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
-
通过微调大语言模型(LLM)实现像素级光谱黄曲霉毒素B1含量智能预测
查看原文2025
Food Control
中科院一区JCR一区Hongfei Zhu, Yifan Zhao, Longgang Zhao, Ranbing Yang & Zhongzhi Han
食品标签
豆类与坚果(及籽类) 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
大模型与 LLM 定量预测/回归分析 高光谱/多光谱光谱 大规模数据集黄曲霉毒素效力强且具有高致癌性,常见于花生及相关产品中,对食品安全构成重大风险。本研究提出了一种创新方法,通过微调Babbage-002大语言模型(LLM)来预测黄曲霉毒素B1(AFB1)的含量。该方法可以简化食品安全监测流程,实现对污染水平更可靠的评估。通过子像素分解对黄曲霉毒素相对含量进行标注,并将光谱序列转换为Json文件以用于LLM微调。数据集包含7000条用于训练的光谱序列和3000条用于测试的序列。经过1400步优化后,模型达到了0.5177的训练损失和0.5304的测试损失。微调后的模型在测试集上的均方根误差(RMSE)为0.0588,决定系数(R²)为0.8898,性能与偏差之比(RPD)为2.7408。实验结果表明,基于LLM微调模型预测黄曲霉毒素含量的能力超过了一维和二维卷积神经网络模型。此外,本研究还建立了一个基于微调模型的在线AFB1光谱检测平台,方便了AFB1含量分析的可视化。微调后的LLM模型还表现出了出色的持续学习和适应新数据的能力。
-
一种基于机器学习的图形特征图开发方法及其在枇杷汁分类中的应用
查看原文2025
Food Chemistry
中科院一区JCR一区Qingyue Zhang, Yixiao Wang, Jing Hu, Xiyue Zhang, Jun He, Xiaoting Xuan, Lufang Shi & Yong Sun
食品标签
果蔬饮料 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 模型可解释性 分类/鉴别/等级评定本研究介绍了一种利用加权人工神经网络(w-ANNs)开发图形特征图的新方法,并展示了其通过基于TensorFlow(TF)实现的卷积神经网络(CNN)在枇杷汁品种(即白沙枇杷汁和红沙枇杷汁)分类中的应用。在特征图生成阶段,顶空气相色谱-离子迁移谱(HS-GC-IMS)分析识别出两组不同的关键化合物,每组包含7种对白沙枇杷汁和红沙枇杷汁具有高响应性的特定化学物质。SHapley可加性解释(SHAP)分析进一步揭示了最具影响力的分子特征描述符(MFDs),其中Kappa2、Gasteiger电荷和LogP是白沙枇杷汁的前三名MFDs,而Kappa2、Kappa3和Fraction_SP3则是红沙枇杷汁最重要的MFDs。随后构建了图形特征图。此外,通过从PubChem检索结构相似的化合物,开发了一个全面的枇杷化学库。性能评估表明,该方法的有效性取决于具体情境,并且在不同的应用场景中可能会有所差异。
-
基于深度学习的猪悬浮培养细胞成脂分化程度评估方法
查看原文2025
Food Research International
中科院一区JCR一区Liyuan Yang, Zhongyuan Wu, Haozhe Zhu, Shijie Ding & Guanghong Zhou
食品标签
细胞培养肉 组学与高通量技术 显微与成像技术 脂质与脂肪酸计算机标签
深度学习 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据脂肪对肉及肉制品的品质具有非常重要的作用。基于细胞培养的脂肪细胞分化是生产细胞培养肉的关键步骤,传统上依赖于通过荧光染色图像分析或分子生物学实验进行定量评估。然而,这些方法耗时、费力,且容易受到观察者主观感知的影响。因此,我们需要一种更快、更直观、更准确的评估技术。通过将高通量技术与深度学习相结合,我们分析了在猪悬浮脂肪细胞分化过程中捕获的明场图像。基于我们现有的细胞分化方案,我们快速收集了高通量明场图像,并开发了一个深度学习模型来评估这些图像中的成脂分化程度。通过单摇瓶和多摇瓶的相互验证,该模型取得了良好的结果(RMSE = 5.90,R2 = 0.8321)。它可以通过在96孔板中接种12个孔来确定样品的成脂分化程度,从而准确区分具有不同分化水平的样品。该方法使我们建立了一个整合高通量筛选和深度学习的应用,并帮助我们在快速筛选食用脂肪酸和蛋白质时,识别了花生四烯酸(100 µM)潜在的促进成脂分化能力。
-
基于感官评价、气相色谱-质谱联用技术与多元统计分析解析花椒香气偏好的关键化学物质
查看原文2025
Food Chemistry
中科院一区JCR一区Zhiyang Chen, Kui Zhong, Yake Xiang, Bolin Shi, Houyin Wang, Jiyong Shi, Zhihua Li, Lei Zhao & Xiaobo Zou
食品标签
其他添加剂与配料 消费者偏好与接受度 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据 质构/流变/感官数据理解消费者偏好对于优化传统香料风味特征至关重要。本研究结合化学分析、感官评估和化学计量,调查了来自中国各地不同地理来源的17种四川辣椒(SP)。分选方法将辣椒归类为与地理来源对齐的不同香气簇,而排名描述分析(RDA)则确定柠檬、薄荷、柑橘和辛辣香气是消费者偏好的主要感官驱动因素。气相色谱-质谱(GC–MS)分析鉴定出77种挥发性化合物,揭示了绿/红蔽类与高偏好(≥6)/低偏好(<6)组之间的成分差异。正交-部分最小二乘判别分析(OPLS-DA)确定了16种与偏好模式相关的关键化合物(如linalool、eucalyptol、limonene)。高偏好SP表现出这些化合物的浓度升高,显示出偏好感官属性与化学基底之间的协同联系。这些发现为通过将关键化学标志物与感官属性联系起来,优化SP风味奠定了基础,强调了将感官感知与化学成分整合在面向消费者的香料设计中的重要性。
-
基于根系障碍微流控芯片的植物根系物理障碍行为研究
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Huali Zhang, Xu Yan, Minghui Zhang, Yuting Zhao, Shuwen Jiang, Yuyang Jiang, Yiting Wei, Yali Zhang & Lijun Sun
食品标签
水果/蔬菜与菌菇类/植物类 其他材料 微观结构与成像 其他品质相关性质 过程监测与在线检测 显微与成像技术 数值仿真计算机标签
模拟与数字孪生 可见光/RGB/视频数据植物根系在物理障碍下的行为研究对于理解植物如何适应土壤环境变化具有重要意义。目前,尚无满意的方法来模拟土壤障碍环境并追踪根系在物理障碍下的动态变化。本研究基于根系在土壤中遇到的土壤压实和机械障碍,设计了一种具有七种不同通道的障碍微流控芯片。该芯片充分利用微流控芯片的可变结构优势,便于研究根系在各种障碍下的可塑性。结果表明,微流控系统的高分辨率成像能力能够可视化和量化植物根系在机械障碍下的生长行为。此外,为了模拟根系在土壤中遇到的生长阻力或压力,通过芯片内的流体流动对模型进行了模拟。总体而言,本研究设计的障碍微流控芯片可用于成像和量化植物根系的可塑性,是追踪根系对机械应力响应的有效工具。