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 114 条结果
-
利用差分扫描量热器结合降维分类技术,区分中国消费的特级初榨橄榄油可能掺假
查看原文2023
Food Chemistry
中科院一区JCR一区Kaiyuan Huang, Peihao Zhong & Baojun Xu
食品标签
植物油 食品安全与风险评估 其他理化与结构表征计算机标签
支持向量机 K-近邻 主成分分析/判别分析 分类/鉴别/等级评定采用差示扫描量热法(DSC)研究了中国食用特级初榨橄榄油(EVOO)的热学特性;结合主成分分析(PCA)降维算法与K近邻(KNN)、支持向量机(SVM)模型,对油样是否为特级初榨橄榄油进行鉴别判定。两种模型对特级初榨橄榄油与非特级初榨橄榄油的区分准确率均达100%。此外,菜籽油因与特级初榨橄榄油的冷却曲线特征高度相似,仍难以通过鉴别检测甄别其对特级初榨橄榄油的掺假行为。向特级初榨橄榄油中分别人工掺入5%、10%、20%、30%比例的菜籽油,采集差示扫描量热法检测数据并导入机器学习模型分析。结果表明,两种模型均可有效识别掺假比例低至5%的菜籽油特级初榨橄榄油样品;其中K近邻模型准确率为93.75%,远高于支持向量机模型的43.92%。综上,差示扫描量热法结合K近邻模型分析,更适用于特级初榨橄榄油的掺假检测。
-
利用激光镀膜电化学试纸带快速无预处理评估特级初榨橄榄油抗氧化能力
查看原文2023
Food Chemistry
中科院一区JCR一区Filippo Silveri, Annalisa Scroccarello, Flavio Della Pelle, Michele Del Carlo & Dario Compagnone
食品标签
植物油 抗氧化/抗炎等功能 其他植物化学物质计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据本文提出一种用于直接评估特级初榨橄榄油抗氧化能力的电化学纸基芯片分析装置。该自制装置由经二氧化碳激光纳米修饰的传感器,与经刻字机模压成型、用于特级初榨橄榄油取样和萃取的纸质试纸条组合而成。该装置对特级初榨橄榄油中最具代表性的邻苯二酚类物质——羟基酪醇和橄榄苦苷,展现出优良检测性能:在精制橄榄油体系中,检测灵敏度良好(羟基酪醇检出限为2微摩尔每升,橄榄苦苷检出限为0.6微摩尔每升)、线性范围宽(羟基酪醇:10~250微摩尔每升;橄榄苦苷:2.5~50微摩尔每升),且重现性优异(相对标准偏差小于5%,平行实验次数n=3)。将该装置应用于15种不同特级初榨橄榄油样品的免萃取检测分析,样品加标回收率表现理想(90%~94%,相对标准偏差小于5%,n=3),检测结果与传统光度分析法具有良好相关性(相关系数r≥0.91)。该装置集成全部分析流程,仅需4微升样品量,2分钟内即可输出可靠检测结果,具备便携特性,可搭配智能手机完成检测应用。
-
通过三酰甘油筛查方法揭露掺假的橄榄油:超越官方方法
查看原文2023
Food Chemistry
中科院一区JCR一区Berta Torres-Cobos, Beatriz Quintanilla-Casas, Giulia Vicario, Francesc Guardiola, Alba Tres & Stefania Vichi
食品标签
植物油 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据现行用于检测橄榄油掺假的官方管控方法无法为消费者提供令人满意的保护。因此,亟需开发更快速、灵敏度更高的筛查工具以提升检测效能。本研究将橄榄油掺假检测的官方方法,与三种基于甘油三酯分析、结合高通量检测技术(FIA-HESI-HRMS、高通量气相色谱-质谱联用、高效液相色谱-示差折光检测器)及模式识别技术(偏最小二乘判别分析)的非靶向筛查方法进行对比。研究采用143份天然差异度较高的纯正橄榄油及掺假橄榄油样品开展检测验证。官方方法对掺假比例≥2%的高亚油酸混合油样品检测灵敏度为1,而对掺假比例≥5%的高油酸混合油样品检测灵敏度仅为0.39,特异度为0.96。经外部验证,各筛查方法对高亚油酸混合油的检测灵敏度为0.90~0.99,对高油酸混合油的检测灵敏度为0.82~0.88。其中,高通量气相色谱-质谱联用法的检测灵敏度(0.94)与特异度(0.76)均为最优,被证实是橄榄油真伪鉴别最适宜的筛查手段。
-
通过混合设计实现山茶花油多重掺假检测的建立与评估
查看原文2023
Food Chemistry
中科院一区JCR一区Xinjing Dou, Liangxiao Zhang, Zhe Chen, Xuefang Wang, Fei Ma, Li Yu , Jin Xiao&Peiwu Li
食品标签
植物油 食品安全与风险评估 其他统计建模方法 脂质与脂肪酸计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 文本/知识库/法规数据多重掺假是规避掺假检测手段的常见手段。本研究依据混料设计制备了具有代表性的多重掺假山茶油样品;随后以这些代表性油样结合脂肪酸图谱,构建二类分类模型并对一类分类模型进行验证。交叉验证结果表明,递归支持向量机模型的分类准确率达97.9%,高于偏最小二乘判别分析模型。在最优组合偏最小二乘模型中,掺假山茶油中菜籽油、大豆油、玉米油、葵花籽油的最优掺配比例分别为2.8%、0%、7.2%、0%,该配比与纯正山茶油相似度最高。进一步验证结果显示,5组采用该最优配比制备的掺假油样均可被准确识别,说明最优组合偏最小二乘模型能够有效鉴别由上述四种廉价油脂调配而成的多重掺假山茶油。此外,本研究可为一类分类模型的性能评估提供参考,也可为其他食品的多重掺假检测提供研究思路与解决方案。
-
简便快速检测芥花油掺假:NMR与无监督机器学习
查看原文2023
Food Control
中科院一区JCR一区Kavitha Rachineni, Parul Sharma, Vrushali Siddesh Shirke, Kshitij Mishra, & Neeraj Praphulla Awasthi
食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
机器学习/统计学习 主成分分析/判别分析 分类/鉴别/等级评定 高光谱/多光谱光谱芥菜籽油(Brassica juncea)的 ω-3 与 ω-6 多不饱和脂肪酸比例适宜,且单不饱和脂肪酸含量高、反式脂肪酸含量低或不含反式脂肪酸。掺假行为会改变此类脂肪酸的组成比例,进而对人体健康造成不良影响。目前已有多种食用油掺假检测技术,其中核磁共振(NMR)技术的检测精度最为先进。该技术可用于脂肪酸组成特征分析,仅需 2 分钟检测时长,且样品前处理操作简便,能够通过光谱特征的细微偏差实现油品质量的精准判定。本研究聚焦于利用核磁共振光谱化学标志物鉴别芥菜籽油中的掺假成分(如米糠油、棕榈油及刺桐油)。研究将核磁共振光谱数据与无监督机器学习算法(主成分分析,PCA)相结合,实现了检测分析流程的自动化。主成分分析结果显示,纯品芥菜籽油与掺假样品的聚类可实现清晰区分。基于该技术方案,即使是芥菜籽油中低至 2% 的微量刺桐油无意掺假,也能被精准检出。此外,纯品与掺假芥菜籽油样品主成分分析聚类间的马氏距离(MD),可用于量化表征不同样品的光谱差异程度。实验结果表明,本实验室提取的纯品芥菜籽油与市售样品的主成分分析聚类间马氏距离数值较低(二者光谱特征高度相似);而掺假样品与纯品样品的主成分分析聚类间马氏距离数值则相对较高(二者光谱特征存在明显差异)。