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
-
猪肉馅饼中鸡肉掺假的分类与识别:基于多维质量谱和机器学习的方法
查看原文2025
Food Control
中科院一区JCR一区Hui Lu, Cong Yao, Lin An, Aiying Song, Feng Ling, Qiliang Huang, Yuling Cai, Yunguo Liu & Dacheng Kang
食品标签
畜肉 禽肉 品质、结构与理化性质 理化与结构表征 风味组学 常量营养素(宏量)计算机标签
偏最小二乘法 支持向量机 深度学习本研究旨在利用机器学习技术识别含有不同水平鸡肉掺假的猪肉馅饼样本。构建了一个多维检测系统,使用了300个样本,包含0%到100%的鸡肉掺假梯度。分析了43个参数,包括水分活度、颜色、质地特性、游离氨基酸和电子鼻传感器响应。系统分析了掺假引起的猪肉馅饼的物理和化学变化。基于质量指标和掺假率,开发并评估了偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)和反向传播人工神经网络(BP-ANN)等机器学习模型。BP-ANN模型取得了99.52%的训练准确率,独立测试集准确率达到98.00%。其性能显著优于SVM(95.56%)和PLS-DA(86.75%)。SHAP分析确定苏氨酸含量、色度参数和组氨酸含量为主要判别指标。筛选出的六个特征与电子鼻传感器阵列相结合,共同增强了模型的稳健性。BP-ANN算法被集成到Streamlit平台,开发了一个用于预测掺假率的实时在线工具。
-
基于三维荧光光谱和机器学习同时测定植物油油炸频率和过氧化值
查看原文2025
Food Chemistry
中科院一区JCR一区Huihui Yang, Yutang Wang, Bei Fan, Qing Chen, Meifeng Wu, Fengzhong Wang & Long Li
食品标签
植物油 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 随机森林 K-近邻 定量预测/回归分析 红外/拉曼光谱数据油炸烹饪方式存在多种健康隐患,检测煎炸用油的品质至关重要。本研究采用三维荧光光谱技术,对不同煎炸时长下植物油的过氧化值进行检测分析。研究将三种特征预处理技术与三种机器学习算法相结合,用于预测油脂的煎炸次数与过氧化值。在煎炸次数预测方面,大豆油以SG-RF模型效果最优,花生油和玉米油则以SG-PLS模型表现最佳,对应的决定系数Rp²分别为0.98、0.98和0.97。在过氧化值定量检测方面,大豆煎炸油最优模型为归一化-kNN,花生煎炸油最优模型为SG-RF,玉米煎炸油最佳组合为归一化-RF,对应的决定系数Rp²依次为0.87、0.89和0.93。该快速检测方法可实现煎炸油安全隐患的早期筛查,避免变质油脂投入使用,从而保障消费者身体健康。
-
用阿拉伯胶和波斯胶配制的糙米蛋白棒的优化:来自理化、FTIR 和化学计量分析的见解
查看原文2025
LWT
中科院一区JCR一区Sedigheh Movaghar, Amir Pourfarzad, & Alireza Mehregan Nikoo
食品标签
大米 其他焙烤与糖果制品 质构与流变性质 品质、结构与理化性质 光谱/色谱/质谱等分析方法 响应面分析与多因素优化 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 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据由于蛋白质含量高且水分含量低,蛋白质棒在储存过程中经常出现硬化、陈化和质量下降。本研究旨在通过加入阿拉伯胶和波斯胶作为天然胶体,改善强化糙米粉的乳清蛋白棒的质量和稳定性。采用面心中心复合设计(Face-Centered Central Composite Design)研究了胶体水平(0 - 1%)对理化、微生物、结构和感官特性的影响。结果显示,添加胶体显著增加了水分和碳水化合物含量,同时降低了蛋白质、脂肪、灰分、能量、pH值、过氧化值和水活度。质构分析表明,硬度和粘附性降低,而内聚性和咀嚼性改善。颜色变浅,褐变指数下降。微生物总数、霉菌和酵母数量减少,质构、风味、颜色和可接受性的感官评分提高。FTIR 分析显示蛋白质二级结构发生变化,包括 α-螺旋减少,β-折叠和无序卷曲含量增加。主成分分析(PCA)显示基于配方的聚类,而偏最小二乘回归(PLSR)模拟了结构与质量之间的相关性。最佳配方(0.81% 波斯胶和 0.97% 阿拉伯胶)提高了整体质量。这些发现支持使用天然胶改善蛋白棒的功能性、微生物和感官品质,并减轻储存相关的质量损失。
-
公共卫生智能技术:重塑食品安全的未来
查看原文2025
Food Control
中科院一区JCR一区Jacob Tizhe Liberty, Sabri Bromage, Endurance Peter, Olivia C. Ihedioha, Fatemah B. Alsalman & Tochukwu Samuel Odogwu
食品标签
食品安全与风险评估计算机标签
机器学习/统计学习 知识抽取与语义理解 文本/知识库/法规数据全球消费的食品,作为生命的基本要素,正受到现代供应链和全球分销网络日益复杂的威胁。随着这些网络的扩展,污染、质量下降和安全漏洞的风险也随之增加,危及数十亿人的生命并侵蚀着全球食品供应的信任。本文探讨了智能技术——区块链、人工智能(AI)、物联网(IoT)和数字孪生——如何通过透明度、实时监测和预测性风险管理来重塑食品安全。关键案例研究阐述了它们的实施和影响,包括区块链在快速追溯中的作用、AI的预测性风险评估能力、IoT对持续监测的支持,以及数字孪生用于预防危害的预测性模拟。这些工具共同促进了可持续性、运营效率和消费者信任。然而,广泛采用仍面临技术、财务和监管方面的障碍。本综述还探讨了智能技术在食品安全中的社会经济影响,强调了技术获取方面的差距,特别是在发展中地区。通过使用Scopus和Web of Science等数据库进行了系统的文献检索,综合了过去十年的同行评议研究、行业报告和案例。通过整合技术进步与社会经济见解,这项工作提供了关于食品安全智能技术转型的整体视角。因此,它呼吁政策制定者、行业利益相关者和研究人员采取行动,建立一个有韧性、包容且技术赋能的全球食品安全体系——确保每一餐都安全、优质,并体现创新与合作的力量。
-
人工智能加速鉴定抑制禾谷镰刀菌的新型抗菌肽
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Yue Ran, Sen Li, Ying-Jie Wang, Jian-Hua Liang, Wei Jiang & Ming-Jia Yu
食品标签
小麦 食品安全与风险评估 抗氧化/抗炎等功能 微生物安全 常规理化指标测定 其他统计建模方法 蛋白质与氨基酸计算机标签
机器学习/统计学习 梯度提升决策树 分类/鉴别/等级评定 组学数据 合成/仿真数据为主禾谷镰孢菌引起的镰孢菌赤霉病威胁着全球小麦的产量,导致大幅减产和霉菌毒素的积累。本研究利用机器学习加速发现针对这种植物病原体的抗真菌肽。通过开发一个从头设计的抗菌肽数据库,并提取六个关键的物理化学特征,我们建立了四个预测模型,其中 XGBoost 模型表现更优(R2 = 0.77,RMSE = 1.8)。机器筛选出的肽 TP 在 13.33 μM 浓度下几乎完全抑制了禾谷镰孢菌。分子动力学模拟阐明了其作用机制,包括静电相互作用,随后是疏水插入以及与肌球蛋白结合从而破坏细胞功能。这项工作突显了机器学习框架在农业抗菌剂开发中的范式转变,通过数据驱动的生物技术实现。