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
-
微型光谱仪与人工智能驱动探针在食品工业自动化中的应用
查看原文2025
Food Research International
中科院一区JCR一区Rani Puthukulangara Ramachandran, Alain Clément & Chyngyz Erkinbaev
食品标签
分选/分级/检验设备 过程控制与数字化 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析 过程控制与实时优化 红外/拉曼光谱数据光谱学是一种快速发展的分析技术,越来越多地被用作食品工业中的无损快速质量控制工具。基于光谱分析和建立的多变量预测模型,该技术适用于各种食品的在线和实时监测。通过集成到线内、线上或旁线系统中,光谱学能够监测关键质量属性、营养物、生物活性物质及特定分析物分子,从而提升产品的一致性和安全性。光谱仪器技术的最新发展,结合机器学习算法,进一步增强了其作为食品生产系统自动化和优化变革技术的潜力。尽管在此类应用中显示出巨大潜力,但将光谱技术成功整合到食品加工设施中仍面临挑战。这可以通过系统微型化和人工智能建模来实现。本综述总结并介绍了微型光谱学的过去和当前知识。重点概述了在线微型光谱学、设计与架构、在食品工业中的应用(包括过程监测与控制),以及诸如成本、模型可转移性和仪器差异等优势和局限性。
-
红外光谱结合机器学习:一种用于铁皮石斛原产地追踪及干物质含量预测的快速方法
查看原文2025
LWT
中科院一区JCR一区Yangna Feng, Shaobing Yang, & Yuanzhong Wang
食品标签
其他果蔬制品/植物类 食品安全与风险评估 其他安全问题 品质、结构与理化性质 光谱/色谱/质谱等分析方法计算机标签
循环神经网络 偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 多模态/融合数据 红外/拉曼光谱数据通过验证地理来源并快速分析和预测成分含量,评估铁皮石斛的质量是一个关键步骤。为此,采用傅里叶变换近红外(FT-NIR)和衰减全反射傅里叶变换中红外(ATR-FTIR)光谱对铁皮石斛的化学特征进行表征。二维相关光谱(2DCOS)图像提高了光谱分辨率,这对于分析光谱吸收峰尤为重要。此外,还探讨了红外光谱在追踪和预测不同地理来源铁皮石斛干物质含量(DMC)方面的潜力。比较了不同的光谱数据、预处理、特征变量选择和数据融合方法。基于原始FT-NIR光谱的偏最小二乘判别分析(PLS-DA)模型用于追溯铁皮石斛的来源,准确率达到100%。经过二阶导数(SD)处理的FT-NIR数据结合长短期记忆(LSTM)回归模型可以大致预测干物质含量(DMC)(R²p = 0.8026,RPD = 1.9149,RMSEC/RMSEP = 1.0433),为基于红外光谱的铁皮石斛研究提供了丰富的方法参考。
-
使用激光诱导荧光和加权算法增强单粒花生中黄曲霉毒素B1的检测
查看原文2025
Food Control
中科院一区JCR一区Chenghong Wang, Zhongjun Yan, Fei Shen, Qiuhui Hu & Xirong Huang
食品标签
豆类与坚果(及籽类) 微生物安全 光谱/色谱/质谱等分析方法计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 高光谱/多光谱光谱花生是一种全球重要的作物,易受黄曲霉毒素B1(AFB1)污染,对食品安全构成重大威胁。本研究采用激光诱导荧光光谱法(LIFS)检测单粒花生中的AFB1。模拟自然污染条件以获得具有不同AFB1水平的花生,并使用单探头和三探头方法收集表面荧光信号。通过湿化学方法量化毒素含量,并应用机器学习进行分类。结果表明,增加探针数量可显著提高检测精度并降低假阴性率(FNR)。提出了一种加权算法来增强光谱分析,该算法可以放大污染样本和未污染样本之间的差异。基于三探头加权荧光光谱数据的线性支持向量机(SVM)获得了最佳判别能力(准确率=100%)。此外,随机森林(RF)算法识别了六个关键波长,使SVM分类器能够以94.12%的准确率和0%的假阴性率预测污染情况。这种高灵敏度、高精度的方法为花生的快速、无损AFB1检测提供了可靠的技术方案,有望在食品安全监测中得到关键应用。
-
基于熵权法评价的综合得分M,采用响应面法(RSM)和人工神经网络-遗传算法(ANN-GA)优化淡水鱼中多种苯并咪唑的超分子溶剂微萃取工艺
查看原文2025
Food Chemistry
中科院一区JCR一区Qian Xu, Yanyan Gao, Wuying Yang, Jiahui Yan, Xiang Geng & Jianhua Xiong
食品标签
鱼肉 化学污染物 统计建模与仿真 其他特殊成分计算机标签
智能手机/其他 设计/生成与推荐本研究基于熵权法得到的综合评分M,结合响应面法(RSM)和人工神经网络遗传算法(ANN-GA),建立了一种简单高效的涡旋辅助超分子溶剂微萃取(VA-SUPRA-ME)方法,用于同时萃取淡水鱼中的8种苯并咪唑类化合物(BMZs)。将超分子溶剂(SUPRAS)加入鱼基质中,萃取得到的苯并咪唑通过高效液相色谱-光电二极管阵列检测器(HPLC-PDA)进行测定。该超分子溶剂由2毫升正癸醇、6毫升四氢呋喃和32毫升水组成。优化后的萃取方法(425微升超分子溶剂、涡旋4.75分钟、pH值6.5)线性良好,相关系数>0.9990。回收率在92.89%至112.29%之间,相对标准偏差(RSDs)<6.4%。检出限(LODs)为0.005至0.010毫克/千克,定量限(LOQs)为0.017至0.033毫克/千克。该方法具有萃取速度更快、溶剂用量更少以及多组分萃取效率高的特点。
-
通过归一化VNIR-SWIR透射高光谱成像和SPF-SSF-GSF-NLF融合方法改进荔枝果实中可溶性固形物和花青素的检测
查看原文2025
Food Chemistry
中科院一区JCR一区Teng Long, Kangning Wei, Binshan Huang, Jun Du, Run Kuang, Haitao Xu, Jing Zhao, Yubin Lan & Yongbing Long
食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 花青素与类胡萝卜素计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱高光谱成像(HSI)对水果内部成分含量的检测精度受到几何结构以及成分含量与光谱特征之间非线性关系的影响。针对这些问题,分别开发了基于光谱归一化和光谱特征(SPF)-图像特征(SSF)-几何结构特征(GSF)-非线性特征(NLF)融合的方法。为此,采用可见近红外-短波红外透射高光谱成像结合偏最小二乘回归(PLSR)模型来检测荔枝果实中的可溶性固形物含量(SSC)和花青素含量(AC)。结果表明,光谱归一化结合SPF-SSF-GSF-NLF融合使PLSR模型对SSC和AC的Rp²分别提高了17.47%和11.85%,其值分别达到0.9148和0.8455。此外,基于预测的SSC和AC开发的荔枝分级方法具有95.17%的高分类准确率。这些结果表明,所提出的方法能有效提高荔枝果实品质的检测精度。