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 1098 条结果
-
近红外与拉曼光谱融合机器学习策略:南美白对虾新鲜度的非破坏性快速评估与TVB-N值预测
查看原文2025
Food Research International
中科院一区JCR一区食品标签
甲壳类 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
卷积神经网络 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据 多模态/融合数据总挥发性盐基氮(TVB-N)是虾新鲜度的关键指标。然而,传统的检测方法繁琐、耗时且具有破坏性。本文提出了一种基于近红外(NIR)和拉曼光谱的快速、非破坏性方法,用于评估南美白对虾(Litopenaeus vannamei)的TVB-N含量。本研究基于三种机器学习方法(卷积神经网络、极限学习机和反向传播神经网络),结合低层和中层数据融合策略,构建了TVB-N含量预测模型。经过Savitzky-Golay平滑预处理后,采用SPA特征提取的近红外模型(预测决定系数R²p = 0.864)优于采用GA特征提取的拉曼模型(R²p = 0.784),两者分别是各自光谱的最优特征级预测模型。此外,中层数据融合策略与极限学习机模型的结合实现了最佳的预测性能,其R²p和预测均方根误差分别为0.986和0.677 mg/100 g。同时,经特征选择算法优化的特征级融合模型的R²值均超过0.96。这些结果证明了近红外与拉曼光谱在利用便携式仪器对虾进行非破坏性实时新鲜度监测方面的互补优势。
-
基于3D点云与深度学习的切片面包多尺度表型自动化量化流程
查看原文2025
Food Research International
中科院一区JCR一区食品标签
面包 品质、结构与理化性质 微观结构与成像 显微与成像技术计算机标签
深度学习 图像分割网络 定量预测/回归分析 可见光/RGB/视频数据针对当前切片面包评价参数集中于二维表型分析的现状,本研究开发了一种利用廉价3D激光扫描仪准确捕获并分析整个面包切片及其切片孔隙表面三维结构的创新技术。采用集成三轴运动平台的3D线扫描激光轮廓传感器高效采集面包表面的3D点云数据。针对预处理后的点云数据,提出了一个名为3D-PoresSegNet的分割模型,用于在点云中分离面包表面和孔隙区域。通过使用2D投影、轮廓提取和逆变换技术,获得了孔隙边缘的准确3D结构信息。基于孔隙边缘和完整的点云数据,我们成功重建了3D孔隙结构,并提取了面包及其孔隙的详细表型参数。此外,提出了两个新颖的表型参数——孔隙分布和孔隙层分布,为面包的全面质量评估提供更科学的支持。为了便于快速进行表型分析,我们开发了Bread3D-Measure软件。实验结果表明,在提取13个表型参数方面具有较高准确性,包括7个总体性状——高度(97.3%)、长度(95.2%)、宽度(95.6%)、表面积(86.6%)、体积(82.8%)、对称指数(91.5%)和均匀性指数(93.4%),以及6个相关参数——最大孔隙直径(84.7%)、最大孔隙面积(82.6%)、孔隙数量(87.1%)、最大孔隙深度(90.3%)、最大孔隙体积(83.7%)和孔隙伸长率(78.5%)。这些结果证实了所提方法在满足各种表型应用需求方面的有效性。
-
SensoryGAN:集成神经感官与细胞安全性验证的AI驱动低毒性乳品风味替代品设计
查看原文2025
Food Research International
中科院一区JCR一区食品标签
乳饮料 感官科学与消费者研究 过敏原与毒性问题 细胞模型计算机标签
生成对抗网络 设计/生成与推荐 时序传感器/物联网数据 小规模数据集香料在食品工业中至关重要,然而围绕关键乳品风味化合物二乙酰(DA)的健康问题使得寻找更安全、可持续的替代品变得必要。本研究提出了SensoryGAN,这是一种新颖的预测范式,它整合了图卷积网络(GCN)和遗传算法(GA),专门用于对乳品风味剂的香气属性进行建模和优化。该模型在47种涵盖低至中等分子复杂性(Bertz/Hendrickson指数:0.11–1.0)的乳品风味化合物上进行训练,实现了86.14%的预测准确率,优于传统方法。实验验证证实,所设计的替代香料在脑电图激活模式上与DA等效(Delta/Theta-Alpha频带),同时在肺上皮细胞中表现出显著更低的细胞毒性(p > 0.05)和减少的促炎细胞因子诱导(IL-6/TNF-α)。该框架为开发安全、注重健康的风味解决方案奠定了有针对性的基础,并对推进乳制品创新中的可持续实践具有直接意义。
-
基于Bop-Cu纳米酶结合机器学习的多信号传感器阵列用于食用油中四种合成抗氧化剂的简易区分检测
查看原文2025
Food Research International
中科院一区JCR一区食品标签
油脂及油脂制品 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 随机森林 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据本文合成了一种具有多酶活性的荧光纳米酶Bop-Cu。在四种合成抗氧化剂(没食子酸丙酯、叔丁基对苯二酚、丁基羟基茴香醚和丁基羟基甲苯)存在下,Bop-Cu在其两种催化活性和荧光特性上表现出差异响应。因此,我们构建了一个多信号传感器阵列,并利用随机森林等算法,实现了对食用油中四种合成抗氧化剂99.4%的识别和区分准确率,且不受浓度影响。在0.1–30 μg/mL浓度范围内,结合随机森林回归算法,实现了单一合成抗氧化剂的定量检测。此外,在实际样品检测中,人工神经网络算法成功实现了对食用油中混合抗氧化剂的同步定量评估,为食用油中合成抗氧化剂的现场区分测定提供了一种新方法,对改善抗氧化剂滥用监管具有重要意义。
-
利用近红外光谱和化学计量学快速评估面包小麦的粉质图和拉伸图特性
查看原文2025
Food Research International
中科院一区JCR一区食品标签
小麦 品质、结构与理化性质 质构与流变性质 质构与流变测试 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 定量预测/回归分析 红外/拉曼光谱数据面包小麦在全球粮食安全和加工中扮演着至关重要的角色。理解面团的流变特性对于食品工业和小麦育种计划中选择高品质品种至关重要。粉质图和拉伸图等传统测试方法虽然重要,但劳动密集,不适合高通量筛选。近红外光谱是一种快速且经济有效的谷物质量评估替代方法。本研究旨在利用1082个代表性样本数据集,开发小麦面团关键流变特性的校准模型。研究采用了多种光谱预处理、变量选择和回归算法进行模型校准。针对粉质图吸水率的偏最小二乘回归模型表现出强大的预测能力(R2C = 0.92, R2V = 0.90, RPD = 3.20),而对其他特性进行定性分析的准确率高达80.23%至94.27%。所开发的近红外模型为食品加工和小麦育种中的小麦质量评估提供了一种高效方法。