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
酒精饮料

标签记录(计算机学者)

暂无筛选

共 93 条结果

  • 结合高光谱成像的光谱与颜色数据无损可视化与量化酒醅中的总酸和还原糖含量

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Xinna Jiang, Jianping Tian, Haoping Huang, Xinjun Hu, Lipeng Han, Dan Huang & Huibo Luo

    食品标签

    酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 植物化学/生物活性成分

    计算机标签

    支持向量机 定量预测/回归分析 高光谱/多光谱光谱

    总酸含量(TAC)和还原糖含量(RSC)是评价酒醅品质的重要指标。本研究采用高光谱成像(HSI)技术对酒醅的总酸与还原糖含量进行定量检测,通过两种联合算法提取总酸和还原糖的特征波长,并基于H、S、V 颜色通道提取酒醅的 9 项颜色特征。分别以全波长、特征波长、颜色特征及融合数据为输入变量,构建多元分析模型以预测总酸和还原糖含量。其中,采用CARS-SPA提取的特征波长所建立的CF 模型,对总酸含量的预测效果最优;而基于融合数据构建的PSO-SVR 模型,为还原糖含量的最佳预测模型。利用最优模型实现了总酸与还原糖含量的可视化表达。结果表明,高光谱成像技术可实现酒醅总酸、还原糖含量的无损检测与可视化分析。

  • 通过人工智能与傅里叶变换拉曼光谱揭示果酒指纹特征

    2022
    Food Control
    中科院一区
    JCR一区
    查看原文

    D.A. Magdas, M. David, & C. Berghian-Grosan

    食品标签

    酒精饮料 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 红外/拉曼光谱数据

    人工智能(即机器学习)的应用,标志着食品代谢组学研究与食品真实性鉴别技术迈入了新的发展阶段。本研究验证了傅里叶变换拉曼光谱技术(FT-Raman spectroscopy) 结合机器学习算法,在果酒产品特征指纹图谱构建与溯源鉴别中的可行性。基于所构建的最优模型,最终实现了96.2% 的预测准确率。值得注意的是,本研究的产地溯源分析需对特兰西瓦尼亚地区周边相邻产区的蒸馏酒样本进行区分,该分类任务的难度极高,但研究仍取得了理想的判别效果。相比之下,基于原料品种的鉴别效果则较为一般,这表明不同果实酿造的蒸馏酒之间的特征差异过于细微,难以通过本研究提出的技术方案实现精准判别。
    为进一步提升模型预测性能,研究团队纳入了斯托克斯散射与反斯托克斯散射等不同光谱区间的数据进行分析,筛选出适用于各类鉴别模型的最优光谱波段,并对多种机器学习算法的性能展开了对比验证。

  • 基于序贯正交单类偏最小二乘法的多块数据在葡萄酒真实性中的应用

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Adriano A. Gomes, Liudmyla Khvalbota, Larisa Onça, Andrea Machyňáková & Ivan Špánik

    食品标签

    酒精饮料 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据

    本文提出一种依托多源数据建模、用于食品真伪鉴别的新方法,命名为OC-PLS。该方法先对不同数据集进行正交化处理以剔除冗余信息,再通过 OC-PLS 算法为目标类别划定判定接受域,进而实现食品真伪鉴别。研究通过两个案例对所提方法进行验证:第一个案例采用模拟数据开展受控实验;第二个案例联合使用 紫外 - 可见光谱(UV–VIS) 与红外光谱(IR)数据,将该方法用于区分斯洛伐克托卡伊产区的高品质托卡伊精选葡萄酒与同产区其他低市场价值葡萄酒。结果显示,该方法的判别效果均优于单独使用任一单块数据的模型,可有效挖掘并利用各数据块中的共有与特有信息,在模型预测阶段实现了灵敏度与特异性的最优平衡。

  • FIA-HRMS指纹图谱结合化学计量学:一种用于食品分类与鉴定的有效工具——应用于红葡萄酒、辣椒粉及植物油样品

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Guillem Campmajó, Javier Saurina & Oscar Núñez

    食品标签

    植物油 酒精饮料 香精香料 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

    食品掺假行为日益猖獗,涉及品类广泛且会直接破坏产品品质、产地来源等核心属性,亟需快速、高通量的分析技术以保障消费者权益。本研究以此为背景,评估流动注射分析 - 高分辨质谱联用技术(FIA–HRMS)结合化学计量学的指纹图谱法,用于解决四类食品真伪鉴别问题:(1) 三种西班牙红葡萄酒的产地溯源;(2) 三种欧洲产甜椒粉的产地判别;(3) 橄榄油与其他植物油的区分;(4) 橄榄油品质等级评定。研究分别考察了正、负离子模式下的 FIA–HRMS 指纹图谱,以及两种不同的数据融合策略。经外部验证,所有场景均实现了优异的分类准确率。此外,高分辨质谱(HRMS)可通过对特征离子的初步定性,完成样品基质的系统表征。

  • 使用智能手机内置Photometrix UVC®的低成本甘蔗烈酒中铜含量测定方法

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Fernanda C. Böck, Gilson A. Helfer, Adilson B. da Costa, Morgana B. Dessuy & Marco F. Ferrão

    食品标签

    酒精饮料 化学污染物 显微与成像技术 其他矿物质

    计算机标签

    偏最小二乘法 定量预测/回归分析 可见光/RGB/视频数据

    本研究利用智能手机进行数字图像分析,基于铜离子与双环己酮草酰二腙(cuprizone)形成蓝色络合物的原理,实现甘蔗酒(卡莎萨酒)样品中铜元素的定量检测。研究通过试验设计筛选出最优的络合反应条件,并系统评估了不同图像采集方案(外接相机搭配手机、手机内置相机)、不同感兴趣区域尺寸、图像采集距离、校准曲线浓度范围,以及采用偏最小二乘法(PLS)进行单变量、多变量曲线建模的影响。将该方法应用于 3 个实际样品与 2 个加标样品的检测,并以紫外 - 可见分光光度法作为参比方法进行比对,结果证实所建方法可准确测定铜含量。与传统检测技术相比,该方法具备便携、成本低廉、试剂消耗量少的优势。

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