01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
新鲜水果

标签记录(计算机学者)

暂无筛选

共 236 条结果

  • 通过光谱成像和神经网络先进评估草莓品质、消费者偏好及品种鉴别

    2025
    Food Control
    中科院一区
    JCR一区
    查看原文

    Salvador Castillo-Girones, Jos Ruizendaal, Xiomara Salas-Valderrama, Sandra Munera, Jose Blasco & Gerrit Polder

    食品标签

    新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法

    计算机标签

    支持向量机 梯度提升决策树 智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱 大规模数据集

    草莓是最受欢迎的水果之一。要满足市场对高品质、风味佳品种日益增长的需求,必须了解消费者的偏好。准确预测这些偏好、评估品质并防止食品欺诈,对育种者和销售者至关重要。本研究利用可见-近红外光谱成像(光谱范围400-1000 nm)和人工神经网络,探索了对17个草莓品种的品质、荷兰消费者接受度进行预测及品种鉴别的方法,此研究尚属首次。共使用了3564个样本。评估了三种算法:支持向量机、XGBoost和多层感知器(MLP),用于预测品质参数、消费者接受度和品种鉴别。MLP模型表现出最高的精度,对总可溶性固形物、可滴定酸度、咬感和总体消费者接受度的预测R²值分别为0.85、0.81、0.76和0.78。在品种鉴别方面,MLP模型的F1分数达到0.84。这些发现凸显了人工神经网络在提升产品质量评估、防止食品欺诈以及使产品更符合消费者偏好方面的潜力。

  • GMOPNet:用于通过空间频域成像测量猕猴桃和桃子光学性质的GAN-MLP两级网络

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yuan Gao, Zhizhong Sun, Dong Hu, Lijuan Xie & Yibin Ying

    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 显微与成像技术

    计算机标签

    生成对抗网络 其他深度学习结构 定量预测/回归分析 可见光/RGB/视频数据

    空间频域成像(SFDI)是一种利用空间调制照明来测量光学特性的成像技术。传统空间频域成像方法至少需要采集六张图像,耗时较长。本研究提出一种生成对抗网络-多层感知机(GAN-MLP)两阶段网络(GMOPNet),可从单张空间频域成像图像中提取猕猴桃和桃子的高精度光学特性,实现实时、连续的宽波段空间频域成像。所提GMOPNet先通过生成对抗网络预测漫反射率,再结合融入蒙特卡洛先验知识的多层感知机完成光学特性预测。该方法对吸收系数(μa)的平均绝对百分比误差为5.91%,对约化散射系数(μs')的平均绝对百分比误差为5.23%,大幅缩短了图像采集与处理时间,单次推理耗时仅31.13毫秒。其中猕猴桃的吸收系数与约化散射系数平均绝对百分比误差分别为6.73%、6.34%,桃子则分别为5.80%、6.65%。

  • 机器学习驱动的台式可见/近红外光谱用于在线检测杂交柑橘质量

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Tao Jiang, Weidan Zuo, Jianjun Ding, Shaofeng Yuan, He Qian, Yuliang Cheng, Yahui Guo, Hang Yu & Weirong Yao

    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

    计算机标签

    偏最小二乘法 支持向量机 随机森林 K-近邻 其他深度学习结构 定量预测/回归分析 红外/拉曼光谱数据

    本研究旨在探索可见/近红外光谱结合机器学习模型用于杂交柑橘可溶性固形物和可滴定酸含量预测的应用。使用台式设备采集了样本的可见/近红外光谱,包括脐部区域、赤道区域以及脐部与赤道区域的多区域组合光谱。评估了基于不同区域光谱构建的可溶性固形物和可滴定酸含量预测模型的性能,所用模型包括偏最小二乘法、随机森林、K最近邻、支持向量机和多层前馈神经网络。基于多区域组合原始光谱的可溶性固形物和可滴定酸预测模型准确度优于基于脐部或赤道区域光谱的模型,表明多区域组合光谱采集方法更适用。随后,对光谱进行了预处理,包括Savitzky-Golay平滑、最大值归一化、多元散射校正、线性基线校正和一阶导数。进一步比较了基于不同预处理光谱的可溶性固形物和可滴定酸预测模型的性能。经Savitzky-Golay平滑光谱的偏最小二乘法模型和原始光谱的多层前馈神经网络模型分别在可溶性固形物和可滴定酸预测中表现出最优的验证效果。在新样本的后续预测中,经Savitzky-Golay平滑光谱的偏最小二乘法模型对可溶性固形物预测的Rp2为0.875,RMSEP为0.572%,MAEP为0.469%;原始光谱的多层前馈神经网络模型对可滴定酸预测的Rp2为0.800,RMSEP为0.0322%,MAEP为0.0249%,表明模型具有出色的泛化能力。这些结果表明台式可见/近红外光谱在大规模水平上在线检测杂交柑橘质量具有巨大潜力。

  • 基于多光源颜色与荧光成像的番石榴果实成熟度与品质无损检测

    2025
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Shaozhen Lin, Kangting Yan, Zhilei Sun, Zhijie Zhang, Yubin Lan, Linlin Wang & Yali Zhang

    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

    偏最小二乘法 支持向量机 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱

    番石榴是一种广泛种植的热带水果。准确检测其成熟度和品质对于优化采收时机和确保采后品质至关重要。本研究提出了一种基于颜色图像和荧光图像结合的无损检测方法,用于准确预测和分类番石榴果实的可溶性固形物含量(SSC)、硬度和成熟度。研究使用荧光分光光度计测量了番石榴果实的激发-发射矩阵,分析了其荧光特性,并设计了一个结合紫外光和可见光源的成像系统,以捕捉不同成熟阶段的颜色图像和荧光图像。经过图像预处理和特征提取后,采用偏最小二乘回归(PLSR)模型预测SSC和硬度。实验结果表明,在SSC预测中,荧光图像特征比颜色图像特征表现出更高的敏感性和准确性。融合两种图像特征后,模型能达到最佳预测性能,测试集的R²分别达到0.80和0.90,RPD分别为2.23和3.21。对于成熟度分类,基于支持向量机(SVM)模型的组合特征分类准确率达到91%,并能有效区分番石榴的未熟、绿熟和黄熟阶段。本研究证明了多光源荧光成像系统在番石榴品质无损评估中的潜力,为成熟度评估和品质检测提供了一种快速且经济有效的解决方案。

  • 采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)、气相色谱-离子迁移谱(GC-IMS)和电子鼻对三个草莓品种不同成熟阶段的香气及关键差异挥发性化合物的分析

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yujie Zhang, Yuqing Yan, Haoyuan Shu, Qiurong Dan, Leiqing Pan & Kang Tu

    食品标签

    新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 其他特殊成分

    计算机标签

    偏最小二乘法 分类/鉴别/等级评定 多模态/融合数据

    本研究以红岩(HY)、香叶(XY)和妙香(MX)三个草莓品种为研究对象,系统探究了六个不同成熟阶段香气成分的动态变化及形成机制。研究中,采用了顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)、气相色谱-离子迁移谱(GC-IMS)、电子鼻(E-Nose)等多种技术平台,并结合感官评价和正交偏最小二乘判别分析(OPLS-DA),对香气特征进行了系统表征。感官评价和电子鼻结果显示,香叶草莓(XY)在成熟后期的香气丰富度最高。气相色谱-离子迁移谱(GC-IMS)分析表明,草莓在成熟早期以醛类物质为主,到成熟后期则转变为酯类和萜类物质占主导。顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)共鉴定出70种挥发性有机物:红岩草莓(HY)的酯类物质积累较为均衡,妙香草莓(MX)以呋喃类物质突出为特征,而香叶草莓(XY)则表现出独特的萜类物质富集。正交偏最小二乘判别分析(OPLS-DA)确定了己醛、2-己烯醛、芳樟醇、4-甲氧基-2,5-二甲基呋喃-3(2H)-酮和5-己基二氢呋喃-2(3H)-酮是这三个草莓品种的关键差异挥发性化合物。本研究揭示了草莓香气的动态形成过程,为草莓品种育种和采收优化提供了理论依据。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号