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
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 通过多源数据融合进行先进食品污染物检测:策略、应用与未来展望

    2025
    Trends in Food Science and Technology
    中科院一区
    JCR一区
    查看原文

    Selorm Yao-Say Solomon Adade, Hao Lin, Nana Adwoa Nkuma Johnson, Xorlali Nunekpeku, Joshua Harrington Aheto, John-Nelson Ekumah, Bridget Ama Kwadzokpui, Ernest Teye, Waqas Ahmad & Quansheng Chen

    食品标签

    食品安全与风险评估 微生物安全 化学污染物 光谱/色谱/质谱等分析方法

    计算机标签

    机器学习/统计学习 分类/鉴别/等级评定 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 多模态/融合数据

    背景:食品供应链的全球化和对食品安全保证日益增长的需求,凸显了传统分析方法在检测污染物方面的局限性。这些传统方法通常难以捕捉食品基质固有的复杂性,其特点是异质性和动态过程。多源数据融合(MSDF)已成为一种有前景的解决方案,通过整合多种分析技术,为全面的食品安全分析提供了增强的能力。
    范围与方法:本综述系统地考察了多源数据融合在食品污染物检测中的策略和应用,重点关注关键分析技术的整合,包括光谱方法(近红外、中红外、拉曼)、色谱分析、高光谱成像、电子鼻和化学分析。文章分析了各种融合架构和层次、预处理要求以及先进的数据分析技术,包括机器学习和化学计量学。通过详细的案例研究和比较分析,本综述评估了多源数据融合在食品安全监测不同应用中的有效性。
    主要发现与结论:与单传感器方法相比,多源数据融合显示出更优越的性能,在检测农药、霉菌毒素、病原体和掺假物等各种污染物时实现了更高的灵敏度、特异性和可靠性。综述指出了关键的挑战,包括数据集成复杂性、计算需求、传感器漂移和模型可解释性。通过人工智能、边缘计算和物联网技术出现的新解决方案有望解决这些局限性。多源数据融合的成功实施需要标准化协议和跨学科合作。随着食品供应链变得越来越复杂,多源数据融合在确保食品安全方面的作用将变得更加关键,并得到传感技术、数据分析和人工智能持续创新的支持。

  • 高光谱驱动的PSO-SVM模型与优化的CNN-LSTM-Attention融合网络用于浓香型白酒掺假的定性和定量无损检测

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

    Xinjun Hu, Jiahao Zeng, Mingkui Dai, Anjun Li, Ying Liang, Wei Lu, Jianheng Peng, Jianping Tian, Manjiao Chen & Dan Huang

    食品标签

    酒精饮料 显微与成像技术

    计算机标签

    支持向量机 卷积神经网络 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱

    受利益驱动的白酒掺假行为,严重危害消费者健康并扰乱市场秩序。本研究将高光谱成像技术与深度学习相结合,用于掺假检测。在对正品和掺假样品进行分类时,粒子群优化支持向量机(PSO-SVM)通过优化的光谱预处理,达到了97.62±1.15%的准确率。在定量预测方面,研究提出了一种名为Ghost-LSTM-缩放点积注意力(GLSNet)的新型融合网络,其预测性能(RP²=0.9569±0.0145)显著优于传统的偏最小二乘回归(PLSR)以及其他深度学习模型,如卷积神经网络(CNN)和卷积神经网络-长短期记忆网络(CLNet),同时与PLSR相比,推理效率提高了3.55倍。GLSNet在外部验证集上表现良好,并通过热图可视化了掺假分布情况。研究表明,高光谱成像结合深度学习能够快速、准确地检测白酒掺假,为质量控制和市场监管提供支持。

  • 一种基于气相色谱-离子迁移谱法的简单准确的羊肉溯源方法

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

    Mengjie Qie, Jing Liu, Xiaoting Yang, Shilin Zhao, Yumeng Hu & Yan Zhao

    食品标签

    畜肉 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 组学数据

    为了经济利益,低等级羊肉有时会被误标为优质羔羊肉出售。为确保真实性,本研究采用气相色谱-离子迁移谱(GC-IMS)结合化学计量学对四个地区的羔羊肉样品进行溯源。虽然在60°C下孵化释放的挥发性有机化合物(VOCs)比40°C时更多(185种对81种),但热诱导产生的化合物掩盖了原产地特有的特征,因此确定40°C是实现可靠溯源的最佳温度。偏最小二乘判别分析(OPLS-DA)模型识别出15种变量重要性投影(VIP)>1的关键挥发性有机化合物,如戊醛(D)、乙酰甲基甲醇(D)和己醛。综合代谢组学研究表明,羔羊肉的挥发性有机化合物受支链氨基酸(BCAA)降解、脂质氧化和能量代谢的共同调控,其中支链氨基酸降解在宁夏、甘肃和新西兰的样品中尤为突出,可作为关键的鉴别依据。线性判别分析(LDA)的初始分类准确率达100%,交叉验证准确率达97.4%,表明该方法是一种可靠的羔羊肉原产地溯源方法。

  • 结合收获前和包装厂的数据以及储存试验,为“奥瑞”柑橘开发智能物流管理系统

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

    Abiola Owoyemi, Moria Balaklav, Ron Porat, Amnon Lichter, Aviv Goren, Noam Koenigstein & Yael Salzer

    食品标签

    新鲜水果 货架期预测与品质劣变动力学 其他品质相关性质

    计算机标签

    智能手机/其他 定量预测/回归分析

    奥瑞柑橘是以色列种植和出口的主要柑橘品种。在本研究中,我们评估了利用大规模采前数据和商业包装厂数据来预测不同批次奥瑞柑橘采后贮藏性能的潜力。为此,我们在3年(2022-2024年)期间,对每年79至93批次的奥瑞柑橘进行了采后性能检测,检测在5°C下贮藏2周、4周和8周,以及在22°C下货架期1周后的情况。所观察的采前数据包括气候特征(降雨量和温暖天数)和园艺特征(收获时间、树龄、产量和土壤类型),所观察的包装厂数据包括成熟度特征(总可溶性固形物、酸度和果汁含量)以及包装线质量评估特征(各种缺陷的出现情况和包装率)。通过机器学习算法将观察到的采前数据、包装厂数据与采后贮藏数据相结合,能够预测腐烂率,其决定系数(R²)为0.60,均方根误差(RMSE)为10.56%;还能预测果实质量合格评分,在1分(极差)至5分(极佳)的质量评分量表上,其决定系数(R²)为0.74,均方根误差(RMSE)为0.57。基于采前数据和包装厂数据开发果实质量预测模型,有助于未来实施智能物流管理系统,该系统将能根据预测的货架期,把特定批次的果实导向不同的市场目的地,从而确保只有高质量的产品才能抵达目标市场。

  • 食品衍生的DPP4抑制剂:基于高通量虚拟筛选与深度学习的药物发现

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

    Jiahua Tao, Liang Chen, Jiaqi Chen & Lianxiang Luo

    食品标签

    营养强化剂 品质、结构与理化性质 其他生物活性与健康效应 动力学建模

    计算机标签

    深度学习 分类/鉴别/等级评定 定量预测/回归分析

    二肽基肽酶-4(DPP-4)是治疗2型糖尿病的关键靶点。本研究概述了六种源自食品来源并经过改造的化合物,以形成有前景的糖尿病治疗候选药物。这些化合物通过虚拟筛选、深度学习算法、ADMET表征评估和分子动力学模拟的结合被鉴定。此外,还使用味觉预测模型评估这些DPP-4抑制化合物的风味。经过全面评估,我们得出结论,鉴定出的六种食品来源DPP-4抑制剂具有显著的治疗成功潜力。这项研究极大地促进了新型膳食补充剂的发现,用于管理2型糖尿病。

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