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
酒精饮料

标签记录(计算机学者)

暂无筛选

共 93 条结果

  • 基于花青素谱的杜罗法定产区单一品种红葡萄酒真实性鉴别:偏最小二乘判别分析、决策树和人工神经网络的比较

    2021
    Food Control
    中科院一区
    JCR一区
    查看原文

    Fernanda Cosme, Juliana Milheiro, Joana Pires, Fernanda Isabel Guerra-Gomes, Luís Filipe-Ribeiro, & Fernando M. Nunes

    食品标签

    酒精饮料 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 深度学习 分类/鉴别/等级评定

    本研究以杜罗河法定产区(DDR)的国家杜丽佳(TN)、法兰西杜丽佳(TF)及廷塔・罗丽红(TR)三个单一品种红葡萄酒为研究对象,探究结合花色苷指纹图谱与多元统计分析方法实现品种鉴别可行性,具体采用的分析方法包括偏最小二乘判别分析(PLS-DA)、分类回归树(CART)及人工神经网络(ANN)。实验结果显示,在单一品种葡萄酒的产地溯源分类中,分类回归树与人工神经网络模型表现出更优的准确性,测试集分类准确率均达 100%;而偏最小二乘判别分析模型的分类准确率为 91.4%。不同模型筛选出的品种鉴别核心特征变量存在差异:偏最小二乘判别分析模型的关键变量为矮牵牛素 - 3 - 葡萄糖苷、锦葵素 - 3 - 乙酰葡萄糖苷及矢车菊素 - 3 - 葡萄糖苷;分类回归树模型的关键变量为矮牵牛素 - 3 - 葡萄糖苷、芍药素 - 3 - 乙酰葡萄糖苷及锦葵素 - 3 - 乙酰葡萄糖苷;人工神经网络模型的关键变量则包括锦葵素 - 3 - 乙酰葡萄糖苷、矮牵牛素 - 3 - 葡萄糖苷、锦葵素 - 3 - 葡萄糖苷、芍药素 - 3 - 香豆酰葡萄糖苷及飞燕草素 - 3 - 葡萄糖苷。综上,杜罗河原产地命名保护体系下的国家杜丽佳、法兰西杜丽佳及廷塔・罗丽红单一品种红葡萄酒的花色苷指纹图谱,结合多元统计分析方法,可作为验证其品种真实性的有效技术手段。

  • 利用多元分析技术基于颜色参数和色素测定干红葡萄酒的年份

    2021
    Food Control
    中科院一区
    JCR一区
    查看原文

    Guomin Han, Lingmin Dai, Yuhang Sun, Chao Li, ShiLi Ruan, Jiming Li & Yan Xu

    食品标签

    酒精饮料 颜色与外观品质 常规理化指标测定

    计算机标签

    偏最小二乘法 定量预测/回归分析

    年份是商品瓶装干红葡萄酒市场定价的决定性因素。本研究旨在以颜色参数和色素指标为基础,结合偏最小二乘法(PLS)与多元线性回归法(MLR),建立干红葡萄酒年份预测模型。两种模型均能实现葡萄酒年份的精准预测,拟合优度(R 2)较高,且交叉验证均方根误差(RMSECV)处于较低水平。尽管构建高性能多元线性回归模型所需的变量更少,但其预测精度与偏最小二乘模型相当。研究证实,一类聚合色素(TFPP)与锦葵色素 - 3 - 糖苷的比值是一项极具应用前景与实操性的化学指标,可用于干红葡萄酒年份的快速简便判定。

  • 基于SPME-MS结合化学计量学的浓香型基酒快速定性与定量分析

    2021
    Food Science and Human Wellness
    中科院一区
    JCR一区
    查看原文

    Zongbao Sun, Junkui Li, Jianfeng Wu, Xiaobo Zou, Chi-Tang Ho, Liming Liang, Xiaojing Yan & Xuan Zhou

    食品标签

    酒精饮料 特征风味 光谱/色谱/质谱等分析方法 风味组学

    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 定量预测/回归分析 组学数据

    为实现不同等级浓香型基酒的客观分级与品质评价,本研究采用固相微萃取-质谱联用技术(SPME-MS)结合化学计量学方法开展分析。实验结果表明,在区分不同等级浓香型基酒时,固相微萃取-质谱联用结合反向传播人工神经网络(BPANN)的识别效果与线性判别分析(LDA)基本持平,测试集识别准确率达84%。研究分别构建偏最小二乘(PLS)、连续投影算法结合偏最小二乘(SPA-PLS)、竞争性自适应重加权采样结合偏最小二乘(CARS-PLS)模型,用于定量预测浓香型基酒中四类酯类物质含量。其中竞争性自适应重加权采样-偏最小二乘(CARS-PLS)模型对乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯的定量分析优势最为突出。上述研究结果证实,固相微萃取-质谱联用技术结合化学计量学方法可精准区分不同等级浓香型基酒,并能高效预测酒中各类酯类物质含量。

  • 基于静态顶空-气相色谱-离子迁移谱和可解释机器学习的长相思葡萄酒质量等级挥发物预测

    2021
    Journal of Agricultural and Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Wenyao Zhu, Frank Benkwitz, & Paul A. Kilmartin

    食品标签

    新鲜水果 酒精饮料 特征风味 光谱/色谱/质谱等分析方法 其他植物化学物质

    计算机标签

    深度学习 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据

    本研究首次将静态顶空-气相色谱-离子迁移谱(SHS-GC-IMS)的分析范围应用于葡萄酒香气分析。研究首先微调方法参数以获得最佳分析结果,并从重复性和再现性方面证明方法稳定性。研究还实现了简明的化合物定性鉴定,识别出若干此前较少在长相思葡萄酒中报道的挥发物,如乙酸甲酯、甲酸乙酯和乙酸戊酯。采用非靶向策略利用 SHS-GC-IMS 数据,并对大数据集进行计算建模,将香气化学通过预测模型与葡萄酒感官质量等级关联。研究比较了 6 种机器学习模型,人工神经网络表现最优,预测准确率达到 95.4%。尽管 ANN 模型具有内在复杂性,但其仍提供了关于影响性挥发物的有价值见解,这些挥发物与较高或较低感官等级具有良好相关性。未来这些发现可用于指导酿酒师建立葡萄酒质量评价,尤其是在装瓶前调配环节。

  • 基于丝网印刷电极结合化学计量学的便携式电子舌用于快速区分巴西拉格啤酒

    2021
    Food Control
    中科院一区
    JCR一区
    查看原文

    Yhan S. Mutz, Denes do Rosario, Luiz R.G. Silva, Francine D. Santos, Layla P. Santos, Bruno C. Janegitz, Paulo R. Filgueiras, Wanderson Romão, Rafael de Q Ferreira, & Carlos A. Conte-Junior

    食品标签

    酒精饮料 品质、结构与理化性质

    计算机标签

    偏最小二乘法 分类/鉴别/等级评定 时序传感器/物联网数据

    品质与真实性监控已成为一项全球范围内需求日益迫切的工作。然而,为强化并优化监控流程,低成本快速检测方法仍需进一步探索。为此,本研究提出一种基于商用丝网印刷电极(SPE)结合化学计量学分类算法,实现拉格啤酒(高端美式拉格啤酒与标准美式拉格啤酒)鉴别区分的技术方案。实验采用的电极类型包括碳电极(SPCE)、金电极(SPGE)及碳纳米管修饰电极(SPEs-CNT);分类算法则选用类软独立建模法(SIMCA)与偏最小二乘判别分析(PLS-DA)。结果显示,所构建的 PLS-DA 模型在验证集中的灵敏度、特异度与精确度均值均达到 88%;相比之下,SIMCA 模型的灵敏度均值为 72%,特异度均值为 82%,精确度均值为 80%。最终确定的最优电子舌检测体系为碳丝网印刷电极(SPCE)联用 PLS-DA 算法,该体系的预测准确率高达 94%。单支碳丝网印刷电极可完成至多 35 个啤酒样品的检测,具备良好的检测通量优势。

跳转至

页

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