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 289 条结果
-
利用多模态光谱技术和显微分析,探索超高压热辅助处理对即食虾在储存过程中质地的调控
查看原文2025
Food Chemistry
中科院一区JCR一区Na Li, Zhifeng Tan, Ruida Ma, Yafang Song, Rong Liu, Jiaxin Zhao, Ningbo Qin, Yahong Li, Xiaoyang Liu, Dayong Zhou & Deyang Li
食品标签
甲壳类 品质、结构与理化性质 非热加工技术 货架期预测与品质劣变动力学 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 定量预测/回归分析 红外/拉曼光谱数据本研究采用多模态光谱技术与微观分析手段,探究不同处理方式对即食虾仁贮藏期间质构特性的影响。研究结果表明,超高压热力辅助处理可显著改善即食虾仁的质构品质,同时降低与蛋白质氧化降解相关的羰基含量及三氯乙酸可溶性物质含量。此外,超高压热力辅助处理能够使蛋白质结构更加致密、排列更规整,进而提升结合水与不易流动水的占比。利用高光谱成像数据构建了质构偏最小二乘回归预测模型,证实光谱信息与质构参数之间存在极强的相关性。同时,借助红外成像技术解析了蛋白质内部羟基(O-H)、羰基(C=O)、碳氢键(C-H)等官能团及羰基化合物的分布规律。综上,研究证实超高压热力辅助处理可通过抑制蛋白质降解,有效延缓即食虾仁贮藏过程中的质构劣变。
-
探究鸡胸肉烤制过程中晚期糖基化终末产物形成:一种动态模型方法
查看原文2025
Food Control
中科院一区JCR一区Yingshuang Lu, Yu Jiang, Mengyu Sun, Lu Dong, Xiaolong Xing, Yan Zhang & Shuo Wang
食品标签
禽肉 传统热加工 其他品质相关性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 碳水化合物与糖类计算机标签
偏最小二乘法 定量预测/回归分析本研究旨在探究烤制过程中鸡胸肉内晚期糖基化终末产物(AGEs)的形成规律,重点分析并模拟两种关键AGEs——羧甲基赖氨酸(CML)与羧乙基赖氨酸(CEL)含量的动态变化模型。为系统研究AGEs的形成模式,鸡胸肉样本分别在180°C至230°C的五个烤制温度下进行处理,并于每个温度下烤制至60°C至100°C五个不同的核心温度。采用多元线性回归与偏最小二乘法构建了CML与CEL含量的动态预测模型,依据决定系数(R²)与均方根误差(RMSE)筛选出最优模型,其中CEL模型的R²为0.886,CML模型的R²为0.954,RMSE值表明预测误差极低。本研究通过验证建立了一个可靠的预测框架,可用于预测烤制过程中AGEs的形成,为优化烹饪工艺以平衡产品质量与安全性提供了重要依据。
-
开发及基于Kohonen神经网络的红米饼干聚类分析,富含不同可食用种子和面粉的混合物
查看原文2025
Food Chemistry
中科院一区JCR一区Shubhi Singh & Smriti Gaur
食品标签
豆类与坚果(及籽类) 饼干/薄脆制品 品质、结构与理化性质 营养与生物功能 膳食纤维与抗性淀粉 蛋白质与氨基酸 脂质与脂肪酸计算机标签
机器学习/统计学习 缺陷/异物检测与定位 质构/流变/感官数据本研究旨在利用红米粉(RRF)与可食用籽粉(ESF)制作曲奇饼干,并采用探索性研究方法分析其营养特性与物理特性。实验设置可食用籽粉与红米粉不同质量配比的混合原料进行研究,配比梯度分别为0%:100%、25%:75%、50%:50%、75%:25%以及100%:0%。单因素方差分析结果表明,复配曲奇饼干的蛋白质、膳食纤维含量显著更高(p < 0.05),脂肪含量与延展率则有所降低。研究采用科霍宁自组织映射网络(KSOMs)对实验结果进行分析,依据营养与物理特性的相似性对样品进行聚类划分。分析所得戴维斯-鲍尔丁指数为0.14~0.30、轮廓系数为0.97~0.98,说明聚类分区界限清晰、样本重叠度极低。相较于对照组曲奇饼干,25%可食用籽粉+75%红米粉配比制作的曲奇饼干在感官品质、矿物质、氨基酸及抗氧化活性方面表现更优,证实可食用籽粉与红米粉可作为优质功能性原料,用于提升曲奇饼干的营养品质。
-
一种通用的深度学习模型,用于通过可见光和近红外光谱预测和分类豌豆蛋白含量
查看原文2025
Food Chemistry
中科院一区JCR一区Tianpu Xiao, Chunji Xie, Li Yang, Xiantao He, Liangju Wang, Dongxing Zhang, Tao Cui, Kailiang Zhang, Hongsheng Li & Jiaqi Dong
食品标签
豆类与坚果(及籽类) 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
卷积神经网络 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据快速且准确地检测豌豆蛋白含量对于育种和确保食物质量至关重要。本研究引入了PeaNet模型,采用改进的卷积神经网络架构来预测和分类豌豆蛋白含量。该模型利用156个可见光和近红外光谱数据集,来自52个品种,在不同条件下培养。数据经过Savitzky-Golay平滑和乘法散射校正预处理以提升质量。结果显示该模型获得了R级2蛋白质含量预测为0.84,测试组分类准确率为85.33%。在由不同豌豆品种组成的独立验证集上,模型保持一个R2超过0.80,分类准确率为83.33%。它显著优于传统的机器学习模型和传统深度学习架构。本研究引入了一种通用、准确且高效的豌豆蛋白检测方法,从而推动食品营养评估和质量控制的发展。
-
基于多光谱数据融合策略与化学计量学的日照绿茶产地溯源研究
查看原文2025
Food Chemistry: X
中科院一区JCR一区Mengqi Guo, Zhiwei Chen, Zezhong Ding, Dewen Wang, Dandan Qi, Min Lu, Mei Wang & Chunwang Dong
食品标签
茶/茶饮料 品质、结构与理化性质 感官评价与方法学 光谱/色谱/质谱等分析方法 其他理化与结构表征 蛋白质与氨基酸 多酚与黄酮 咖啡因计算机标签
偏最小二乘法 支持向量机 随机森林 卷积神经网络 分类/鉴别/等级评定 高光谱/多光谱光谱 红外/拉曼光谱数据 质构/流变/感官数据 多模态/融合数据本研究提出了一种将多光谱数据融合策略与化学计量学分析相结合的新方法,用于日照绿茶的产地溯源。研究发现,日照绿茶与中国南方茶叶在感官评分和关键理化成分(儿茶素、咖啡因和氨基酸含量)方面存在显著差异。通过整合近红外和高光谱技术的数据,多元模型(包括偏最小二乘回归(PLSR)、支持向量回归(SVR)、随机森林(RF)和卷积神经网络(CNN))的预测精度得到了提高。融合数据集的性能优于单一光谱数据集。研究发现,不同地区的茶叶样品存在显著的光谱差异,从而实现了可靠的区分。基于近红外光谱数据的支持向量机(SVM)和随机森林(RF)判别模型均达到了100%的准确率。该方法为绿茶溯源提供了一种可靠且高效的工具,有望在茶叶行业的质量控制和真实性验证中得到应用。