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
-
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）
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
标签记录（计算机学者）
共 114 条结果
-
基于蒙特卡罗的预测模型用于支持快餐薯条中丙烯酰胺风险缓解
查看原文
2026
Food Control
中科院一区JCR一区
Jamaludin Nur Hidayah, Ahmad Faizal Abdul Razis, Nuzul Noorahya Jambari, Chai Lay Ching, Lijun You, & Maimunah Sanny
食品标签
马铃薯 植物油 化学污染物 过敏原与毒性问题 常规理化指标测定 标准/法规/数据库分析 其他特殊成分计算机标签
机器学习/统计学习 定量预测/回归分析 合成/仿真数据为主丙烯酰胺是一种可能的人类致癌物，可通过美拉德反应形成，仍是油炸马铃薯产品中的持续食品安全问题。尽管已有标准操作程序，现场观察显示快餐油炸操作仍存在显著差异，这些差异来自原料组成、油脂管理、温度、时间和人工决策。本研究开发并验证了一种基于多元线性回归的蒙特卡罗预测模型，用于利用部分快餐连锁店的实测数据量化细薯条中丙烯酰胺形成。模型在 @RISK 软件中运行，设置 10000 次迭代和 3 次重复，将真实操作变异纳入后生成概率预测，且与实测数据高度一致（Kolmogorov-Smirnov，p = 1.000）。与受控实验室条件下建立的模型不同，该方法反映了商业环境复杂性，因此更适合风险管理。敏感性分析确定葡萄糖含量、水分、油炸时间和温度是最有影响的变量。情景分析表明，将油炸温度保持在 170 °C 以下并将油炸时间限制在 3 min 以内，是影响大且可行的缓解措施。其他关于油脂类型、解冻方式和炸锅使用的情景也揭示了造成未解释变异的操作因素，为风险降低提供补充路径。该模型可在多种油炸实践中提供量化、情景化结果，使监管机构和行业利益相关方在实施前评估干预效果。虽然本文以薯条丙烯酰胺为例，但该框架可适用于其他化学危害和食品部门。
-
基于近红外光谱的特级初榨橄榄油货架期氧化实时评估与未来预测
查看原文
2026
Food Control
中科院一区JCR一区
Ibuki Kusumoto, Shunji Kato, Daitaro Ishikawa, Yurika Otoki, Yukihiro Ozaki, & Kiyotaka Nakagawa
食品标签
植物油 氧化、褐变等化学变化 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据脂质氧化是决定特级初榨橄榄油货架期的关键因素。传统利用近红外光谱评估脂质氧化的方法大多局限于特定条件下单一时间点的快照分析。本研究提出两种新方法以突破该限制：一是实时评估正在进行的脂质氧化，二是基于真实条件预测未来脂质氧化进程。研究使用 50 种商业 EVOO 产品，样品经历短期热氧化（90 °C，12 h）和长期模拟贮藏（24 °C，32 个月）。整合预氧化、短期加热后和长期贮藏后三种氧化状态的统一偏最小二乘回归模型表现出适合粗筛的预测能力，校正和验证的 R2 分别为 0.930 和 0.823，RPD 分别为 3.78 和 2.37。此外，仅基于开封时预氧化 NIR 光谱建立的未来预测模型显示，可早期预测短期加热和长期贮藏下的货架期变化；短期加热模型校正和验证 R2 分别为 0.818 和 0.502，RPD 为 2.36 和 1.36；长期贮藏模型校正和验证 R2 分别为 0.801 和 0.470，RPD 为 2.24 和 1.28。光谱分析识别出 5264 cm-1 处与水相关的谱带为关键理化指标，提示由含水量反映的促氧化剂或抗氧化剂分布可能在预测未来氧化进程中发挥关键作用。该工作将 NIR 光谱从描述性技术扩展为连续评估和早期预测 EVOO 货架期的有力平台。
-
基于机器学习和拉曼光谱的猪油多指标定量测定：自动超参数优化的 PCA-KNN 框架
查看原文
2026
Food Control
中科院一区JCR一区
Zixin Ma, Zhuangwei Shi, Xiaohong Liang, Jianchen Zi, Chenhui Wang, Yongkun Luo, Hai Bi, Shi-Chen Su, & Yunhao Su
食品标签
植物油 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常规理化指标测定 脂质与脂肪酸计算机标签
偏最小二乘法 K-近邻 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据酸价、过氧化值和含水率是猪油质量的重要指标，但传统检测方法耗时，难以用于快速多指标测定。本研究提出了一种结合拉曼光谱与 PCA-KNN 的机器学习框架，用于测定猪油 AV、POV 和 MR，并设计自动超参数优化方法。研究采集 70 瓶猪油样品，并划分为由不同拉曼光谱仪采集的两个数据集。每个数据集包含 35 瓶样品，每瓶装入 12 个比色皿并重复测量 5 次；剔除无效光谱后，数据集 1 和数据集 2 分别得到 2076 和 2081 条有效光谱。PCA 维度通过基于垂线的肘点法确定，KNN 邻居数通过贪婪搜索选择。交叉验证结果表明，PCA-KNN 在三个指标上均优于 KNN、PLS-KNN 和其他模型。AV 预测在两个数据集上的 R2 分别为 0.914 和 0.859；POV 预测 R2 分别为 0.967 和 0.932；三种 MR 水平分类准确率分别为 0.946 和 0.910。该框架展示了拉曼光谱结合自动化机器学习参数选择用于动物油脂质量快速分析的稳健性。
-
玉米热风与微波干燥的比较评价：生化稳定性、脂肪酸谱与 ANN 建模
查看原文
2026
LWT
中科院一区JCR一区
Necati Cetin, Beyza Ciftci, Kevser Karaman, & Mahmut Kaplan
食品标签
玉米 植物油 食品安全与风险评估 品质、结构与理化性质 常规理化指标测定 矿物质与微量元素计算机标签
深度学习 定量预测/回归分析 红外/拉曼光谱数据采后干燥是决定玉米籽粒贮藏安全和营养稳定性的关键步骤。本研究评价了八种干燥条件对三种玉米品种（ADA 13.4、Pioneer-P1921 和 Dekalb-DKC6589）生化组成和脂肪酸谱的影响，包括日晒、温室、冷冻干燥、200 W 微波、200 W + 60 摄氏度复合干燥以及 40、60 和 80 摄氏度热风干燥。同时，研究使用人工神经网络预测质量损失动力学的时间变化。不同干燥方法和品种之间存在显著差异（p <= 0.01）。冷冻干燥保留最高油脂（最高 52.0 g/kg）、支链淀粉（731.8 g/kg）和总淀粉（750.5 g/kg）含量，而微波和复合干燥使油脂降至 24.9-25.6 g/kg，并造成显著蛋白损失。温室干燥保留较高蛋白（86.4-89.5 g/kg）和直链淀粉（290-320 g/kg），显示其作为节能替代方案的潜力。脂肪酸稳定性方面，冷冻干燥和低温干燥最适合保持相对不饱和脂肪酸谱；例如 Dekalb-DKC6589 冷冻干燥保留 608.4 g/kg 亚油酸和 234.4 g/kg 油酸，而高温处理使饱和脂肪酸（棕榈酸 + 硬脂酸）相对比例增加至 120-140 g/kg，可能是由于不饱和脂肪酸在严苛干燥条件下更易发生氧化降解。高温干燥下矿物质损失更明显，例如 ADA 13.4 在 80 摄氏度干燥时 Ca 和 Zn 分别降至 196.9 和 16.15 mg/kg，而冷冻干燥可在 Pioneer-P1921 中保留较高 Fe 和 Zn（分别为 49.93 和 47.83 mg/kg）。ANN 模型在温室和热风等较稳定干燥条件下表现出较高预测性能（R2 > 0.96），但在快速微波辅助过程中由于随机水分损失，准确率较低（R2 < 0.80）。总体而言，结果揭示了加工速度与营养品质之间的权衡，说明温室和低温干燥具有应用前景，干燥方案应根据品种特异性响应进行优化。
-
橄榄油感官剖析的新方法：利用近红外光谱和开源软件预测关键属性
查看原文
2026
Food Control
中科院一区JCR一区
María-del-Mar Garrido-Cuevas, Ana-María Garrido-Varo, María-Teresa Sánchez, & Dolores Pérez-Marín
食品标签
植物油 特征风味 感官科学与消费者研究 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
偏最小二乘法 随机森林 缺陷/异物检测与定位 红外/拉曼光谱数据 质构/流变/感官数据感官评价是橄榄油分类的重要依据，但耗时且依赖训练有素的品评小组。本研究评估了近红外光谱结合开源软件快速预测橄榄油关键感官属性和商业类别的可行性。研究共分析 488 个橄榄油样品，使用三台近红外仪器，包括便携式设备和台式设备。研究采用偏最小二乘判别分析和随机森林模型对果香和缺陷进行分类，并采用偏最小二乘回归预测果香、苦味和辛辣感强度。模型取得较高分类性能，果香分类准确率超过 94%，缺陷分类准确率超过 82%。感官强度定量预测表现为中等水平，RPDp 为 1.12-1.57。低成本便携式设备的表现接近台式设备。研究表明，近红外光谱和开源化学计量工具可支持橄榄油快速现场感官剖析和质量控制。
