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
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 用于培养肉的工程化支架-细胞相互作用:机制、材料和新兴的人工智能驱动策略

    2025
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    Linzi Li, Yijun Zhang, Zipeng Xu, Shuai Yan, Nuo Yan, Cong Zhao, Yabin Niu, Shijie Ding, Guanghong Zhou, Lin Chen & Xianchao Feng

    食品标签

    细胞培养肉 3D 打印与结构构筑 微观结构与成像

    计算机标签

    机器学习/统计学习 深度学习 设计/生成与推荐

    背景:开发能够模拟天然肌肉组织结构和功能的生物材料支架,是构建结构化培养肉的关键。细胞与支架之间的相互作用通过物理、化学和生物学机制调控细胞命运,进而决定培养肉的质量和生产效率。然而,其调控因素尚未得到系统阐明,这限制了支架在培养肉规模化生产中的应用。
    范围与方法:本综述探讨了细胞-支架相互作用的潜在机制,特别关注支架的结构特征(孔径、纤维取向、几何构型)、力学性能(弹性模量、剪切响应、动态力学刺激)和表面特性(粗糙度、电荷、亲水性、生物活性涂层)如何协同调控细胞黏附、增殖、分化和组织形成。在此基础上,我们评估了采用合成生物学驱动的可食用支架以及将支架与悬浮培养系统整合用于规模化生产的可行性和局限性。我们进一步强调建立一个由人工智能驱动的食品级支架设计框架,该框架涵盖材料选择、制造工艺和生物反应器规模的培养,旨在实现培养肉的可扩展、经济高效且安全的生产。
    主要发现与结论:本综述强调,支架优化(包括结构、力学和表面修饰)在促进组织成熟和肌源性分化方面起着关键作用。它进一步提出,将人工智能驱动的支架设计与悬浮培养策略相结合,是推动培养肉从实验室原型走向工业化生产的关键途径。此外,综述强调支架开发应采用“设计合规”方法,优先选择具有既定食品级地位的材料,使用安全的交联剂,并整合特征明确的生物活性基序。最后,我们倡导建立一个共享的食品级支架基准框架,以在食品安全、成本效益和法规合规的约束下,实现高质量培养肉的规模化生产。

  • 食用油的FAC-Z分析:电化学阻抗(Z)谱在基于监督机器学习的食用油脂肪酸组成(FAC)预测中的应用

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Anoop C. Patil, Arjun Kesav Mugilvannan, Elvy Riani Wanjaya & Untzizu Elejalde

    食品标签

    植物油 品质、结构与理化性质 显微与成像技术 脂质与脂肪酸

    计算机标签

    智能手机/其他 定量预测/回归分析

    采用电化学阻抗谱方法确定了一系列食用油的主要脂肪酸组成。记录了食用油的电学特征(即阻抗谱),并使用神经网络构建了基于机器学习(ML)的预测模型,该模型将电化学数据与通过气相色谱-质谱联用(GC-MS)测定的食用油脂肪酸组成(FACs;C16:0、C18:0、C18:1、C18:2和C18:3)关联起来。在对多种花生油和玉米油的案例研究中,机器学习衍生模型的R²值为0.923-0.997,脂肪酸组成(%)的平均绝对误差(MAE)为14.1;而在对3批次共13种不同食用油的案例研究中,相应的R²值为0.993-0.995,平均绝对误差为9.99。这些研究结果表明,食用油的电学特征与机器学习相结合,有望快速估算食用油中的主要脂肪酸组成,并有助于便携式现场监测膳食脂肪酸的摄入情况。

  • 季节性变化驱动浓香型大曲核心微生物的演变:一项整合多组学分析与深度学习的研究

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Ping Huang, Shiyuan Ma, Xiawei Yi, Rongqing Zhou & Chongde Wu

    食品标签

    发酵食品及酱腌制品 保藏与贮藏 微生物与发酵实验

    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

    核心微生物在决定大曲(一种发酵剂)质量方面起着至关重要的作用,其识别和调控对于进一步控制大曲和白酒的质量至关重要。因此,本研究揭示了季节和压制模式变化下大曲的风味动态和微生物演替,并基于此,通过整合高通量测序和深度学习揭示了核心微生物和群落组装。对120个大曲样品的理化性质和风味化合物分析表明,春季生产的大曲表现出更高的酶活性、酯类和吡嗪类化合物的多样性和丰度。此外,硬脂酸甲酯和2-十一酮被鉴定为区分不同季节生产的大曲的差异风味化合物。优势细菌均与耐热微生物和酸度相关微生物(如芽孢杆菌属、高温放线菌属、葡萄球菌属和魏斯氏菌属)有关,而真菌在所有季节中主要由嗜热子囊菌属和嗜热丝孢菌属组成。通过对微生物、理化性质和风味化合物之间相互作用的调查,并借助数据驱动的关键物种识别(DKI)框架进行验证,揭示了不同季节生产的大曲的核心微生物。地霉属和棒孢酵母属被鉴定为不依赖于季节变化和压制模式的核心微生物。进一步基于βNTI和RCbray的分析被用于研究大曲的群落组装过程,结果表明在季节变化过程中,随机漂变始终主导着群落组装。这些发现可能为优化不同季节浓香型大曲的生产,并进而提升大曲质量提供科学指导。

  • 机器学习辅助构建木质素碳点传感器阵列用于检测食品着色剂

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Xinyu Wang, Junru Huo, Haolun Gu, Haoping Jing, Yulong Rao, Zhekang Zhao, Xiaobai Li, Yongpeng Liu & Hongwei Ma

    食品标签

    其他添加剂与配料 化学污染物 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 分类/鉴别/等级评定 红外/拉曼光谱数据

    由于合成食用色素的广泛使用及其潜在毒性,食品安全监测至关重要。色谱法等高灵敏度技术虽被常规应用,但需要昂贵的设备和熟练的操作人员。在此,我们展示了一种基于氨基酸衍生的氮掺杂木质素碳点(CDs)的三通道荧光传感器阵列,能够实现对食用色素的准确且抗干扰检测。为了阐明特定官能团在荧光响应中的作用,我们采用了逐步化学修饰策略,系统研究了表面化学性质对食用色素识别的贡献。该阵列在盲测中通过层次聚类分析(HCA)、线性判别分析(LDA)和主成分分析(PCA),以近100%的准确率区分了四种常见色素(100–300μM),性能优于传统的单通道系统。这些结果表明,木质素基碳点有望成为绿色、经济高效的传感元件,并为食用色素的实际现场监测引入了一种稳健的多通道荧光策略。

  • 基于高光谱成像与多元分析的苹果和梨外部缺陷检测与质量评估

    2025
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Tanjima Akter, Mohammad Akbar Faqeerzada, Yena Kim, Muhammad Fahri Reza Pahlawan, Umuhoza Aline, Haeun Kim, Hangi Kim & Byoung-Kwan Cho

    食品标签

    新鲜水果 颜色与外观品质 其他品质相关性质 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 支持向量机 智能手机/其他 分类/鉴别/等级评定 缺陷/异物检测与定位 高光谱/多光谱光谱 大规模数据集

    高光谱成像(HSI)已成为一种高效、无损的检测技术,用于识别农产品的外部及皮下缺陷,提供快速准确的质量评估。本研究采用一种先进的高光谱成像系统,工作波长范围为400-2500纳米,涵盖可见近红外(VNIR)和短波红外(SWIR)波段,旨在检测苹果和梨的多种缺陷。研究特别关注三种关键缺陷类型:碰伤、疤痕和病害,同时应对缺陷大小、形状和严重程度变化带来的挑战。为提高光谱变异性和检测精度,对苹果和梨进行了不同大小的模拟碰伤处理,以模拟碰伤的早期和晚期阶段。样品在两天内定期进行分析,以捕捉缺陷特征的变化过程。该过程从精心选取的感兴趣区域(ROIs)中获得了超过8300个光谱数据点,为分析提供了全面的数据集。研究采用了三种多元模型——线性判别分析(LDA)、支持向量机(SVM)和偏最小二乘判别分析(PLS-DA)——来分类正常和有缺陷的水果。其中,PLS-DA模型表现出最佳性能,在VNIR范围内对苹果和梨的验证分类准确率分别达到97.5%和100%,在SWIR范围内分别达到98%和99.9%。此外,研究采用连续投影算法(SPA)进行最优波段选择,并从高性能模型中提取SPA beta系数,生成了化学可视化图谱,实现了缺陷的精确定位和详细表征。通过结合快速准确的缺陷识别与全面的缺陷表征,本研究为工业采后质量控制提供了一个实用高效的框架,最终提升了高价值农产品的市场适销性和贮藏稳定性。

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