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 167 条结果
-
通过智能非迁移性抗菌包装实现精确肉类保存
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Jingnan Zhang, Zahra Teymouri, Lanqi Zhou, Mengyue Zhou, Zijian Zhi, Célio Dias Santos-Júnior, & Haizhou Wu
食品标签
畜肉 保鲜涂膜与保鲜剂 活性包装 货架期预测与品质劣变动力学计算机标签
机器学习/统计学习 过程控制与实时优化 时序传感器/物联网数据背景:肉类腐败是全球食品安全、公共健康和经济可持续发展的主要障碍,导致供应链各环节发生大量损失。传统的抗菌包装依赖活性物质的非控释扩散,存在非特异性活性、过早耗尽以及化学迁移和感官质量方面的担忧。这些限制正在推动向通过非迁移性活性包装实现的精准保鲜转变,将包装重新定义为一种能够破坏腐败机制的工程化界面。范围与方法:本综述聚焦于用于肉类精准保鲜的非迁移性活性抗菌包装。综述首先解析了肉类腐败的微生态和分子驱动因素,以确定可操作的靶点。然后,它对实现仿生抗粘附表面的材料策略、固定化接触杀菌剂(如抗微生物肽、多酚、阳离子基团)以及在pH变化、挥发性氮化合物或光照下激活的环境响应聚合物进行了关键评估。主要发现和结论:非迁移性膜将包装重新构想为一种工程化的、情境响应的界面:防止微生物附着,维持持久的抗微生物活性而不消耗,并对腐败信号触发按需响应。新兴前沿,包括用于靶向基因沉默的RNA工具、智能传感平台以及用于实时保质期预测的AI驱动建模,正在汇聚以实现闭环保鲜系统。这种系统可以自主检测食品变质信号,在需要的时间和地点启动抗菌防护,并根据每种产品的储存历史进行调整。这些进步共同促成了智能、精确驱动的包装,提高了食品安全性和可持续性,减少了肉类浪费,并增强了粮食安全。
-
基于智能手机的分子印迹纸基传感器用于牛奶、牛肉及水体中双氯芬酸钠的双模式检测
查看原文2026
Food Research International
中科院一区JCR一区Yongfei Zhou, Ning Li, Xinhua Zhou, Li Ming, Hongyan Zhang, Xiaobo Zhou & Can Zhang
食品标签
畜肉 液态乳 化学污染物 显微与成像技术计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据本研究构建了一种新型双模式纸基传感器,通过比色法与荧光检测联用,实现对生鲜牛奶、牛肉及水体基质中双氯芬酸钠(DFS)的快速、高灵敏定量检测。该传感器将硫化铜纳米花(CuS)与分子印迹聚合物(MIPs)相结合,具备高特异性与催化效率;同时硝酸铕聚合物(EuPMs)通过荧光猝灭效应提升检测灵敏度。依托智能手机搭建的分析平台可实现现场快速定量检测,且样品前处理简便,在实际基质中的检出限为 0.007 μM,加标回收率为 95.3%~114.4%。该创新方法不仅克服了传统检测方法的局限,还为农业食品供应链与农业环境中的药物残留监测提供了便携、经济的解决方案,有效弥合了传统实验室分析与现场即时检测之间的技术鸿沟。
-
基于 GC-MS 代谢组学的牛肉腐败标志物时间进程追踪:关联机器学习识别挥发物与理化品质下降
查看原文2026
LWT
中科院一区JCR一区Qiqi Di, Jiachen Lv, Hongman Hou, Jingran Bi, Hongshun Hao, & Gongliang Zhang
食品标签
畜肉 食品安全与风险评估 质构与流变性质 光谱/色谱/质谱等分析方法 常规理化指标测定 含硫植物化合物计算机标签
随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据 组学数据冷鲜牛肉因质构嫩、风味良好和营养价值高而受到消费者重视。然而,其易受微生物污染并发生腐败,导致货架期有限。本研究评价了冷鲜眼肉在 4 摄氏度下贮藏 0、3、6、9 和 12 天期间的品质变化。研究采用气相色谱-质谱鉴定出 140 种挥发性代谢物。通过方差分析和随机森林算法,筛选出 20 种差异丰度代谢物,如 trimethylamine、undecanone 和 2,3-dimethylpyrazine。代谢通路富集分析表明,硫代谢、苯丙氨酸代谢和烟酸/烟酰胺代谢在眼肉腐败中发挥核心作用。相关分析进一步阐明了品质指标与关键挥发性代谢物之间的关系。总菌落数与 2,3-dimethylpyrazine 和 2-(methylthio) acetaldehyde 强正相关,而与 2,6,10-trimethyltridecane 和 2-methyldecane 强负相关(|r| > 0.8)。6-Methylindole 与 pH、硫代巴比妥酸反应物和挥发性盐基氮强正相关(|r| > 0.86)。这些结果为理解冷藏期间牛肉品质演变提供了重要依据。
-
利用近红外光谱对德埃萨生态系统中橡果饲喂纯种伊比利亚猪进行活体真实性鉴别
查看原文2026
Food Control
中科院一区JCR一区Alberto Ortiz, Javier García-Gudiño, Lucía León, María Freire, & David Tejerina
食品标签
畜肉 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据本研究评估近红外光谱在德埃萨生态系统中纯种伊比利亚猪最终育肥阶段活体鉴别饲喂制度的可行性。研究共监测 167 头动物,覆盖三种饲喂策略,分别为橡果饲喂组(n = 40)、部分补饲组(n = 83)和完全补饲组(n = 44),这些策略在补充饲料水平和时间安排上不同。最终育肥阶段结束后,研究采集每头动物的近红外光谱。基于偏最小二乘判别分析建立的模型在外部验证中准确率超过 90%,Matthews 相关系数为 0.77,说明即使不同饲喂制度高度相似且均可获取天然资源,该模型仍具有较强区分能力。结果证实,NIRS 可作为可靠、无损、快速的工具,用于活体鉴别橡果饲喂伊比利亚猪,并有望加强可追溯性、防止欺诈行为,支持伊比利亚猪产业的官方检验和认证流程。
-
基于高光谱成像技术的羊肉多指标自适应预测模型
查看原文2026
Food Control
中科院一区JCR一区Yuzhong Chen, Xiaochun Zheng, Tengfei Li, Weiting Wang, Yanli Ma, Peng Hu, Jianfang Cao, Pengfei Du, & A.M. Abd El-Aty
食品标签
畜肉 质构与流变性质 颜色与外观品质 显微与成像技术 常规理化指标测定计算机标签
特征工程与选择策略 超参优化/自动机器学习 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据本研究提出了一种基于高光谱成像的羊肉多指标自适应同步预测模型。研究整合光谱特征、纹理特征、小波特征以及可见光区域颜色特征(L、a、b),构建多维信息空间,并引入自适应优化策略,包括自适应特征选择、自适应模型选择和自适应模型超参数优化。其中,pH 和菌落总数的预测效果最好,校正集 R2 分别为 0.953 和 0.973,预测集 R2 分别为 0.937 和 0.951;TVB-N 的校正集 R2 为 0.896,预测集 R2 为 0.856;L、a 和 b 的校正集 R2 分别为 0.872、0.837 和 0.938,预测集 R2 分别为 0.498、0.771 和 0.888。该研究为光谱多指标同步预测的应用提供了有价值的参考和技术支持,有助于相关研究和实际应用。