01 / 01

类目筛选(食品学者)

清除筛选
  • 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
      • 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)

清除筛选
  • 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)

清除全部筛选
暂无筛选

标签记录(计算机学者)

暂无筛选

1098 条结果

  • 计算机视觉、物联网和数字孪生在食品质量与安全评估中的创新融合

    2025
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    食品标签

    食品安全与风险评估 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 统计建模与仿真

    计算机标签

    深度学习 模型设计/优化策略 迁移学习/领域自适应 模型轻量化/边缘计算 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 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 文本/知识库/法规数据 多模态/融合数据

    确保食品质量与安全是公共卫生和经济稳定的关键优先事项。传统的食品质量评估方法虽然有效,但通常劳动密集、具有破坏性或缺乏可追溯性和透明度。深度学习和计算机视觉的最新进展引入了数字化、智能化、经济高效且自动化的解决方案。
    范围与方法:本综述介绍了深度学习和计算机视觉的典型工作流程,从数据采集和预处理到模型选择、训练和验证评估,并总结了深度学习和计算机视觉在食品不同领域的应用,如图像分类、目标检测、图像分割和图像生成,以及针对不同任务的模型优化策略。重点阐述了物联网、数字孪生、计算机视觉和深度学习技术在食品工业中的应用。此外,本综述还讨论了迁移学习和模型压缩方法,并回顾了轻量级模型和嵌入式系统在食品工业中的应用。
    主要发现与结论:计算机视觉、深度学习、物联网和数字孪生等技术的创新融合,增强了食品的可追溯性和透明度,并促进了可持续发展。云计算和大数据技术的进步推动了这些技术的深度融合,使得食品生产能够实现实时、准确和动态的决策。展望未来,研究的重点应放在提高标注数据集的可用性和质量,增强模型的可解释性和鲁棒性上。

  • 乳酸菌发酵蓝莓汁外多糖产生研究:优化、发酵特性与可见近红外光谱模型

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    食品标签

    发酵食品及酱腌制品 营养与生物功能 过程控制与数字化 光谱/色谱/质谱等分析方法 传统统计分析与回归 植物化学/生物活性成分

    计算机标签

    机器学习/统计学习 随机森林 序列到序列/编码-解码 定量预测/回归分析 红外/拉曼光谱数据 中等规模数据集

    研究了蓝莓汁发酵后外多糖的产生情况。在温度26.5°C、pH值5.5、接种量5.4%和葡萄糖添加率9.1%的条件下,使用人工神经网络和遗传算法实现了外多糖产率2.2±0.1克/升(增加32.5%)。在最佳条件下,可活细胞计数和总酸度分别增加了2.0 log CFU/mL和1.6倍,而酚类和花青素含量分别减少了9.26%和7.86%。这些成分的变化影响了外多糖的生物合成。可见光近红外光谱检测到了与外多糖主要官能团相关的-羟基和-CH吸收带。基于谱系结果构建了预测模型。采用竞争性自适应加权抽样和随机森林,提升模型在R值下的预测表现C= 0.936 和 RP= 0.835,表明发酵过程中外多糖含量的良好可预测性。

  • ANN-GA优化复合色保护剂结合磁场辅助冷冻:对蘑菇(双孢子伞)质量的影响

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    食品标签

    食用菌菇 其他加工技术 其他品质相关性质 理化与结构表征

    计算机标签

    深度学习 超参优化/自动机器学习 可见光/RGB/视频数据 质构/流变/感官数据

    由于含水量较高,冷冻蘑菇(双孢菌)受到冰晶形成的严重影响,可能导致组织结构破坏、严重褐化、高汁液流失以及难以维持良好的感官特性。为提升冷冻双孢子伞的质量,本研究采用人工神经网络和遗传算法(ANN-GA)优化复合色保护剂的用量,并通过 确定不同磁场辅助冻结条件下的冻结曲线、颜色变异、纹理和结构、滴落损失,确定了双孢子鱼的最佳冷冻条件以及水分分布。此外,利用X射线μCT拍摄了三维图像,以表征样品的微观结构。其中,6 mT磁场辅助冷冻处理组显著优于对照组,结果显示磁场辅助冷冻结合化学色保护剂作为复合加工技术,提高了冷冻双孢子伞的质量。这为增强冷冻双孢子伞的加工提供了理论基础和技术支持。

  • 基于暹罗网络的对比学习对黄曲霉毒素B1进行光谱智能检测

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    食品标签

    谷物/块根/豆与坚果类 食品安全与风险评估 微生物与发酵实验

    计算机标签

    卷积神经网络 其他深度学习结构 模型可解释性 分类/鉴别/等级评定 高光谱/多光谱光谱

    黄麴毒素,即花生、玉米及其衍生物中的有害物质,带来了重大健康风险。为此,本研究引入了创新的MSGhostDNN模型,将对比学习与多尺度卷积网络相结合,实现精确的黄麴毒素检测。该方法显著提升了特征辨别能力,预训练模型下检测准确率达到了令人印象深刻的97.87%。通过应用Grad-CAM,它进一步优化模型,识别关键波长,特别是416纳米,并聚焦于40个关键波长,以实现最佳性能,准确率达97.46%。该研究还采用了任务降维方法进行持续学习,从而实现花生和玉米中黄麴毒素谱系的有效持续监测。这种方法不仅提高了黄麴毒素的检测效率,还为快速在线检测类似毒素树立了先例,为减轻黄麴毒素暴露相关的健康风险提供了有前景的解决方案。

  • 长程红外吸收光谱和快速质谱,用于快速在线测量红茶发酵中挥发性有机化合物

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    食品标签

    茶/茶饮料 过程监测与在线检测 光谱/色谱/质谱等分析方法 传统统计分析与回归

    计算机标签

    机器学习/统计学习 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 组学数据

    发酵是决定红茶品质的关键过程。传统的物理和化学分析耗时,无法满足在线监测的需求。现有快速检测技术无法确定发酵不同阶段产生的特定挥发性有机化合物(VOCs),导致模型可迁移性较差;因此,当前红茶发酵程度主要依赖茶师的感官判断。本研究采用了质子转移反应质谱(PTR-MS)和 傅里叶变换红外光谱结合不同注射方法采集样品中的VOCs,明确了特定VOC变化规则,并在主成分分析(PCA)后建立了极致学习机(ELM)模型,预测准确率分别达到95%和100%。最后,根据各自的优势,讨论了这两种技术在实际红茶生产中的应用场景。

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=12.4!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=8.2!征稿 | Food Chemistry X:Wine Chemistry

2026.05.31

葡萄酒与AI

了解更多

IF=8.2!征稿 | Future foods: Food Informatics, Artificial Intelligence, and Large Language Models in Future Food Research

2026.05.01

食品科学与AI

了解更多

IF=7.8!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.4!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=6.8!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

IF=5.9!征稿 | Food Bioscience: Chemistry and Emerging Techniques in Food Bioactive Development: A Special Issue Honoring 20 Years of NAJUA

2026.04.30

成分分析与AI

了解更多

IF=6.3!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=5.2!征稿 | International Journal of Food Microbiology: Fermented Foods

2026.05.31

发酵食品与AI

了解更多

IF=4.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

活动详情请关注“食品AI荟”微信公众号