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 187 条结果
-
开发新型荧光探针用于检测食物和水样本中的草甘膦,以及智能手机辅助平台的构建
查看原文2025
Food Chemistry
中科院一区JCR一区Xiaodi Rong, Caiyun Liu, Fengli Hou, Xin Zhao, Zhongpeng Wang & Baoxian Zhu
食品标签
化学污染物 过程监测与在线检测 其他理化与结构表征计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据草甘膦的广泛使用已对生态环境与人类健康构成严重威胁,这也凸显了在各类环境及食品样品中检测草甘膦的重要性。本文构建了一种新型荧光探针(DT-Gly)用于草甘膦的检测。DT-Gly与草甘膦对铜离子(Cu²⁺)存在竞争结合作用。因此,草甘膦含量升高会抑制DT-Gly与铜离子的结合。相应地,DT-Gly在507纳米处的吸光度以及580纳米处的荧光强度,与草甘膦浓度呈现出良好的线性关系。此外,DT-Gly对铜离子和草甘膦的检出限分别为94纳摩尔每升和71纳摩尔每升。该探针已成功应用于食品样品与水体样品中草甘膦的检测。研究还利用智能手机分析探针溶液及试纸条的RGB数值变化,搭建了一种便捷的草甘膦检测平台。
-
一种由Mn3O4空位纳米酶催化的新型类重氮化现象用于智能手机辅助的食品中亚硝酸盐可视化检测
查看原文2025
Food Chemistry
中科院一区JCR一区Wenping Yang, Zufei Jin, Ying Yu, Guangyan Hao, Langjin Zhong, Yue Tang & Yuangen Wu
食品标签
其他复合食品 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据食品中过量亚硝酸盐的存在会对人体健康构成重大风险,这凸显了开发快速检测方法的关键重要性。本研究合成了一种具有丰富空位的Mn₃O₄纳米酶,该纳米酶具有独特的氧化酶模拟活性,能够催化N-乙基-N-(3-磺丙基)-3-甲基苯胺钠盐(TOPS)的氧化。有趣的是,TOPS的氧化衍生物通过类重氮化现象呈现出与亚硝酸盐浓度相关的颜色变化。因此,我们建立了结合视觉和智能手机辅助传感模式的双重检测平台。机理研究表明,催化氧化和类重氮化过程均涉及活性氧(•O₂⁻和¹O₂)。灵敏度研究显示,线性检测范围为20–160μM,计算得出的检测限(LOD)分别为1.9μM(视觉检测)和0.01μM(智能手机检测)。与国家标准方法的对比分析证实了我们的方法在实际食品基质中的可靠性和准确性。这项工作为食品安全监测提供了一个强大的分析平台,兼具操作简便性和实验室级别的精确性。
-
人工智能赋能洞察:农药残留文献中方法验证程度分析
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Leah S. Riter, Steven J. Lehotay, & John Swarthout
食品标签
复合/即食/餐饮食品 化学污染物 光谱/色谱/质谱等分析方法 标准/法规/数据库分析 其他特殊成分计算机标签
大语言模型 知识抽取与语义理解 红外/拉曼光谱数据 中等规模数据集验证分析方法的性能指标和其他关键参数,是判断方法是否适合预期用途的基本要求。本文结合生成式 AI 和领域专家审查,从农业应用中涉及质谱的农药残留方法验证文献出发,分析已发表方法在分析趋势、技术进展和报告现状方面的特点。研究评估了 1970-2024 年发表于 Journal of Agricultural and Food Chemistry 的 391 项研究中分析参数报告和技术发展的趋势。该可行性研究表明,在提示词经过适当优化且结果经过性能验证的前提下,AI 可以高效、准确地评价科学文献。文章展示了 AI 辅助数据提取和文献评价在分析化学方法验证中的应用潜力,也提示农药残留检测文献在方法验证报告方面仍需持续规范。
-
智能手机集成的双金属比例荧光探针,用于特异性视觉检测食物样本中的四环素抗生素和潜伏指纹识别
查看原文2025
Food Chemistry
中科院一区JCR一区Yin-Xia Sun, Bo-Tao Ji, Jiang-Hai Chen, Li-Ping Liu, Lu-Lu Gao, Zhe-Peng Deng, Yu Sun, Jian-Jun Wang, Biao Zhao & Jin-Guo Li
食品标签
畜肉 液态乳 化学污染物 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据设计并制备用于监测四环素类抗生素的高灵敏度、高精准度荧光化学传感器仍面临诸多挑战。本文提出一种基于镧系金属有机框架(Ln-MOFs)的荧光化学传感器,通过调控镧系离子比例实现高精度检测。以铕离子(Eu³⁺)、铽离子(Tb³⁺)和配体4,4′,4″-均三嗪-2,4,6-三基三苯甲酸(H₃TATB)为原料,在N,N-二甲基甲酰胺/ N-甲基吡咯烷酮/水(DMF/NMP/H₂O)混合溶剂中采用溶剂热法制备出具备良好水相稳定性的镧系金属有机框架材料。该镧系金属有机框架可特异性识别土霉素(OTC)与多西环素(DOX),对土霉素和多西环素的检出限分别低至8.6纳摩尔、4.8纳摩尔。特别地,将浓度1.4微摩尔的铕掺杂铽基金属有机框架(Eu(1.4 μM)-Tb-MOF)传感器与智能手机联用,可实现土霉素和多西环素的可视化检测,检出限分别低至9.8纳摩尔、14.2纳摩尔。同时,铕基金属有机框架(Eu-MOF)、铽基金属有机框架(Tb-MOF)及Eu(1.4 μM)-Tb-MOF可应用于潜指纹(LFP)可视化显现,在刑事案件侦查领域具备潜在应用价值。所构建的荧光探针已成功用于牛奶、牛肉和猪肉样品中土霉素与多西环素的含量检测,加标回收率为92.0%~109.63%,相对标准偏差为1.83%~4.56%。研究表明,Eu(1.4 μM)-Tb-MOF依靠镧系金属离子配位作用与光诱导电子转移(PET)机制,实现对土霉素和多西环素的高选择性、高精准度检测,该结论得到实验结果与密度泛函理论(DFT)计算的双重佐证。
-
机器学习辅助构建木质素碳点传感器阵列用于检测食品着色剂
查看原文2025
Food Chemistry
中科院一区JCR一区Xinyu Wang, Junru Huo, Haolun Gu, Haoping Jing, Yulong Rao, Zhekang Zhao, Xiaobai Li, Yongpeng Liu & Hongwei Ma
食品标签
其他添加剂与配料 化学污染物 光谱/色谱/质谱等分析方法计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据由于合成食用色素的广泛使用及其潜在毒性,食品安全监测至关重要。色谱法等高灵敏度技术虽被常规应用,但需要昂贵的设备和熟练的操作人员。在此,我们展示了一种基于氨基酸衍生的氮掺杂木质素碳点(CDs)的三通道荧光传感器阵列,能够实现对食用色素的准确且抗干扰检测。为了阐明特定官能团在荧光响应中的作用,我们采用了逐步化学修饰策略,系统研究了表面化学性质对食用色素识别的贡献。该阵列在盲测中通过层次聚类分析(HCA)、线性判别分析(LDA)和主成分分析(PCA),以近100%的准确率区分了四种常见色素(100–300μM),性能优于传统的单通道系统。这些结果表明,木质素基碳点有望成为绿色、经济高效的传感元件,并为食用色素的实际现场监测引入了一种稳健的多通道荧光策略。