可以实现高度机器人化,推动从手工劳动向机器人化、高效和智能化制造的转变。因此,机器人化和智能数字系统可以为肉类切割行业提供一种全新的制造方法,并推动肉类工厂4.0的发展。 -
基于传感器与机器学习的鱼类品质评估:机理性综述
查看原文2022
Food Control
中科院一区JCR一区Rehan Saeed, Huanhuan Feng, Xiang Wang, Xiaoshuan Zhang, & Zetian Fu
食品标签
鱼肉 品质、结构与理化性质 理化与结构表征计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据鱼类作为全球食品生产的重要组成部分,兼具高营养价值、易腐性的特点,且其品质易受捕捞前养殖环境及死后生理变化等因素的影响。传统检测方法操作繁琐、耗时长久,无法满足鱼类品质监测的实时化与现场化应用需求。传感器技术为此提供了极具潜力的替代方案,因此本研究基于检测原理,重点综述了比色传感器、电化学传感器、酶传感器及气体传感器在鱼类品质监测领域的创新应用。机器学习凭借其对现场传感器采集的海量数据的处理能力,已逐渐成为食品质量管理与品质预测的有力工具。然而,现阶段用于鱼类品质检测的新型传感器,在检测精度、稳定性、检测限、灵敏度、特异性、灵活性及低功耗等性能指标上仍存在不足。本综述旨在全面梳理鱼类品质评价指标、新型传感检测技术及机器学习算法的研究进展,结合鱼类品质预测与模式识别的应用场景,批判性剖析当前研究存在的空白与不足。此外,研究还着重探讨了该领域面临的现实挑战,并对未来发展方向进行展望。
-
基于红菜花青素的鱼新鲜度预测标签研究
查看原文2022
Food Control
中科院一区JCR一区Shuliang Fang, Zhihao Guan, Cheng Su, Wenshuo Zhang, Jian Zhu, Yuewei Zheng, Houbin Li, Pingping Zhao, & Xinghai Liu
食品标签
鱼肉 品质、结构与理化性质 包装与智能监测 显微与成像技术计算机标签
机器学习/统计学习 分类/鉴别/等级评定 可见光/RGB/视频数据近年来,可精准评估食品新鲜度的生物安全型比色标签已成为研究热点。本研究将紫甘蓝花青素标签与反向传播(BP)神经网络相结合,构建了一套鱼肉新鲜度监测系统。实验以从紫甘蓝中提取的花青素作为显色响应色素,以羧甲基壳聚糖 / 氧化海藻酸钠(CMCS/OSA)为固相基质,将二者分散于硅溶胶中,通过丝网印刷法制备得到比色标签。该标签摒弃了传统比色卡比对的方法,可直接通过手机识别以获取食品新鲜度信息。在鱼肉贮藏过程中,花青素会随环境 pH 值变化产生响应,驱动标签呈现出连续的颜色梯度变化。由于计算机对色彩变化的敏感度远高于人眼,研究人员根据鱼肉新鲜度等级将标签划分为三类。利用带有标注信息的紫甘蓝花青素标签图像训练 BP 神经网络,模型对鱼肉新鲜度的预测总体准确率达 92.6%。将该 BP 神经网络整合至智能手机应用程序中,即可构建一套操作简便的检测系统,实现比色标签的快速扫描与鱼肉新鲜度的实时判定。该系统可应用于食品供应链全流程的质量管控。
-
基于眼色的计算机视觉技术测定鲑鱼新鲜度
查看原文2022
Food Packaging and Shelf Life
中科院一区JCR一区Zhixin Jia, Meng Li, Ce Shi, Jiaran Zhang & Xinting Yang
食品标签
鱼肉 颜色与外观品质 过程监测与在线检测 常规理化指标测定 显微与成像技术计算机标签
支持向量机 智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据为实现三文鱼新鲜度的无损检测与预测,本文基于鱼眼色泽特征研发了一种计算机视觉检测技术,可同步预测三文鱼在0℃贮藏过程中的多项新鲜度指标。通过图像处理算法对鱼眼图像的RGB、Lab及HSI色彩空间参数进行分析。研究表明,鱼眼色泽参数R、G、B、L、I以及色差ΔE与新鲜度指标存在相关性,据此构建了多元线性回归(MLR)模型与支持向量回归(SVR)模型。对比结果显示,多元线性回归模型的决定系数R²、F值更高,相对误差更低,整体性能优于支持向量回归模型。研究结果证实,利用计算机视觉技术检测鱼眼色泽参数,可实现0℃贮藏三文鱼新鲜度的无损、快速预测。
-
阿伦尼乌斯模型与人工神经网络预测冷冻罗非鱼品质变化的比较
查看原文2022
Food Chemistry
中科院一区JCR一区Hongli Wang, Yao Zheng, Wenzheng Shi & Xichang Wang
食品标签
鱼肉 保藏与贮藏 品质、结构与理化性质 蛋白质与氨基酸 理化与结构表征计算机标签
深度学习 定量预测/回归分析本研究旨在探究罗非鱼在112 天不同温度贮藏过程中的品质变化(冰晶形貌、Ca²⁺-ATP 酶活性、总巯基(SH)含量、内源荧光强度(IFI)及 K 值(鲜度指标)),并构建动力学模型与人工神经网络(ANN)模型对上述变化进行预测。贮藏前 4 周内,样品冰晶截面面积与等效直径显著增大,Ca²⁺-ATP 酶活性与总巯基含量急剧下降,差异具有统计学意义(p < 0.05)。在 265 K、259 K、253 K、233 K 条件下贮藏 16 周后,最大波长内源荧光强度(IFI_λmax)分别下降 43.95%、29.77%、28.97% 与 18.58%。基于 IFI_λmax 构建的动力学模型可精准描述 233–265 K 范围内的贮藏品质变化;而其他指标所建模型在贮藏后期(14–16 周)预测精度有所下降。人工神经网络模型的预测效果优于阿伦尼乌斯模型,对所有品质指标均具备更佳的预测性能。