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 291 条结果
-
基于视觉变换器和多尺度卷积融合,在自然污染花生中检测黄麴毒素
查看原文2025
Food Chemistry
中科院一区JCR一区Cong Wang, Yifan Zhao, Hongfei Zhu, Weiming Shi, Qiong Wu, Huayu Fu & Zhongzhi Han
食品标签
豆类与坚果(及籽类) 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
卷积神经网络 模型轻量化/边缘计算 分类/鉴别/等级评定 红外/拉曼光谱数据黄麴毒素是一种高毒性物质,存在于花生中,对人体健康构成严重威胁。为解决这一问题,提出了一种改进的1D-MCFViT模型,结合视觉变换器与多尺度卷积融合,用于在自然条件下检测黄麴毒素污染的花生。数据清理后,获得了RGB图像中无法区分的采样,并提取了其光谱曲线。数据生成采用自编码器网络和高斯重采样技术,显著提升了模型的特征辨别能力。该方法在验证集上实现了92.6%的准确率和94.4%的召回率,比1D-ViT模型提高了1.23%的准确率。比较了传统机器学习和深度学习模型在数据生成前后的表现,证明该方法优于传统机器学习模型以及主流深度学习模型。这种方法提高了黄麴毒素检测的准确性,并为开发在线检测设备奠定了坚实基础。
-
采用灵活光电子原位传感系统和多输入多标签因果集成学习的羔羊新鲜度检测模型
查看原文2025
Food Chemistry
中科院一区JCR一区Wenhao He, Wentao Huang, Yunpeng Wang, Zhigang Li, Tobolková Blanka & Xiaoshun Zhang
食品标签
畜肉 品质、结构与理化性质 其他理化与结构表征计算机标签
卷积神经网络 循环神经网络 分类/鉴别/等级评定 多模态/融合数据高效、无损且实时的肉类新鲜度检测一直是热门研究课题。本文提出一种结合柔性光电传感系统与集成学习模型的羊肉新鲜度检测新方法。研究通过激光直写与转印技术,搭建了柔性阻抗传感系统和柔性光学传感系统。在0℃、4℃和8℃不同贮藏条件下对羊肉样本开展新鲜度评价实验。实验结果表明,相较于传统检测方法,该系统具备优异的便携性、稳定性与检测精度。统计分析显示,羊肉理化特性、阻抗检测数据与光谱数据之间存在较强相关性(相关系数r>0.86)。格兰杰因果检验结果表明,阻抗数据与光谱数据间存在显著因果关系(p<0.05)。采用自研一维卷积神经网络-双向长短期记忆网络-注意力机制(1DCNN-BiLSTM-ATT)模型对数据进行分析并完成新鲜度等级划分,检测准确率达94.57%,性能显著优于传统算法。本文为羊肉新鲜度的高效、精准预测提供了一种创新技术方案。
-
深度学习和特征重建辅助的可见近红外校准方法,用于康普茶生产过程中关键生长指标的在线监测
查看原文2025
Food Chemistry
中科院一区JCR一区Songguang Zhao, Selorm Yao-Say Solomon Adade, Zhen Wang, Tianhui Jiao, Qin Ouyang, Huanhuan Li & Quansheng Chen
食品标签
茶/茶饮料 品质、结构与理化性质 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/拉曼光谱数据人工智能(AI)技术正在推动食品行业的数字化与智能化发展。一项极具应用前景的方式是借助深度学习辅助可见-近红外光谱技术,实时监测康普茶生产过程中的残糖含量与细菌浓度,保障产品品质。研究采用四种变量筛选算法提取残糖含量与细菌浓度的特征图谱,再通过串行与并行处理方法完成特征重构。基于重构后的特征,构建并对比了偏最小二乘(PLS)模型与卷积神经网络(一维CNN、二维CNN)模型。实验结果表明,基于重构特征的二维CNN模型表现最优。残糖含量与细菌浓度模型的相对分析误差分别为4.49和6.88,平均绝对误差分别为0.42毫克/毫升和0.04(吸光度)。研究结果表明,该建模策略可有效支撑康普茶生产过程的质量把控,也为光谱分析研究提供了新的思路。
-
结合高光谱成像与WGAN数据增强算法的小麦籽粒含水量无损预测
查看原文2025
Food Research International
中科院一区JCR一区Dianyang Sun, Li Zhang, Haitao Li, Weijie Lan, Kang Tu, Jun Liu & Leiqing Pan
食品标签
小麦 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
卷积神经网络 生成对抗网络 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱含水量是显著影响谷物品质与安全的关键因素。本研究采用高光谱成像(HSI)与Wasserstein生成对抗网络(WGAN)预测单个小麦籽粒的含水量。为解决可见-近红外(Vis-NIR)与短波红外(SWIR)波段数据规模的差异,WGAN被设计为具有两种独立的网络结构,用于增强光谱与含水量数据。通过将生成数据与真实数据进行比较,并应用t-SNE降维算法,验证了生成数据的合理性。通过分别选择Vis-NIR和SWIR波段的最佳预处理方法和最有效波长,得到的最优回归模型分别为Vis-NIR波段的1st-derivative-SPA-CNN(R2p = 0.9371, RMSEP = 0.5717, RPD = 3.8955, RER = 15.2713)和SWIR波段的1st-derivative-Relieff-CNN(R2p = 0.8095, RMSEP = 1.0009, RPD = 2.3201, RER = 8.6116)。通过模型反演应用于单像素,实现了单个小麦籽粒内部含水量空间分布的可视化。总体而言,本研究提出了一种提高含水量预测准确性的新方法,从而改善了谷物加工质量和安全监控。
-
基于深度学习的茜素红S化学响应水凝胶传感器用于水产品快速新鲜度检测
查看原文2025
Food Research International
中科院一区JCR一区Aijia Xing, Yuchen Sun, Fayi Wei, Lu Yang, Hongwei Zheng & Changhu Xue
食品标签
过程监测与在线检测 常规理化指标测定计算机标签
卷积神经网络 分类/鉴别/等级评定水产品新鲜度的快速检测需要高效的传感策略。本文建立了一种新型的基于深度学习的茜素红S化学响应水凝胶传感平台,用于水产品的新鲜度快速检测。研究了四种在有无水溶性水产品蛋白存在下对pH值有可观测颜色变化的天然色素,其中茜素红S表现出理想的响应性。通过醛基海藻酸钠与聚乙烯亚胺-透明质酸的交联制备了显色水凝胶,通过改变醛基海藻酸钠的含量改变了显色水凝胶的孔数,同时也提高了新鲜度检测的灵敏度。用硫辛酸修饰的鱼皮明胶制备的光敏粘合水凝胶使显色水凝胶更牢固地固定在水产品表面。系统分析了复合水凝胶的物理和化学特性。该复合水凝胶用于不同储存条件下鱼和虾的检测,显示出优异的灵敏度。此外,还利用深度卷积神经网络模型评估了检测结果。优化后,所建立的方法对上述新鲜度等级判定的准确率高达84%。该方法为水产品新鲜度的高级无损灵敏检测提供了一个有前景的平台。