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 2456 条结果
-
利用近红外高光谱成像和化学计量分析薯片中的丙烯酰胺含量
查看原文2025
Food Chemistry
中科院一区JCR一区Carlos Miguel Peraza-Alemán, Ainara López-Maestresalas, Carmen Jarén, Jose Ignacio Ruiz de Galarreta, Leire Barandalla & Silvia Arazuri
食品标签
马铃薯 油炸食品 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 支持向量机 其他深度学习结构 定量预测/回归分析 高光谱/多光谱光谱本研究探讨了近红外高光谱成像(NIR-HSI)在预测薯片中丙烯酰胺含量的潜力。分析了两种土豆品种(Agria和Jaerla)共300个块茎,这些块茎在两个季节内生长并采用相同油炸条件。采用偏最小二乘回归(PLSR)和支持向量机回归(SVMR),结合丙烯酰胺水平的对数变换,开发预测模型。PLSR最优结果为R2p:0.85,RMSEP:201 μg/kg,RPD:2.53,而SVMR为R。2p:0.80,RMSEP:229 μg/kg,RPD:2.22。此外,选择显著波长使变量减少了87.95%,且不影响模型准确性。最后,对外部验证集中的所有芯片进行了丙烯酰胺含量的空间映射。该方法既具量化功能,也具备可视化功能,从而增强加工马铃薯中丙烯酰胺鉴定的质量控制。
-
如今的农产品溯源:推动创新,提升食品供应链的效率、可持续性、伦理采购及安全性
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Sara Rossi, Sandra Gemma, Francesca Borghini, Matteo Perini, Stefania Butini, Gabriele Carullo & Giuseppe Campiani
食品标签
食品安全与风险评估 组学与高通量技术计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定背景:农业食品供应链的全球化程度不断提高且日益复杂,这使得食品系统对透明度、安全性和可追溯性的需求日益迫切。食品的完整性、真实性和安全性至关重要,实施具体且可靠的追踪与溯源协议正成为食品行业的首要任务。食品供应链往往缺乏效率,而消费者也越来越关注所购食品的来源和质量,要求更精准的数据传递系统。鉴于此,对农业食品供应链可追溯性的清晰理解变得十分必要。
范围与方法:本综述从法律要求、技术和分析视角为食品可追溯系统提供了一份路线图。综述探讨了追踪与溯源等关键概念,概述了国际监管框架,并引入了一种新颖的分类法,该分类法根据技术成熟度和数据粒度对可追溯系统进行分类。重点关注了创新分析技术,如蛋白质组学、代谢组学/挥发组学、基因组学、稳定同位素和元素分析,以及新兴数字技术,包括人工智能(AI)、自主智能系统(AsI)、区块链、物联网(IoT)和食品链管理(FCM)。葡萄酒、大蒜和咖啡可追溯性的案例研究,展示了这些工具在实际工业和地方场景中的应用。
主要发现与结论:通过将监管见解与创新技术相结合,本综述强调了提高端到端可追溯性效率的最佳实践和战略方向。综述探讨了适用于先进食品供应链的创新技术,并强调了可追溯系统在建立消费者信任、支持公共健康和推动可持续食品生产方面的作用。 -
基于代谢组学的枸杞酒中挥发性与非挥发性物质形成机制分析
查看原文2025
Food Chemistry
中科院一区JCR一区Mingyang Zhai, Ting Zhou, Xiaoju Tian, Yan Mac, Zhihui Zhao & Jianfang Dong
食品标签
酒精饮料 代谢组学 植物化学/生物活性成分计算机标签
主成分分析/判别分析 组学数据本研究旨在通过整合广泛靶向和靶向代谢组学分析,探究枸杞酒酿造过程中代谢物谱的动态变化。在发酵过程中,共鉴定出1092种非挥发性代谢物,包括黄酮类、酚酸类和生物碱类,以及80种挥发性化合物,如醇类、酯类和酸类。主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)显示,不同发酵阶段存在显著的代谢变化,其中最显著的变化发生在主发酵阶段。京都基因与基因组百科全书(KEGG)通路分析强调,芳香族化合物降解和黄酮类生物合成相关通路显著富集。此外,非挥发性代谢物与挥发性代谢物之间的相关性分析凸显了酚类化合物在塑造枸杞酒风味特征中的关键作用。这些发现为优化枸杞酒酿造工艺和提高其整体质量提供了宝贵的见解。
-
基于机器学习辅助荧光传感器阵列的多抗生素快速视觉判别与定量
查看原文2025
Food Control
中科院一区JCR一区Yongbo Wang, Shaojie Wang, Zuyi Zhang, Yuanna Ning, Wencai Wang, Chengyuan Liang & Yanting Jia
食品标签
化学污染物 光谱/色谱/质谱等分析方法计算机标签
大语言模型 定量预测/回归分析 高光谱/多光谱光谱多种抗生素的协同污染因其协同和叠加效应对公众健康产生严重影响,而快速判别和定量多种抗生素仍是一项艰巨挑战。本研究开发了一种集成荧光传感器阵列和机器学习辅助便携设备的分析平台,实现对多种抗生素的判别与定量。采用碳点(CDs)和碲化镉量子点(QDs)作为传感元件构建荧光传感器阵列,用于多种抗生素的判别。通过判别抗生素混合物、定量分析抗生素及识别实际样品中的抗生素,进一步验证了方法的检测性能。此外,构建了结合智能手机自开发应用的便携设备,实现抗生素的快速视觉判别。该工作为食品样品中多种有害物质的快速现场检测提供了新途径。
-
一种知识引导的尺寸校正策略,用于提高苹果跨尺寸变异下可溶性固形物含量检测的准确性和鲁棒性
查看原文2025
Food Control
中科院一区JCR一区Penghui Liu, Changqing An, Zhizhong Sun, Ying Zhou, Xuan Luo, Huirong Xu & Lijuan Xie
食品标签
新鲜水果 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 定量预测/回归分析 红外/拉曼光谱数据在线非破坏性水果质量评估受到全球越来越多的关注。然而,评估的准确性和可靠性容易受到水果尺寸、测量方向和环境波动等变异的影响。本研究提出了一种知识引导的尺寸校正策略,以减轻苹果中尺寸变异对光谱和可溶性固形物含量(SSC)检测的影响。开发了尺寸-偏最小二乘(Size-PLS)模型,用于从光谱数据预测果实尺寸,通过PLS变量重要性投影(VIP)识别与尺寸相关的特征。对这些特征进行算术映射,以抑制尺寸敏感波段,从而校正原始光谱。随后利用尺寸校正后的光谱建立PLS和卷积神经网络(CNN)模型来预测SSC。为了验证所引入校正策略的有效性,在SSC预测方面将其与四类七种传统校正方法进行了比较。两个数据集的结果表明,虽然相关性校正、全局校准和重新校准方法对模型外推预测的改进有限,但所提出的校正方法分别使PLS模型的平均RMSEV显著降低了28.92%和23.33%,CNN模型的平均RMSEV显著降低了32.69%和66.00%。此外,它还进一步增强了相关性校正、基于有效波长的模型补偿和重新校准对尺寸变异的缓解效果。总的来说,所引入校正策略背后的知识引导概念为解决样本和环境变异引起的模型失效提供了新的见解和视角,为水果及更广泛的农产品行业的质量评估提供了实用可靠的解决方案。