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
-
基于可见/近红外光谱与多任务CNN的多个桃品种内部品质无损检测
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Youhua Bu, Jianing Luo, Qingji Tian, Jiabao Li, Mengke Cao, Shanghong Yang & Wenchuan Guo
食品标签
新鲜水果 其他品质相关性质 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据准确预测多个桃品种的硬度(FI)、可溶性固形物含量(SSC)和干物质含量(DMC)对提升市场价值至关重要。然而,传统机器学习方法需要为每个品质指标训练单独的模型,增加了模型复杂性。为解决这一问题,本研究提出了一种基于可见/近红外光谱的多任务卷积神经网络(MT-CNN)模型。对四个桃品种(‘北京8号’、‘白雪’、‘沙红’和‘锦春’)进行了品质指标(FI、SSC和DMC)与Vis/NIR光谱的测量,并开发了单任务(ST)和多任务模型。利用梯度加权类激活映射(Grad-CAM)识别了MT-CNN模型预测中贡献重要的光谱特征。结果表明,ST-CNN和MT-CNN模型均取得了良好性能。与ST-CNN模型相比,MT-CNN模型对四个桃品种的FI和DMC预测平均RMSEp分别降低了0.0256 N和0.0719%,而SSC的平均RMSEp仅增加了0.0192%。此外,基于四个桃品种建立的全局MT-CNN模型显示出显著改进,对FI、SSC和DMC的RMSEp分别为9.4648 N、0.5904%和0.7628%,R值分别为0.9496、0.9615和0.9522,且所有RPD值均超过3。总体而言,所提出的MT-CNN模型能有效预测桃的多种品质,并在不同品种间表现出强鲁棒性。
-
利用机器学习鉴定牡蛎水解物中新型鲜味肽及其味觉特性背后的机制
查看原文2025
Food Chemistry
中科院一区JCR一区Baifeng Fu, Minbo Li, Zhihui Chang, Junjie Yi, Shuzhen Cheng & Ming Du
食品标签
软体与贝类 品质、结构与理化性质 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 质构/流变/感官数据过量摄入钠会带来极大的健康风险,因此研究人员开始探索鲜味肽作为减少钠摄入量的潜在替代物质。本研究采用机器学习方法对鲜味肽(PQFAPEED、EEHPVLLTEA、DQAIPNKPEE)展开研究,测得其感官阈值分别为0.24、0.30和0.29毫克/毫升。分子对接研究表明,氢键与疏水相互作用是这类鲜味肽结合鲜味受体T1R1/T1R3的关键作用方式,同时鉴定出Val714、Leu852、Gln853和Glu855为关键氨基酸残基。将DQAIPNKPEE与3毫克/毫升氯化钠复配后,其咸味感知效果与5毫克/毫升氯化钠高度相近。此外,DQAIPNKPEE与PQFAPEED被证实具有增盐活性,研究还确定Ala283、Glu284、Glu286、Arg294、Arg330和Arg583是人跨膜通道样蛋白4(TMC4)的关键氨基酸残基。这类鲜味肽可替代氯离子激活TMC4蛋白,进而产生咸味感知。本研究证实了机器学习可高效筛选牡蛎源鲜味肽,并适用于探究鲜味肽与味觉受体的相互作用机制。
-
集成人工智能的生物纳米复合食品包装:可持续、功能性和智能化解决方案
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Nima Mobahi, Mohammad Amin Razavi, Mohammad Ekrami, Zahra Emam-Djomeh & Seyed Hadi Razavi
食品标签
包装设计与机械性能 活性包装 智能/指示型包装 循环经济与绿色供应链计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定背景:食品包装在保持产品质量、延长保质期以及确保整个供应链中的食品安全方面发挥着至关重要的作用。然而,人们对环境可持续性、食物浪费和公共健康的担忧日益加剧,这推动了包装从传统形式向具有活性、智能和环保特性的创新系统转变。
范围与方法:本综述批判性地审视了食品包装技术的最新进展,重点关注新兴材料、制造技术以及集成的智能功能。特别关注了生物聚合物基包装的发展,包括蛋白质、多糖和纳米纤维素,这些材料有望成为石油基塑料的替代品。探讨了包含抗菌和抗氧化剂的活性包装方法,以及利用传感器、指示器和数字工具来监测新鲜度和检测腐败的智能系统。还论述了人工智能(AI)和物联网(IoT)技术在智能包装中的整合应用。
主要发现与结论:本综述强调了人工智能和物联网在实时食品质量评估和供应链优化中的作用。它讨论了生命周期评估、监管考量、材料迁移和回收策略,以评估新型包装解决方案的可持续性和安全性。通过识别当前的挑战和研究空白,本综述全面展望了创新和商业化的机会,为推进符合环境、经济和消费者驱动优先事项的食品包装技术提供了路线图。 -
利用功能化合物和多元素结合机器学习融合方法的当归地理起源鉴别
查看原文2025
Food Chemistry
中科院一区JCR一区Ping Yu, Xinwei Yan, Jiashun Hong, Daocheng Li, Feng Xiong, Ruibin Bai, Jiang Yang & Lanping Guo
食品标签
其他根茎类 品质、结构与理化性质 其他植物化学物质计算机标签
K-近邻 分类/鉴别/等级评定保障食品可追溯性对于维护食品安全与真伪性至关重要。当归是一种药食同源食材,因其营养价值丰富、滋补功效显著而备受推崇,却频繁面临产地溯源造假问题。本研究选取16种功能化合物与40种多元素指标,对8个不同产地的当归样品开展地域特征分析及产地溯源鉴别研究。研究引入三种算法,基于变量重要性投影特征筛选出22个关键变量并进行二级融合所构建的K近邻(KNN)模型,在当归产地分类中表现最优,训练集与测试集的预测准确率均达100.00%。此外,研究确定经度、纬度、阳离子交换量、5℃以上生长度日积温以及干湿指数这5项环境因子,是影响当归产地特征的主要环境因素。
-
人工智能与食品风味:AI 模型如何塑造未来与风味食品开发的革命性技术
查看原文2025
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区Zhiyong Cui, Chong Qi, Tianxing Zhou, Yanyang Yu, Yueming Wang, Zhiwei Zhang, Yin Zhang, Wenli Wang & Yuan Liu
食品标签
感官科学与消费者研究 组学与高通量技术计算机标签
机器学习/统计学习 分类/鉴别/等级评定 知识抽取与语义理解 组学数据 公开数据集传统上依赖实验方法的食品风味科学,如今在人工智能(AI)的助力下正迈入一个充满希望的时代。通过将现有技术与人工智能相结合,研究人员能够在数字环境中探索和开发新的风味物质,节省时间和资源。越来越多的研究将利用人工智能和大数据来增强产品风味、提高产品质量、满足消费者需求,并推动该行业迈向更智能、更可持续的未来。在本综述中,我们详细阐述了风味识别的机制及其对营养调控的潜在影响。随着数据积累的增加和互联网信息技术的发展,食品风味数据库和食品成分数据库取得了巨大进步。这些数据库提供了各种食品化合物的营养成分、风味分子和化学性质的详细信息,为风味成分的快速评估和筛选技术的构建提供了宝贵的数据支持。随着人工智能在各个领域的普及,食品风味领域也迎来了新的发展机遇。本综述探讨了风味识别的机制,以及人工智能通过高通量组学数据和筛选技术在加强食品风味分析方面所发挥的作用。人工智能算法为科学改进产品配方、进而增强风味和实现定制化膳食提供了途径。此外,本文还讨论了将人工智能整合到食品风味行业所面临的安全挑战。