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 1098 条结果
-
食品结构、功能与人工智能
查看原文2022
Trends in Food Science & Technology
中科院一区JCR一区食品标签
品质、结构与理化性质 营养与生物功能 过程控制与数字化计算机标签
模型设计/优化策略 模拟与数字孪生食品结构的复杂性阻碍了其被纳入预测食品特性和转化的数学模型中,尽管人工智能的应用为此提供了重要动力。事实上,目前的食品定义忽略了结构描述,即使在那些已证明结构具有决定性作用的领域(如营养学)也是如此。范围与方法:本综述旨在分析当前关于食品结构的知识及其在数字化定义感官和营养品质以及稳定性方面的潜在用途。基于此信息,探索了一种可能的方法,以(甚至自动化地)建立用于模拟和预测食品特性的数学模型。提出了一个模型流程,并将其应用于意大利面,特别是利用烹饪过程中发生的结构变化的描述。主要发现与结论:食品可以在计算机中进行设计,基于从结构图像和水的动态状态数据中直接提取流变学和感官特性信息的自动化流程。这些方法的最终目标是减少对昂贵且耗时的物理制备食品实验的依赖,转而使用实验室设计的食品数字孪生。
-
食品领域的人工智能与伦理:为供应链中的技术采用开发共同语言
查看原文2022
Trends in Food Science & Technology
中科院一区JCR一区食品标签
可持续性与资源高值化 过程控制与数字化 质量管理与追溯系统 其他过程控制与数字化研究 标准/法规/数据库分析计算机标签
文本/知识库/法规数据人工智能(AI)在食品供应链中的应用日益增长。与食品供应和技术相关的伦理语言是由利益相关者赋予其含义来情境化和构建的。未能区分这些细微的含义可能会成为技术采用的障碍,并减少由此带来的效益。范围与方法:本文综述的目的是考虑利益相关者在食品供应链中合作采用人工智能时所使用的嵌入伦理语言。伦理视角构成了本文献综述的框架,并提供了结构,以思考如何塑造一种共同的话语,从而建立对食品供应链中AI的信任,并构建更审慎的利用方式,最终使用户和更广泛的社会受益。关键发现与结论:尽管食品系统内数据的性质比欧盟通用数据保护条例(GDPR)所涵盖的个人数据广泛得多,但计算和人工智能系统的伦理问题是相似的,可以从特定方面考虑:透明度、可追溯性、可解释性、可诠释性、可访问性、问责和责任。本研究的成果有助于更全面地理解所使用的语言,探索食品供应链中人工智能应用各方面的伦理互动,以及可以采取的管理活动和行动,以提高人工智能技术的适用性、增加参与度并获得更大的绩效效益。这项工作对为食品供应链开发人工智能治理协议的人员以及供应链从业者都有重要意义。
-
面向气候变化的食品安全风险评估的大数据与基于Web的决策支持系统(DSS)前沿综述
查看原文2022
Trends in Food Science & Technology
中科院一区JCR一区食品标签
食品安全与风险评估 能耗/水耗与环境影响分析 质量管理与追溯系统计算机标签
机器学习/统计学习技术正被开发用于处理来自不同来源的大量复杂数据。“大数据”和“决策支持系统”(DSS)这两个术语指的是计算机化的多维数据管理系统,它们支持利益相关者利用现代数据驱动方法来识别和解决问题,并实现增强的决策制定。大数据在食品安全领域已无处不在。食品供应链中的信息分散且涉及格式、规模和地理来源的异质性。此外,环境因素、食品污染和食源性疾病之间的相互作用复杂、动态且难以预测。因此,这篇前沿综述文章侧重于面向食品安全的大数据与基于Web技术的基础架构,重点关注气候变化的影响。文中介绍了在食品安全中采用大数据所面临的挑战,总结并分析了食品供应链中技术/方法的未来研究方向。所提供的分析和讨论旨在帮助农业食品研究人员和利益相关者就大数据和基于Web的DSS在食品安全中的应用采取行动并收集见解,这将缓解挑战,促进大数据在食品安全风险评估中的实施,同时考虑气候变化的可能影响。
-
结合人工智能与3D食品打印的新型蛋白质食物来源在食品工业中的前景展望
查看原文2022
Trends in Food Science & Technology
中科院一区JCR一区食品标签
新资源食材 加工与新加工技术 3D 打印与结构构筑计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化 设计/生成与推荐 多模态/融合数据基于藻类、昆虫、植物、真菌和微生物蛋白的新型食品基质,因其高蛋白含量、高生物学价值、良好的氨基酸谱和功能特性而得到探索。3D食品打印(3D-FP)是食品工业中一种前景广阔的开发技术。该技术已不断演进,并在美食学、个性化营养、新成分和新型感官特性等不同食品相关创新中得到应用。同样,人工智能(AI)方法也被用于预测食品加工和保藏条件以及食品质量和理化性质。
范围与方法:本综述研究了基于人工智能和3D食品打印的新技术趋势,重点关注新型蛋白质来源的探寻以及高蛋白含量食品的进一步开发,应用于食品工业/市场。本综述旨在概述人工智能与3D食品打印技术相结合在当前及新型蛋白质食品工业应用中的前景研究进展。
主要发现与结论:本综述阐述了所探索的、具有功能特性且是必需氨基酸良好来源的不同于动物来源的蛋白质替代品。此外,本综述展示了人工智能和3D食品打印技术,以及如何利用不同的设备和方结合不同蛋白质食物来源使用这些技术。3D打印可与人工智能结合用于工艺优化、可打印膏体的配方、打印后处理及自动化等。这两项技术都能促进开发具有高营养价值和在食品工业中具有高应用潜力的个性化食品。 -
用于菠萝质量监测的创新无损技术:最新进展与应用
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区食品标签
新鲜水果 品质、结构与理化性质 理化与结构表征计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据菠萝是重要的热带水果,是矿物质的重要来源,具有优良的营养成分。菠萝的质量评估是影响消费者偏好、采后处理和果实商业价值的重要因素。范围与方法:本综述介绍了菠萝的外部与内部质量属性,并讨论了用于评估菠萝质量属性的化学计量学与数据挖掘的应用。在此意义上,无损技术因其提供了一种更安全、更可靠、成本效益高且不损伤果实的质量评估方式而受到关注。主要发现与结论:本文重点关注新兴的无损技术,并全面综述了这些技术的应用。基于光谱的技术、计算机视觉、基于成像的技术、声学、超声波以及基于仪器的传感技术是创新的无损技术,可作为传统方法的有效替代方案,用于监测菠萝质量。文中还讨论了使用无损技术进行菠萝质量评估所面临的挑战与未来趋势。