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 91 条结果
-
基于SWATH-MS质谱和化学计量学的三种商业金枪鱼比较蛋白质组学分析
查看原文2022
Food Control
中科院一区JCR一区Lingping Hu, Hongwei Zhang, Zhiheng Hu, Yaoxian Chin, Xiaomei Zhang, Jianchu Chen, Donghong Liu, & Yaqin Hu
食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 组学数据受金枪鱼资源枯竭的影响,其制品在加工过程中形态特征逐渐退化,这一现象导致金枪鱼掺假问题日益凸显。如今,金枪鱼的真伪鉴别已成为海鲜供应链中的焦点问题。蛋白质作为金枪鱼肌肉组织中最重要的组成成分,对其品质特性起着关键作用。本研究建立了基于全理论碎裂离子质谱连续窗口采集技术(SWATH-MS) 的蛋白质组学分析方法,对三种市售金枪鱼(鲣鱼、大眼金枪鱼、黄鳍金枪鱼)进行蛋白质相对定量分析,成功实现了 81 种蛋白质的可靠定量。研究人员进一步结合化学计量学方法开展蛋白生物标志物筛选工作,最终筛选出 14 种潜在生物标志物。层次聚类分析结果表明,这些筛选得到的蛋白生物标志物可有效区分上述三种金枪鱼。对筛选出的蛋白生物标志物进行基因本体(GO)功能注释发现,它们大多与分子功能相关。
-
基于分子感官和可解释机器学习技术研究发酵过程对鲷鱼(美香鱼)挥发性化合物的变化:不同发酵阶段的比较
查看原文2021
Food Research International
中科院一区JCR一区Qian Chen, Yueqi Wang, Yanyan Wu, Chunsheng Li, Laihao Li, Xianqing Yang, Shengjun Chen, Yongqiang Zhao, Jianwei Cen, Shaoling Yang, & Di Wang
食品标签
鱼肉 其他酱腌/发酵食品 特征风味 光谱/色谱/质谱等分析方法 发酵工艺与动力学 风味组学 其他植物化学物质计算机标签
机器学习/统计学习 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 时序传感器/物联网数据发酵金鲳鱼(Trachinotus ovatus)因其独特的风味而受到当地消费者的喜爱。利用电子鼻(E-nose)和气相色谱-离子迁移谱(GC-IMS)技术分析了发酵过程中金鲳鱼气味特征演变的挥发性化合物变化。使用GC-IMS检测到45个离子峰。尽管醛类是最初主要的挥发性化合物,但随着发酵的进行,其含量下降。在第3天到第15天之间,酯类含量的增加有助于形成稳定的挥发性有机化合物谱。18天后,检测到高水平的吲哚和吡嗪。基于偏最小二乘判别分析(PLS-DA)筛选出11种关键挥发性化合物。反向传播人工神经网络(BP-ANN)预测了发酵阶段,从而能够制定更好的策略来调控金鲳鱼发酵。本研究为中国发酵金鲳鱼的实时监测和质量控制提供了理论基础。
-
基于高光谱成像的不同解冻方法下大口黑鲈新鲜度快速评价
查看原文2021
Food Control
中科院一区JCR一区Wendi Zhang, Ailing Cao, Peiying Shi, & Luyun Cai
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
偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱鱼肉及其加工制品因富含营养价值,近年来备受消费者关注。然而,由于鱼肉含水量较高,其制品极易腐败变质,导致品质快速下降。因此,快速高效的鱼肉新鲜度检测技术对未来水产行业的发展至关重要。实现不同解冻方式下鱼肉新鲜度的可视化表征,对于保障鱼肉品质、留存营养成分具有重要意义。电导率(EC)是一项重要的新鲜度化学指标。本研究旨在探索高光谱成像技术(HSI)结合多元数据分析的方法,实现鱼肉新鲜度的精准判别。研究采用多元线性逐步回归(MLSR)与偏最小二乘回归(PLSR)算法,对全光谱数据进行建模分析与预测。通过连续投影算法(SPA)筛选出 7 个特征波长(445、474、580、612、711、813、974 nm),并分别建立 PLSR 和 MLSR 模型,最终确定SPA 结合 PLSR 为最优预测模型。基于 SPA-PLSR 模型构建的参数方程(预测集决定系数R p2=0.8569,预测均方根误差RMSEP=19.06),被逐像素映射至高光谱图像,生成电导率(EC)值的空间分布图。本研究以不同解冻方式下贮藏的大口黑鲈鱼片为对象,验证了高光谱成像模型对新鲜度指标的预测能力。结果表明,高光谱成像技术(HSI)是一种极具潜力的鱼肉新鲜度无损、非侵入式检测技术。
-
人工智能在棕榈油和植物精油掺入鱼胶包装膜分类筛选中的应用
查看原文2021
Food Packaging and Shelf Life
中科院一区JCR一区Natácia da Silva e Silva, Fabricio de Souza Farias, Mauricio Madson dos Santos Freitas, Enrique José Gregório Pino Hernández, Vanderson Vasconcelos Dantas, Marcos Ené Chaves Oliveira, Maria Regina Sarkis Peixoto Joele & Lúcia de Fátima Henriques Lourenço
食品标签
鱼肉 生物基/可降解材料 品质、结构与理化性质 包装设计与机械性能 过程优化与控制策略 理化与结构表征 微生物与发酵实验计算机标签
K-近邻 分类/鉴别/等级评定 质构/流变/感官数据采用K-最近邻算法对棕榈油、丁香精油和牛至精油掺入鱼明胶制备的可生物降解包装膜进行分类和筛选。所有增强膜均具有高抗拉强度,其中丁香精油样品的抗拉强度达到53.18 MPa。此外,棕榈油和精油的添加增加了包装的弹性和厚度。这些包装具有抗氧化和抗菌特性,含牛至精油的膜和含棕榈油的膜对金黄色葡萄球菌的抑菌圈分别为11.73 mm和11.23 mm。KNN算法在包装的分类和筛选方面表现出高效性。结果突出显示,含有丁香精油的包装因其最高的抗氧化活性、抗拉强度和断裂伸长率而被评为最佳。棕榈油因其抗菌活性、抗氧化性能、丰富性和低成本,成为可生物降解膜应用中的一个有趣替代品。添加植物油的鱼明胶包装是食品应用的一个有前景的选择。
-
基于多模式高光谱成像技术的鱼片替换与误标检测研究
查看原文2020
Food Control
中科院一区JCR一区Jianwei Qin, Fartash Vasefi, Rosalee S. Hellberg, Alireza Akhbardeh, Rachel B. Isaacs, Ayse Gamze Yilmaz, Chansong Hwang, Insuck Baek, Walter F. Schmidt & Moon S. Kim
食品标签
鱼肉 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
支持向量机 K-近邻 主成分分析/判别分析 逻辑回归/贝叶斯 智能手机/其他 分类/鉴别/等级评定 高光谱/多光谱光谱用低价鱼类替代高价鱼种、将冷冻解冻鱼片虚假标注为鲜鱼片,是水产行业中两类备受关注的典型欺诈行为。本研究旨在研发多模式高光谱成像技术,用于鱼片的物种替代与虚假标注检测。研究采用4 种采集模式获取鱼片的线扫描高光谱图像:可见光 - 近红外(VNIR)波段反射模式、365 nm 紫外激发荧光模式、短波红外(SWIR)波段反射模式、785 nm 激光激发拉曼模式。实验选取 6 种鱼片(红鲷鱼、红拟石首鱼、马拉巴笛鲷、夏季牙鲆、白鲈、罗非鱼)开展物种鉴别,以冷冻解冻的红鲷鱼片进行鲜度判定。所有鱼片样本均通过 DNA 测序完成物种真实性验证。研究将 4 类光谱数据,分别构建 3 种不同数据集(全光谱、主成分分析前 10 个主成分、序列特征筛选法优选波段),使用 6 大类共 24 种机器学习分类器(决策树、判别分析、朴素贝叶斯、支持向量机、k 近邻、集成分类器)进行鱼种与鲜度分类。结果显示,采用全波段可见光 - 近红外反射光谱进行物种分类的准确率最高,达 100%;采用全波段短波红外反射光谱进行鲜度分类的准确率最高,为 99.9%。可见光 - 近红外反射模式在物种鉴别与鲜度检测中整体表现最优,可作为快速检测鱼片物种替代与标签造假的技术方向开展深入研究。