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 2456 条结果
-
支持机器学习的attapulgite/聚酰亚胺纳米纤维复合气凝胶比色传感器阵列,用于巴尔萨鱼鲜度的实时监测
查看原文2025
Food Chemistry
中科院一区JCR一区Jiankun Cao, Yumo Chen, Xinyang Su, Zhiqiang Wang & Hongyuan Yan
食品标签
鱼肉 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
机器学习/统计学习 偏最小二乘法 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 时序传感器/物联网数据本文采用静电纺丝与冷冻干燥技术,制备了负载多种酸碱指示剂的凹凸棒石/聚酰亚胺纳米纤维复合气凝胶(ATP/PI NFAs),并对其制备及应用展开研究。对该凹凸棒石/聚酰亚胺纳米纤维复合气凝胶进行详细表征后发现,其具有三维多级孔结构,可促进目标气体分子的传质过程,并增强其与探针分子间的相互作用。研究借助机器学习方法,构建了基于凹凸棒石/聚酰亚胺纳米纤维复合气凝胶的比色传感器阵列,可实现对巴沙鱼新鲜度的实时检测。通过主成分分析与随机森林算法筛选出对新鲜度变化敏感的颜色特征,建立偏最小二乘回归与随机森林回归模型,实现了对巴沙鱼挥发性盐基氮含量的预测。经国家标准方法验证,该检测体系具备良好的准确度与实际应用价值。将高性能凹凸棒石/聚酰亚胺纳米纤维复合气凝胶基比色传感器阵列与稳健的机器学习模型相结合,为食品安全检测领域提供了新的研究思路与技术途径。
-
利用能量散射X射线荧光技术鉴定具有保护产地标识的欧洲葡萄酒。基于建模的成功控制系统的挑战
查看原文2025
Food Chemistry
中科院一区JCR一区Michele Ghidetti, Sergej Papoci, Arantza Respaldiza, Håkan Enteborg, Franz Ulberth& María Beatriz de la Calle Guntiñas
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 中等规模数据集消费者愿意为受原产地命名保护、地理标志保护等带有地理溯源标识的食品支付更高价格。本研究利用X射线荧光光谱法获取葡萄酒的元素特征图谱,并结合多元分析方法,对111款克罗地亚、意大利和西班牙的红白葡萄酒进行产地溯源鉴别,其中102款产自20个受原产地命名保护产区,模拟了检测实验室的实际检测场景。经多元统计检验发现,同产地的葡萄酒样本会形成聚类,且与其他产区样本明显区分。采用类类比软独立建模分类法进行判别时,模型的灵敏度和特异度表现较差。本研究提出并验证了一种新方法:通过递进式偏最小二乘判别分析,依次从国家、产区到原产地命名保护级别进行分层分类,该方法分类准确率表现良好。整体样本的正确分类率达到88%。
-
基于超级计算机模拟和实验光谱学的热研究:鉴定β-乳球蛋白与异味化合物己醛之间的化学相互作用
查看原文2025
Food Research International
中科院一区JCR一区Cameron Ince, Lloyd Condict, John Ashton, Regine Stockmann & Stefan Kasapis
食品标签
乳及乳制品 传统热加工 氧化、褐变等化学变化 特征风味 光谱/色谱/质谱等分析方法 数值仿真 蛋白质与氨基酸计算机标签
机器学习/统计学习 模拟与数字孪生 合成/仿真数据为主为探究风味-蛋白质相互作用的热行为,本研究对从蛋白质数据库获取的β-乳球蛋白单体结构进行了353.15 K(80°C)下20000 ps的模拟热处理。采用盲对接方法将配体己醛分子对接在宿主蛋白上,揭示了一个位于特定赖氨酸残基(LYS60)附近的优先结合位点。除超级计算机模拟外,还对暴露于80°C 60分钟的β-乳球蛋白-己醛混合物进行了MALDI-TOF/MS和紫外-可见光谱的实验室测试。MALDI-TOF/MS结果显示形成了共价加合物,峰位移为-84 Da,通过缩合反应形成了希夫碱。二级结构估算表明α-螺旋和β-转角显著减少,同时β-折叠和无序结构增加。这种结合计算机模拟和实验的方法从分子水平揭示了风味活性醛如何与热处理的乳蛋白相互作用,将加工条件与结构变化及风味化合物的归宿联系起来。由此产生的机理见解具有基础和工业相关性,增进了我们对热处理如何通过乳基系统中蛋白质-配体相互作用影响风味稳定性的理解。
-
人工智能用于预测各类食品保质期:最新进展与持续挑战
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Mahdi Rashvand, Yuqiao Ren, Da-Wen Sun, Julia Senge, Christian Krupitzer, Tobi Fadiji, Marta Sanzo Miró, Alex Shenfield, Nicholas J. Watson & Hongwei Zhang
食品标签
保藏与贮藏 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 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/物联网数据背景:准确估算保质期对于维持食品安全、减少浪费和提高供应链效率至关重要。传统方法(如微生物和化学分析以及感官评价)可提供可重复的结果,但耗时耗力,且可能不适用于实时或高通量应用。人工智能与先进分析技术的集成为在动态存储环境中快速、数据驱动地估算保质期提供了一种合适的替代方案。
方法与范围:本综述评估了基于人工智能的技术(如机器学习、深度学习和混合方法)在食品保质期预测中的应用。本研究重点阐述了如何利用人工智能分析来自高光谱成像、光谱学、机器视觉和电子传感器等无损检测方法的数据,以提升预测性能。综述还描述了基于人工智能的技术如何通过确保优化的食品配送和减少浪费,来帮助管理食品质量、减少经济损失并增强可持续性。
主要发现与结论:人工智能技术通过整合影响食品腐败的微生物、生化和环境因素等多源复杂信息,克服了传统技术的局限。肉类、乳制品、果蔬和饮料的案例研究证明了人工智能技术在实时监测和质量评估方面的优越性。同时,本文也指出了数据可用性、模型普适性和计算成本等限制其广泛应用的局限性。未来的应用需要考虑将云平台和物联网平台集成,以实现实时决策和自适应建模。人工智能可以成为食品行业的一种范式转变工具,为食品安全、减少浪费和可持续性提供智能化、可扩展且低成本的解决方案。 -
基于机器学习的袖珍型近红外分析用于甘薯根中纤维素、半纤维素、木质素和果胶的无创定量
查看原文2025
LWT
中科院一区JCR一区Hong-Ju He, Chen Zhang, Longzhu Xing, Hong Qiao, Jicai Bi, Shengyang Niu, Jin Li, Yuling Wang, & Xingqi Ou
食品标签
其他根茎类 品质、结构与理化性质 光谱/色谱/质谱等分析方法 膳食纤维与抗性淀粉 碳水化合物与糖类计算机标签
支持向量机 定量预测/回归分析 红外/拉曼光谱数据本研究开发了一个智能分析框架,将新型海星优化算法(SFOA)与支持向量机回归(SVR)相结合,用于利用近红外(NIR)光谱(900 - 1700 nm)定量分析新鲜甘薯根(SPR)中的纤维素、半纤维素、木质素和果胶浓度(CC、HC、LC、PC)。通过分别以及联合实施连续投影算法和改进的鲸鱼优化算法,分别识别出20、20、20和11个波长作为CC、HC、LC和PC定量的最信息波长(MIWs)。经过SFOA优化的SVR模型,在这些MIWs上训练后,实现了稳健的预测性能,其决定系数和预测均方根误差(R²P & RMSEP)分别为:CC为0.8892 & 0.3811 mg/g,HC为0.8638 & 0.3496 mg/g,LC为0.9225 & 0.2460 mg/g,PC为0.7942 & 0.3868 mg/g。模型的可靠性通过独立测试集和统计假设检验(F检验和t检验)得到了严格验证,确认了方法的稳健性。通过将微型手持近红外光谱仪与SFOA驱动的SVR算法相结合,本研究建立了一种快速、无损、可同时定量测定SPR中纤维素、半纤维素、木质素和果胶的方案。该框架为SPR育种和加工工业中膳食纤维质量的现场评估提供了一种新颖且可扩展的策略。