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 393 条结果
-
κ-卡拉胶/KCl 协同调控肌原纤维蛋白凝胶化:利用多模态神经网络解析凝胶结构与苦味掩蔽的内在关联
查看原文2026
Food Hydrocolloids
中科院一区JCR一区Rong Huang, Yapeng Fang, Hao Yin, Yu Zhong, Wei Lu, & Yun Deng
食品标签
肉类/蛋类与水产品 质构与流变性质 微观结构与成像 常规理化指标测定 质构与流变测试 显微与成像技术 蛋白质与氨基酸 盐替代品与其他代谢敏感因子计算机标签
深度学习 多模态基础模型 定量预测/回归分析 多模态/融合数据 可见光/RGB/视频数据 质构/流变/感官数据钠摄入过量是全球性的健康挑战,尤其是在加工肉制品中,NaCl 对产品功能特性和风味至关重要。尽管氯化钾(KCl)可用于降低钠含量,但其应用受到苦味和质构损失的限制。对于 κ-卡拉胶(KC)等水胶体如何通过调节微观结构克服上述问题,特别是在复杂蛋白质基质中的作用机制,目前仍缺乏充分认识。本研究在“溶液—凝胶化—凝胶”连续过程中,系统考察了 KCl 与 KC 对肌原纤维蛋白(MP)凝胶化动力学的协同影响。使用 KCl 部分替代 NaCl(替代比例为 10%~50%)使 MP 溶解度降低 2.63%~30.59%,并改变了蛋白质构象。添加 KC 提高了体系的表面疏水性、巯基含量、热稳定性和黏度,同时通过疏水作用和氢键促进 MP 结构展开与聚集。KC 显著提高了凝胶网络密度,使分形维数增至原来的 1.05~1.13 倍、硬度提高 8.94%~20.07%,并使持水能力提高 4.38%~23.21%。通过融合共聚焦激光扫描显微镜(CLSM)图像与理化数据,研究构建了多模态神经网络,可准确预测味觉和质构属性(R²>0.9),并确定水分迁移、分形维数和二硫键是主要影响因素。结果表明,KC 可通过硫酸基介导的结合,使 K⁺ 固定在致密化蛋白质网络中,从而掩蔽 KCl 引起的苦味;该过程在保持咸味感知的同时,有策略地限制了钾离子的释放。该多模态深度学习模型为低钠蛋白质体系的结构—味觉关系提供了前所未有的认识,并为预测和优化重组肉制品的感官品质提供了稳健框架。
-
基于MIL-100(Fe)@Hemin@CDs仿生纳米酶的智能手机辅助纸质生物传感器用于猪肉新鲜度监测
查看原文2026
Food Chemistry
中科院一区JCR一区Xue Pan, Yiheng Deng, Wenhao Luo, Gege Su, Shaozong Wu, Hua Zheng, Hongtao Lei, & Zonglin Guo
食品标签
畜肉 货架期预测与品质劣变动力学 过程监测与在线检测 光谱/色谱/质谱等分析方法 嘌呤计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据为了提高催化活性,MIL-100(Fe) 被功能化处理带有血红素和玉米芯碳点(CDs),以模拟天然酶的口袋状结构,并将所得纳米酶整合到基于纸张的生物传感器中,结合智能手机平台,实现对次黄嘌呤的精确检测和猪肉新鲜度评估。结果表明,基于 MIL-100(Fe) 并结合血红素和碳点的纳米酶有效地模拟了天然酶的口袋状结构,表现出高催化活性,同时增强了 K m、V max、热稳定性和抗干扰性能。所开发的生物传感平台在 2 - 160 μM 范围内表现出优异的线性,并具有 1.13 μM 的低检测限。这些研究结果表明,MIL-100(Fe)@Hemin@CDs 与智能手机辅助的纸基生物传感器结合时,为猪肉的新鲜度实时评估提供了一种可靠的策略。
-
基于 RB@BSA-AuNRs 的智能手机 APP 双模荧光 / 比色便携式传感器用于植物源制品品质鉴别
查看原文2026
Food Research International
中科院一区JCR一区Hengye Chen, Xueqing Zeng, Guanghua Lei, Yun Huang, Wanjun Long, Wei Lan, Yuting Guan & Haiyan Fu
食品标签
食用花卉 食品安全与风险评估 常规理化指标测定 显微与成像技术 多酚与黄酮计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 质构/流变/感官数据原料的地理来源对植物源产品(PDPs)的多酚(PPs)组成具有关键影响,进而决定其品质与真伪。本文以菊花(CF)为模型,构建了一种基于智能手机应用的双模式(比色/荧光)便携式传感平台,可实现植物源产品的产地快速溯源与品质预测。该传感器基于罗丹明B标记的牛血清白蛋白与金纳米棒复合纳米材料(RB@BSA-AuNRs)。在比色模式下,多酚可诱导牛血清白蛋白从金纳米棒表面脱离,改变金纳米棒的长径比并产生显著的颜色变化;在荧光模式下,该相互作用可调控罗丹明B与金纳米棒之间的门控荧光共振能量转移(Gate-FRET)过程及内滤效应(IFE),从而产生比率型荧光响应。不同产地菊花中多酚含量的差异可形成独特的比色与荧光特征信号,这些信号由智能手机采集,通过定制应用程序处理,并经云端机器学习算法分析。该集成系统对产地分类的平均准确率达97%,对特定化合物含量及抗氧化活性的预测误差在2%至19%之间。所构建的平台为富含多酚的植物产品提供了一种快速、便携、低成本的现场品质评价与溯源方法。
-
基于低结晶度纳米酶标记的双模侧向流生物传感结合机器学习指导的食品细菌污染风险分层
查看原文2026
Food Research International
中科院一区JCR一区Rui Shu, Sijie Liu, Huilin Jia, Lei zhao, Ibrahim A. Darwish, Jianlong Wang & Daohong Zhang
食品标签
软体与贝类 探针与分析传感材料 微生物安全 显微与成像技术 微生物计数与生长曲线计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 质构/流变/感官数据致病菌持续威胁公共卫生安全,这推动了对集快速现场检测与风险导向评估于一体的分析方法的需求。本研究以墨鱼墨纳米颗粒(CPB NPs)为载体生长低结晶度普鲁士蓝纳米颗粒(PBNPs),构建了一种多功能纳米酶标记的双模式(比色/催化)侧流生物传感器(LFB),用于检测鼠伤寒沙门氏菌。墨鱼墨来源的色素调控纳米级低结晶度PBNPs的形成,提升了催化活性位点的暴露程度,改善了分散稳定性,并赋予其天然的生物相容性。CPB NPs展现出显著增强的过氧化物酶样活性,可在侧流生物传感器上产生双比色信号,相较于传统胶体金检测法(检测限10⁵菌落形成单位/毫升),灵敏度提升了100倍(检测限10³菌落形成单位/毫升)。本研究进一步构建了神经网络机器学习模型,该模型可将侧流生物传感器的多特征检测结果转化为定量风险等级,预测准确率达95.7%;对致病菌浓度呈现良好的线性关系(决定系数R²分别为0.942和0.962),且训练集与测试集的平均绝对误差较低(分别为0.176和0.208)。此策略将侧流生物传感器从定性检测升级为致病菌监测的风险预测工具。
-
梨霉心的声振检测:结合图像编码和混合深度学习的新方法
查看原文2026
Food Control
中科院一区JCR一区Kang Zhao, Yue Yang, Yunhao Zhang, Ye Song, & Tao Shen
食品标签
新鲜水果 显微与成像技术计算机标签
其他深度学习结构 梯度提升决策树 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据现有梨霉心声振检测技术自适应特征提取能力较弱,对早期霉心梨的区分准确率较低。为解决这一问题,本研究提出一种“单点激励-双点感知”声振方法,并结合图像编码和混合深度学习模型。研究使用自制声振测试系统获取梨的声振信号,并利用改进图像编码方法将声振信号转换为特征图像。随后,采用由深度可分离卷积改进的 DSC-SqueezeNet 特征提取器和视觉 Transformer 特征提取器,自适应提取与梨霉心相关的深层特征,并使用 t-SNE 对两类特征提取器得到的深层特征进行定性和定量聚类分析。结果显示,DSC-SqueezeNet 从多尺度非对称递归图特征图像中提取的深层特征在类间分离度和类内紧凑性方面优于 ViT,DB 为 0.1981、CH 为 4409.7842,更能表征三类梨响应信号图像的细节信息。最后,将最优特征图像提取的深层特征输入多层感知机和 XGBoost 两类分类器,并通过 Optuna 优化超参数,构建 DS-OPMLP 和 DS-OPXG 识别模型。分类结果表明,以 MARP 为输入的 DS-OPXG 判别模型在测试集上准确率达到 95.83%,比 DS-OPMLP 高 5.56 个百分点;对轻度霉心梨的灵敏度和特异性分别为 96.15% 和 95.65%。消融实验验证了 DSC 与 XGBoost 融合的有效性。在外部验证集中,DS-OPXG 仅将一个轻度霉心梨判为重度霉心梨,健康梨、轻度霉心梨和重度霉心梨的分类准确率分别为 90.48%、97.44% 和 86.49%。因此,MARP 与混合深度学习构建的 DS-OPXG 模型可有效捕获声振信号细节,提高轻度霉心梨判别准确率,对梨内部病害声振无损检测具有实际应用意义。