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 236 条结果
-
基于X射线CT和机器学习的榴莲无损评估与高通量可食率预测方法
查看原文2025
Food Control
中科院一区JCR一区Yuwei Lu, Li Yu, Xiaolong Kong, Qing Zhao, Lejun Yu & Qian Liu
食品标签
新鲜水果 品质、结构与理化性质 显微与成像技术计算机标签
图像分割网络 定量预测/回归分析 可见光/RGB/视频数据 中等规模数据集果肉含量与果实体积是评判榴莲品质的核心指标。无损、高效的检测技术能够为榴莲育种、采后技术研究及产业化分选分级环节提供关键的数据支撑。本研究重点探究了 X 射线计算机断层扫描(CT)技术在榴莲内部性状无损分析及可食率高通量测定中的应用潜力。研究采用 X 射线 CT 系统对榴莲进行断层扫描成像,借助 U-Net 模型将扫描图像分割为背景、果肉、果皮、果核及空腔区域,并自动计算出果实体积、果肉体积等共计 18 项表型指标。为解决断层扫描图像数量对检测效率的制约,本研究构建了基于单张扫描图像的可食率快速预测模型。实验结果表明:与人工测量结果相比,基于 X 射线 CT 系统的检测方法对果实体积的预测平均绝对百分比误差(MAPE)为 1.14%,决定系数(R)达 0.989;对果肉体积的预测平均绝对百分比误差为 3.09%,决定系数为 0.955。基于全量断层扫描图像的可食率预测模型,决定系数(R²)为 0.923,平均绝对百分比误差为 3.39%。进一步研究结果显示,基于单张扫描图像的可食率预测模型,决定系数(R²)和平均绝对百分比误差分别为 0.917 和 4.03%。综上,X 射线 CT 成像技术可实现对榴莲内部性状的全面、精准提取,同时证实了该技术在榴莲可食率高通量预测方面具有良好的应用前景。
-
多传感器融合与深度学习用于苹果腐败的批次监测与实时预警
查看原文2025
Food Control
中科院一区JCR一区Zhiming Guo, Yiyin Zhang, Haidi Xiao, Heera Jayan, Usman Majeed, Kwami Ashiagbor, Shuiquan Jiang & Xiaobo Zou
食品标签
新鲜水果 特征风味 食品安全与风险评估 风味组学计算机标签
深度学习 图像分割网络 定量预测/回归分析 缺陷/异物检测与定位 时序传感器/物联网数据苹果在储存和运输过程中极易受环境因素和真菌污染,导致腐败和经济损失。本研究提出了一种基于多传感器融合技术、深度学习和变量选择算法的苹果品质批次监测与实时腐败预警系统。使用气体传感器收集感染了炭疽病菌、灰霉病菌和贝仑格葡萄座腔菌的苹果释放的挥发性气体。通过变量选择算法优化关键特征变量,并利用化学计量学和深度学习建立腐败预测模型。基于长短期记忆网络和门控循环单元的模型表现出较强的预测性能,相关系数超过0.88。其中,针对贝仑格葡萄座腔菌的协同区间-门控循环单元模型效果最佳,其校正相关系数和预测相关系数分别为0.9473和0.9430。开发了一种采用多传感器融合技术的车载终端,用于采集温度、湿度、振动和气体数据,并将这些信息实时传输到远程监测预警平台。Si-GRU模型被确定为构建多环境因子腐败预警模型的最佳模型,其相关系数超过0.98,表明模型稳健且准确。该最优模型在平台上实现,为苹果腐败提供了可视化显示和分级警报。结果表明,多传感器融合技术能有效捕捉关键品质指标,变量选择算法能识别主要腐败因素,从而实现了基于深度学习的苹果腐败准确监测与实时预警。
-
通过深度学习方法探索针对食源性病原体的新型抗菌剂
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Huixi Zhang, Shanxue Jiang, Haishu Sun, Yushuang Li, & Zhiliang Yao
食品标签
新鲜水果 微生物安全 化学污染物 标准/法规/数据库分析 其他特殊成分计算机标签
深度学习 定量预测/回归分析 公开数据集 中等规模数据集抗生素耐药菌的出现对食品安全和人类健康构成严重威胁,迫切需要寻找可应用于食品工业的新型抗菌剂。本研究采用深度学习方法,建立针对食源性病原体,尤其是大肠杆菌和金黄色葡萄球菌抗菌活性的最优预测模型,同时建立致癌性预测模型。研究将这些模型用于筛选 COCONUT 数据库中的天然产物,识别出 130 种兼具抗菌活性和非致癌特征的化合物。随后选择 bis(hexamethylene)triamine 和 N-phenethylbiguanide 两种天然产物进行抗菌活性实验验证。实验确认其抗菌特性,验证了本研究模型的可靠性。该研究提供了一种用于识别食源性病原体抗菌剂的创新路径,为高效发现有效抗菌物质和提升食品安全控制提供了新思路。
-
基于高光谱图像数据的枣子分选与分级方法开发
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Quoc Thien Pham, Shang-En Lu & Naishang Liou
食品标签
新鲜水果 其他品质相关性质 显微与成像技术计算机标签
其他深度学习结构 目标检测网络 分类/鉴别/等级评定 缺陷/异物检测与定位 高光谱/多光谱光谱 中等规模数据集直接使用高光谱图像数据和像素级分类模型的结果进行枣子分选和分级是具有挑战性的,因为异常值和边缘效应引起的误分类可能导致错误判断。此外,并非所有枣子缺陷都具有相同的危害性或导致特定枣子在分选线上被剔除。市场仍可接受与食品安全无关的缺陷枣。此外,枣子果梗区域的分类结果应根据不同市场进行特殊处理。本研究研究了一种利用高光谱成像数据进行枣子分选和分级的方法。任务包括开发程序以消除由曲率效应和异常值引起的误分类、识别枣子的果梗区域,并为目标市场做出被研究枣子的分选(保留/剔除)和分级判断。研究结果表明,利用缺陷图中缺陷组件的纵横比和位置的算法能有效识别和消除曲率效应引起的误分类,YOLOv8n-seg模型能很好地识别果梗区域,且使用形态学操作去除像素少于10个的缺陷组件能有效去除噪声缺陷异常值。基于210个枣子样本的结果,用于剔除缺陷枣的分选程序准确率为91.78%。完好枣子或仅有锈斑缺陷的枣子根据锈斑面积和形状不规则程度分为三个等级。锈斑像素少于8000且不规则形状指数小于0.07的枣子被视为特级。
-
使用已开发的可见/近红外光谱系统和悬挂式抓手在线评估草莓可溶性固体含量
查看原文2025
Food Chemistry
中科院一区JCR一区Yu Qiao, Chen Wang, Wenhui Zhu, Li Sun, Junwen Bai, Ruiyun Zhou, Zhihua Zhu & Jianrong Cai
食品标签
新鲜水果 品质、结构与理化性质 过程监测与在线检测 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 红外/拉曼光谱数据对草莓内部品质的在线检测面临着特别多的挑战,涉及果实损伤、检测准确性和加工效率。本研究探讨了在吊挂运输过程中使用Vis/NIRS在线检测草莓SSC的可行性。在分析草莓的SSC分布后,开发了光学传感系统,并通过PLSR模型确定了最优配置。当使用水平光学束穿过草莓中心时,PLSR模型结合SNV预处理和CARS特征选择,实现了最佳的传统化学计量结果(RPD为4.793)。此外,还研究了三种1D-CNN方法,其中1D-CNN-LSTM方法表现更优(为0.963,RMSEP为0.209°Brix,RPD为5.332)。这些发现展示了我们开发的系统在深度学习技术的增强下,在草莓中在线检测SSC的卓越能力。这项工作可能为在线评估小而脆弱水果的内部质量开辟新途径。