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
-
肉类切割行业的机器人化与智能数字系统:从机器人切割、感知与数字发展的视角
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区食品标签
畜肉 禽肉 鱼肉 过程控制与数字化 其他过程控制与数字化研究计算机标签
机器学习/统计学习 深度学习 过程控制与实时优化 模拟与数字孪生 可见光/RGB/视频数据 时序传感器/物联网数据肉类作为富含蛋白质的食物,为人类提供了必需的营养。预计未来十年肉类消费将增长15%,要求肉类产业提升其产能。然而,肉类切割行业恶劣的工作环境和长期繁重的工作量导致劳动力短缺。低利润和低产能要求创新的加工方法。因此,迫切需要一些新的自动化方法来应对这些挑战。伴随着工业4.0的发展,机器人化和智能系统逐步应用于肉类切割行业,这可以提供一种灵活、适应性强且可持续的加工方式。
范围与方法:本文采用系统性文献综述方法,筛选了50篇论文。本文概述了肉类行业在牲畜、禽类和鱼类切割机器人化方面的当前研究和商业应用。此外,强调了智能传感技术、先进切割技术以及一种称为肉类工厂单元的新型制造概念,以提升效率、可扩展性和模块化。最后,我们讨论了数字技术在肉类切割行业中的潜在应用以及旨在促进切割机器人化的未来研究重点。
主要发现与结论:通过集成灵巧的切割机器人、先进的传感技术和数字系统,肉类切割过程可以实现高度机器人化,推动从手工劳动向机器人化、高效和智能化制造的转变。因此,机器人化和智能数字系统可以为肉类切割行业提供一种全新的制造方法,并推动肉类工厂4.0的发展。 -
逆向设计与人工智能/深度生成网络在食品设计中的应用:全面综述
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区食品标签
保藏与贮藏 品质、结构与理化性质计算机标签
深度学习 生成对抗网络 大模型与 LLM 设计/生成与推荐食品材料科学已经发展到通过将食品结构、感官、营养、食品加工和消化与消费者的影响联系起来,以支持食品产品的开发。然而,食品设计尚未发展到能够应对食品系统日益增长的复杂性。理解、吸引注意力并将消费者需求转化为最终产品的化学和物理属性,仍然是食品行业面临的最大挑战之一。因此,支持食品设计的新方法是必要的。
范围与方法:本综述描述了在食品设计中利用人工智能(AI)/深度生成网络的应用现状,包括可用资源、新兴能力及其与逆向设计概念的关系。
主要发现与结论:食品设计和配方涉及复杂的过程,在开发数据驱动方法时需要考虑许多设计参数。已确定的大多数方法基于成分之间的关联,但对功能特性的关注较少。数据表示仍然是一个真正的挑战,也是实现真正且可应用的数字食品设计概念的一个非常重要的研究缺口。总体上,基于深度学习和自然语言处理的方法使用最多。基于深度生成网络的方法很少被描述,仍然是一个关键的研究领域。 -
机器学习在食品风味预测与调控中的最新进展与应用
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区食品标签
品质、结构与理化性质 特征风味 营养与生物功能计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 定量预测/回归分析食品风味是影响感官品质的关键因素。预测和调控风味可形成独特的风味特性,提高消费者偏好和食品可接受性。通过传统实验方法评估和调控风味耗时耗力,且无法处理大量数据。机器学习等计算方法能够准确高效地预测和调控复杂风味,因而持续受到关注。
范围与方法:本综述介绍了常用机器学习方法的原理和优势,包括支持向量机、决策树、随机森林、k-近邻算法、极限学习机、人工神经网络和深度学习,以及它们在食品风味预测与调控中的最新应用与前景。重点总结了基于分子结构、理化性质以及电子鼻、电子舌和气相色谱-质谱数据进行的食品风味预测。同时回顾了机器学习通过代谢物和基因对食品风味的调控。
主要发现与结论:与单一模型相比,多种机器学习方法的联合使用可提高风味轮廓、感知强度和感官品质分类的预测准确性。此外,不同技术的数据融合比单一数据输入表现出更好的风味预测性能。本综述表明,机器学习技术在预测风味形成机制、结构-风味质量的剂量效应以及指导理想风味化合物的生物/化学合成方面前景广阔,有助于满足消费者对健康美味食品的需求。 -
食品风味分析4.0:机器学习的跨领域应用
查看原文2023
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 特征风味 感官科学与消费者研究计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 定量预测/回归分析食品风味分析4.0源于工业4.0,它结合了机器学习(ML)和食品风味分析方法。目前,食品风味分析主要依赖于感官评价、仪器分析或两者的结合。近年来,机器学习已有效应用于食品风味的分析和预测。然而,很少有研究团队尝试总结机器学习与食品风味分析相结合的研究进展。
范围与方法:本研究重点综述了食品风味分析与监督学习算法相结合的最新进展,这些算法包括随机森林(RF)、支持向量机(SVM)、k-最近邻(KNN)、神经网络(NN)、深度学习(DL)和混合算法。
主要发现与结论:机器学习在肉类、水果、蔬菜、加工食品和发酵食品中挥发性芳香化合物的测定中保持了强大的预测性能。反向传播神经网络(BPNN)和KNN模型在分类方面都表现良好,准确率高于90%。相比之下,RF和SVM模型在分类和回归方面都提供了令人满意的性能。值得注意的是,BPNN模型在对极其复杂和相似的样品进行分析时获得了最高的分类准确率,而SVM模型在测量一系列肉类样品时被认为是理想的回归算法。总之,食品风味分析与机器学习相结合,在食品添加剂、质量和真实性的快速检测方面具有巨大潜力。 -
通过工业4.0维度为可持续食品包装创造新机遇:食物浪费视角的新见解
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区食品标签
新材料/包装与接触材料 包装与智能监测 感官科学与消费者研究 过程控制与数字化计算机标签
模拟与数字孪生不可生物降解的食品包装(主要是塑料)和食物浪费是两个主要问题,它们导致了严重的环境和经济挑战,以及潜在的人类健康和粮食安全风险。因此,人们正致力于转变食品生产和消费模式,并开发替代技术解决方案以缓解这些问题。范围与方法:本综述旨在讨论食品包装、食物浪费和可持续性之间的相互作用。简要总结了食品包装中常用的一些策略。强调了纳米生物技术、智能传感器和其他第四次工业革命(工业4.0)创新的重要性,重点聚焦这些智能技术在催生新前景方面的作用,例如开发和智能包装系统。此外,还提供了关于消费者对新型包装材料/技术的接受度的见解,并得出结论。主要发现与结论:基于工业4.0技术的多种创新食品包装解决方案正在开发中,改变了食品包装和消费的方式。确实,越来越多的证据表明,数字技术(特别是人工智能、大数据、区块链和3D打印)将对食品包装产生更大影响,即“包装4.0”意义上的影响。然而,仍需要更多的研究来充分利用先进技术的优势,使它们能够克服当前的障碍,实现更健康、更可持续的食品未来。