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
标签记录（计算机学者）
共 167 条结果
-
基于肽组学、机器学习、分子对接和分子动力学模拟鉴定杜洛克×（高黎贡山猪×撒坝猪）杂交猪肉鲜味肽及其呈味特征
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Yuzhu Wang, Wentao Zheng, Daodian Wang, Guangqiang Wei, Zhenzhu Li, Yufang Li, Yue wang, Jindou Shi, Wenli Tao, Wenbin Zhang, Guiying Zhao, & Aixiang Huang
食品标签
畜肉 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 时序传感器/物联网数据本研究从杜洛克×（高黎贡山猪×撒坝猪）杂交猪肉（DGS）中鉴定新型鲜味肽，并探索其与 T1R1/T1R3 受体的相互作用机制。研究采用液相色谱-串联质谱（LC-MS/MS）表征 DGS 热鲜肉（DGSH）和冷鲜肉（DGSC）的肽谱，发现 DGSC 具有更高的鲜味肽潜力。通过生物信息学和构象关系分析筛选出 7 条潜在鲜味肽。感官评价显示，VEGK、VESL、LEEK、LPEAL 和 KRLMEDTED 五条新肽的鲜味阈值为 0.21-0.48 mg/mL。电子舌分析表明，VESL 和 LEEK 的鲜味强度超过等浓度味精，VEGK 的鲜味强度超过双倍浓度味精。分子对接显示，这五条新肽主要通过氢键与 T1R1/T1R3 结合，分子动力学模拟进一步证实其结合稳定。该研究为丰富云南地方杂交 DGS 猪肉风味化合物资源和解析其适口性提供了科学依据。
-
结构光照反射成像用于猪肉微生物污染评估：光谱与图像特征对其预测性能的影响
查看原文
2025
Food Science and Human Wellness
中科院一区JCR一区
Binjing Zhou, Xiaohua Liu, Yan Ge, Kang Tu, Jing Peng, Juan Francisco García-Martín, Jie Wu, Weijie Lan & Leiqing Pan
食品标签
畜肉 微生物安全 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
支持向量机 定量预测/回归分析 可见光/RGB/视频数据结构光照明反射成像（SIRI）为食品品质检测提供了一种新方法。本研究探究了结合多元化学计量学的结构光照明反射成像技术，对不同贮藏温度下接种荧光假单胞菌与热杀索丝菌的猪肉进行微生物污染评估的可行性。研究全面对比了基于不同光谱、由结构光照明反射成像图样解调得到的直接分量图像与振幅分量图像纹理特征，以及二者数据融合模型的预测效果。基于振幅分量图像全波段光谱（420–700纳米），采用正交信号校正结合支持向量机回归算法构建的模型，对猪肉中荧光假单胞菌与热杀索丝菌数量的预测效果最优，二者预测决定系数（$R_p^2$）分别为0.870、0.906。此外，仅依靠振幅分量或直接分量图像纹理特征建立的预测模型，以及融合两类图像光谱与纹理特征的数据融合模型，均无法显著提升预测精度。综上，结构光照明反射成像技术具备应用潜力，可进一步用于猪肉微生物污染的快速检测评估。
-
利用便携式近红外光谱结合可解释人工智能对新鲜、陈化及冷冻-解冻牛肉进行无损鉴别
查看原文
2025
LWT
中科院一区JCR一区
Md Abul Hashem, Asif Ahmmed, & Md Mahadi Hasan
食品标签
畜肉 食品安全与风险评估 其他安全问题 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 模型可解释性 分类/鉴别/等级评定 红外/拉曼光谱数据 大规模数据集涉及将解冻牛肉误标为新鲜牛肉的食品欺诈威胁着供应链的完整性。虽然便携式可见短波近红外（Vis-SWNIR）光谱（700 - 1100 nm）可以提供快速、无损的筛查，但许多机器学习模型的"黑箱"特性阻碍了其在监管中的接受。本研究开发了一个结合可解释人工智能（XAI）的Vis-SWNIR框架，用于区分新鲜肌肉、24小时陈化和冷冻解冻牛肉。对6000条光谱数据进行22种分类器的系统性基准测试后，结果显示线性判别分析（LDA）在区分陈化牛肉与冷冻解冻牛肉方面表现最佳，准确率达到86.5%（95%置信区间：[85.23, 87.77]），且其稳定性优于复杂模型。结合二维相关光谱（2D-COS）的可解释人工智能方法（SHAP, LIME）识别了机制上连贯的生物标志物：肌红蛋白氧化还原状态（约759 nm）、水-蛋白相互作用（约806 nm）和水合特征（约970 - 1060 nm）。2D-COS显示，肌红蛋白氧化和水重新分布在老化过程中是按顺序发生的，而在冻结过程中是同时发生的。事后功效分析确认了统计的充分性，老化与冻结样品显示平均效应量d = 0.292 ± 0.747，检验功效为99.4%，而单变量最大值达到d = ± 3.51。本工作建立了一个透明、统计上强有力且机制上经过验证的框架，为实时牛肉鉴定提供了可部署、符合监管要求的解决方案。
-
利用高光谱成像结合对称堆叠集成算法快速测定羊肉新鲜度
查看原文
2025
Meat Science
中科院一区JCR一区
Jue Zhang, Haqing Tian, Maoguo Gong, Lina Zhang, Kai Zhao, Yang Yu, Hongyu Zhao & Xinzhuan Zhang
食品标签
畜肉 货架期预测与品质劣变动力学 颜色与外观品质 其他品质相关性质 微生物安全 常规理化指标测定 显微与成像技术 光谱/色谱/质谱等分析方法 微生物计数与生长曲线计算机标签
支持向量机 随机森林 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱 质构/流变/感官数据新鲜度是衡量羊肉质量的关键指标。本研究探讨了通过高光谱成像技术快速检测羊肉新鲜度的可行性。分析了羊肉样品在12天贮藏期内总挥发性盐基氮、菌落总数、pH值和亮度的变化。采用变量组合种群分析法增强数据可靠性并降低维度，同时开发了对称堆叠集成学习网络，用于预测羊肉的新鲜度指标和贮藏时间。结果表明，620-630 nm范围内的光谱峰是评估贮藏期间羊肉新鲜度的重要生物标志波长。SSEL网络在各指标上的表现均优于传统最优模型：SVM-stacking模型在TVB-N预测中表现突出（Rp² = 0.93，RMSEP = 2.28）；随机森林堆叠模型在TVC（Rp² = 0.91，RMSEP = 0.84）、pH（Rp² = 0.89，RMSEP = 0.19）和L（Rp² = 0.88，RMSEP = 1.83）预测中表现优异。此外，SVM-stacking模型在羊肉贮藏时间预测上也优于传统方法（Rp² = 0.93，RMSEP = 2.28）。该方法不仅实现了快速新鲜度评估，还捕捉了时间变化特征，并揭示了光谱变化背后的分子机制，为肉制品质量的精准检测奠定了基础。
-
基于智能手机的荧光Eu/Ce-MOFs水凝胶传感器，利用机器学习辅助，实现四环素的灵敏和视觉检测
查看原文
2025
Food Chemistry
中科院一区JCR一区
Mingsha Jie, Amei Zhu, Jiaxin He, Bingxue Liu, Xiaoyue Yue, Zeyu Xu & Yanhong Bai
食品标签
畜肉 液态乳 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
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据四环素（TCs）的过度使用对人体健康构成重大威胁，因此需要开发便捷、快速且智能的检测方法来监测食品中四环素残留物。本研究提出了一种异质结构的Eu/Ce-MOFs比例荧光传感器。该传感器在TCs检测方面表现出极佳的稳定性和高精度，四环素（TC）检测限为73.0 nmol/L，OTC为51.7 nmol/L，盐酸多西环素（DOX）为54.9 nmol/L。Eu/Ce-MOFs比例荧光传感器成功定量猪肉和牛奶样品中的TC、OTC和DOX，并实现了89.3%至112.9%的满意回收率。此外，开发了集成机器学习算法的水凝胶视觉感知平台，显著提升了TC、OTC和DOX的检测精度。通过结合智能手机成像与机器学习算法，这一视觉感知平台为TCs分析提供了可靠的方法。
