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
      • 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
暂无筛选

标签记录(计算机学者)

可见光/RGB/视频数据

共 393 条结果

  • 用于智能手机传感检测四环素类抗生素的荧光-比色双模式策略

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Junjie Qi, Jingkun Li, Yuqi Wan, Guoyong Jiang, Yukihiro Ozaki, & Fuwei Pi

    食品标签

    液态乳 蜂蜜等天然糖 化学污染物 颜色与外观品质 常规理化指标测定 其他特殊成分

    计算机标签

    智能手机/其他 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据

    四环素类抗生素广泛用于动物源食品生产,其残留需要快速、便捷的监测方法。本研究基于 NH2-MIL-101(Fe)-Eu3+ 金属有机框架纳米探针,建立了用于智能手机传感检测四环素类抗生素的荧光-比色双模式策略。荧光响应由内滤效应和天线效应产生,TMB 辅助比色反应提供第二种可视化信号。该方法实现了高灵敏度四环素检测,检出限较低,并结合智能手机颜色识别和试纸检测实现便携式分析。研究采用快速双溶液提取流程,并通过等效性检验、Deming 回归和 Bland-Altman 分析与实验室提取方法进行比较。该策略在蜂蜜中得到验证,并进一步应用于牛奶、肉类和环境水样品,回收率良好。结果表明,该方法可为食品相关基质中四环素类抗生素残留的快速筛查提供实用的现场检测方案。

  • BTPM:基于 B 模式超声图像面向屠宰线分级的背膘厚度自动预测轻量化双分支框架

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Xinmiao Li, Jingxuan Qiu, Caiyun Liu, & Xin Wang

    食品标签

    畜肉 质构与流变性质 物理辅助加工 显微与成像技术 质构与流变测试

    计算机标签

    图像分割网络 模型可解释性 缺陷/异物检测与定位 可见光/RGB/视频数据 质构/流变/感官数据

    准确、快速测量背膘厚度对于猪胴体客观分级十分重要。本研究提出 BTPM,一种基于 B 模式超声图像自动预测背膘厚度的轻量化深度学习框架。该方法首先利用 U-Net 精确分割背膘区域,随后采用双分支特征提取网络。一个分支使用深度可分离卷积和挤压-激励注意力模块,从分割区域中分层提取具有判别力的纹理特征;另一分支直接从掩膜计算紧凑几何描述符。这些特征融合后通过 MLP 头进行回归,以估计背膘厚度。在专用数据集上的评估显示,BTPM 的 RMSE 为 1.184 mm,MAPE 为 4.37%,R2 为 0.943。模型在最常见背膘厚度范围 T1-T4 内表现稳健且准确,该范围覆盖 81.2% 样本,MAE 为 0.636-0.986 mm。Bland-Altman 分析确认其与人工测量高度一致。关键的是,模型在高准确性的同时实现 117.49 FPS 的高推理速度,显示出实际效率。Grad-CAM 可视化进一步表明,模型关注 B 模式图像中与背膘相关的区域,支持其预测可解释性。结果表明,BTPM 在实验室条件下可为背膘厚度评估提供准确高效的方法,其设计特征也提示其有望用于屠宰线操作,但仍需进一步验证。

  • 智能手机辅助荧光探针用于食品新鲜度检测:综合综述

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Tong-Tong Jia, Lirong Jiang, Dandan Guo, Yuxiang Li, Jian-Hua Qin, & Huawei Niu

    食品标签

    复合/即食/餐饮食品 食品安全与风险评估 质构与流变性质 常规理化指标测定 其他植物化学物质

    计算机标签

    智能手机/其他 分类/鉴别/等级评定 红外/拉曼光谱数据 可见光/RGB/视频数据

    全球对食品安全的重视提高了对创新新鲜度监测方案的需求。传统方法受到破坏性取样和流程耗时的限制,而荧光探针技术的最新进展提供了有前景的替代方案。本文考察用于监测食品新鲜度指标的荧光探针的设计、传感机制和性能,这些指标包括生物胺、挥发性有机化合物、pH 水平和硫化氢。不同于以单一技术为重点的既有综述,本文旨在通过将这些技术与智能手机应用集成来弥合食品新鲜度检测中的技术差距。文章还重点讨论荧光探针与试纸、凝胶和薄膜的集成,以实现无损、现场评估。此外,本文探讨当前进展、未来方向和克服挑战的策略。尽管已有进步,探针灵敏度、响应时间和实际适用性等问题仍然存在。未来研究应强调分子工程、纳米材料创新和安全的智能手机集成,以促进其广泛应用。

  • 增强树莓成熟度检测与分类:一种用于高效特征提取与精准分析的YOLO-CG-CPCA网络模型

    2025
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Yunfei Han, Dianbin Su, Huihui Xu, Xiaojun Meng, Baoya Wang, Deqing Wang, Lianming Xia, Xia Sun & Yemin Guo

    食品标签

    新鲜水果 其他品质相关性质 过程监测与在线检测 显微与成像技术

    计算机标签

    目标检测网络 其他深度学习结构 分类/鉴别/等级评定 可见光/RGB/视频数据

    由于微妙的成熟度变化和复杂的自然环境,准确高效地识别树莓成熟度仍然是一项具有挑战性的任务。本研究通过开发改进的YOLOv8模型,着重提高树莓成熟度分类的准确性和效率。开发并采用了基于移动成像的标准化暗箱成像系统,以确保图像采集的高度一致性和稳定性。为了解决细粒度的成熟度差异,模型引入了C2f-ContextGuided模块,以增强局部和全局特征提取,提高特征区分能力。此外,还引入了通道先验卷积注意力机制,以突出特征图中的关键信息。同时集成了Wise-IoUv2损失函数以提高定位鲁棒性。实验结果表明,所提出的YOLO-CG-CPCA模型在平均精度均值上优于基线YOLOv8s模型3.0%。此外,相较于Faster R-CNN、YOLOv5s、YOLOv7-Tiny、YOLOv10s和YOLOv11s,该模型分别取得了1.8%、0.9%、0.9%、2.5%和1.5%的相对提升。总之,所提出的模型显著增强了树莓成熟度识别的准确性和效率。它为浆果的智能采后分级设备开发提供了技术支持,并为草莓和蓝莓等其他小水果蔬菜的自动化检测提供了参考。

  • 采用微流控纸芯片和比色像素面积分析法同时定量测定饮料中的果糖和蔗糖

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Chan-Chiung Liu, To-Lin Chen, Hsing-Meng Wang, Kuan-Hsun Huang & Lung-Ming Fu

    食品标签

    其他饮料 品质、结构与理化性质 常规理化指标测定 碳水化合物与糖类

    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

    过量摄入糖分,尤其是来自果糖和蔗糖的糖分,与多种严重的健康问题相关,包括肥胖、2型糖尿病和心血管疾病。因此,本研究提出了一种快速高效的方法,利用微流控纸基分析装置(μPAD)结合像素面积图像处理法来定量测定饮料中的果糖和蔗糖浓度。该μPAD在不同的检测区域分别嵌入了两种试剂,即苯酚-丙酮-硼酸试剂(PABR)和苯酚-丙酮试剂(PAR),以分别实现果糖和蔗糖的同时检测。当接触饮料样品并在37°C下加热6分钟时,这两种试剂会在硫酸存在的情况下与糖分发生反应,生成品红色复合物。随后,使用自编软件对复合物的红、绿、蓝信号强度进行分析,根据之前在比色测试中获得的像素面积校准曲线来确定相应的果糖和蔗糖浓度。该装置对果糖和蔗糖的检测具有线性响应。在20–80 mM的实验操作范围内,该装置对果糖/蔗糖的联合检测呈现线性响应。采用空白信号平均值加上三倍标准偏差来确定估计的检测限(LODs),其中果糖的检测限为2.8 mM,蔗糖的检测限为4.2 mM。相关系数R²为0.9909。此外,使用高效液相色谱(HPLC)进行的验证实验表明,对十种商业饮料的检测误差小于6.0%,回收率超过94.7%。因此,所提出的方法为食品质量监测和饮料行业的糖分定量等多种应用提供了一种很有前景的手段。

跳转至

页

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=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!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=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!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=7.0!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=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!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

IF=7.3!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

活动详情请关注“食品AI荟”微信公众号