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 114 条结果
-
基于纳米修饰比色传感器结合近红外光谱法无损检测玉米油中多种重金属
查看原文2022
Food Control
中科院一区JCR一区Hao Jiang, Hao Lin, Jinjin Lin, Selorm Yao-Say Solomon Adade, Quansheng Chen, Zhaoli Xue, & Chenming Chan
食品标签
植物油 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据本研究旨在开发一种新型纳米修饰比色传感器结合近红外光谱技术(NIRS) 的检测方法,用于玉米油样品中铅(Pb)、汞(Hg)两种重金属的检测。该比色传感器以化学响应染料为基底材料,通过引入高亲和力的二甲基嘧啶胺(DPA)与多孔二氧化硅纳米球(PSNs)进行修饰,实现了传感器灵敏度与稳定性的双重提升。研究人员借助嗅觉可视化系统,筛选出对铅、汞离子具有特异性响应的比色传感器,用于混合重金属体系的检测。实验采用近红外光谱仪(光谱范围 899.20~1724.71 nm)采集传感器的光谱响应数据,并结合多种偏最小二乘(PLS)模型,对玉米油中混合重金属的反射光谱数据展开分析。
结果证实,该传感器对铅、汞具备优异的检测准确性。其中,蚁群优化偏最小二乘模型(ACO-PLS) 在低浓度重金属区间(10~100 ppb)表现出最优检测性能。在含有镁离子(Mg 2+)、锌离子(Zn 2+)、钴离子(Co 2+)、钠离子(Na +)、钾离子(K +)等干扰离子的玉米油样品中,该模型对铅、汞检测的预测决定系数(Rp2)分别达到 0.9793 和 0.9510,检出限(LOD)则分别低至 5 ppb 与 7 ppb。研究采用电感耦合等离子体质谱法(ICP-MS)验证了本方法的有效性与稳定性。综上,该方法为食用油中多组分重金属的无损检测提供了极具潜力的技术方案。 -
基于拉曼光谱和一维卷积神经网络对玉米-橄榄混合油的定量分析
查看原文2022
Food Chemistry
中科院一区JCR一区Xijun Wu, Shibo Gao, Yudong Niu, Zhilei Zhao, Renqi Ma, Baoran Xu, Hailong Liu & Yungang Zhang
食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据调和植物油是植物油市场中的重要产品,对高价值植物油进行定量检测,对于维护消费者合法权益具有重要意义。本研究基于拉曼光谱,建立了 一维卷积神经网络(1D CNN) 定量识别模型,用于测定玉米 - 橄榄油调和油中橄榄油的添加量。结果表明,基于 315 张扩展平均拉曼光谱构建的 1D CNN 模型可实现橄榄油含量的定量检测,其 预测集决定系数(Rp2)和预测集均方根误差(RMSEP) 分别为 0.9908、0.7183。与偏最小二乘回归(PLSR)、支持向量回归(SVR)相比,该模型指标虽非最优,但为植物油定量识别提供了一种新的分析方法。
-
利用荧光激发发射矩阵预测特级初榨橄榄油的苦味和辛辣味:一项可行性研究
查看原文2022
Food Chemistry
中科院一区JCR一区Beatriz Quintanilla-Casas, Åsmund Rinnan, Agustí Romer, Francesc Guardiola, Alba Tres, Stefania Vichi & Rasmus Bro
食品标签
植物油 特征风味 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据与其他食品不同,初榨橄榄油必须开展感官评定,当前该评定依赖经专业培训的人类感官评定小组,此模式存在诸多缺陷,可能影响检测效率与方法稳健性。因此,开发可作为筛查工具、用以辅助感官小组的仪器分析方法,具有至关重要的意义。本研究旨在探究激发 - 发射荧光光谱法(EEFS) 用于预测苦味与辛辣度的可行性,原因是这两种感官属性均与极性酚类等荧光团化合物相关。研究采用官方感官小组测定的 250 份样品的苦味与辛辣度强度值,结合激发 - 发射矩阵数据,构建并对比了多种偏最小二乘回归(PLSR) 模型。基于平行因子分析(PARAFAC) 得分与二维展平数据建立的 PLSR 模型均取得良好效果。与模型相关性最高的 PARAFAC 得分与初榨橄榄油酚类物质光谱特征一致,证明激发 - 发射荧光光谱法可作为适配需求的筛查工具,辅助感官小组开展评定工作。
-
食品标签
植物油 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据本研究建立了一种基于傅里叶变换红外光谱(FTIR)结合化学计量学的食用油样品真伪鉴别新型改良方法,并构建了判别分析模型。在此基础上,实现对11 个种类、共 135 个样品的100% 正确分类;针对 91 个纯品油样与 231 个调和油样的外部验证识别率分别为100%和92.6%。研究同时构建了以茶籽油为例的食用油掺假通用定量模型,经优化确定采用反向区间偏最小二乘最优模型,所选用光谱区间为3100∼2900 cm−1、1800∼1700 cm−1、1500∼1400 cm−1、1200∼1100 cm−1,模型表现优良。此外还建立了单一掺假油专用子模型,其预测精度更高。基于所建立的傅里叶变换红外光谱定性与定量方法,可对茶籽油调和油中的掺假油实现快速筛查、有效区分与准确定量。
-
基于化学计量学方法研究商业单甘油酯诱导的菜籽油凝胶化
查看原文2022
Food Chemistry
中科院一区JCR一区Aurélie Monié, Sophie Franceschi, Stéphane Balayssac, Myriam Malet-Martino, Mathieu Delample, Emile Perez & Jean-Christophe Garrigues
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 脂质与脂肪酸计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 红外/拉曼光谱数据市售富含单甘酯(MGs)的油脂胶凝剂是酰基甘油酯构成的复杂混合物,其胶凝性能随所用基础油种类与胶凝剂浓度的不同而发生变化。本研究建立了一套化学计量学方法,用以识别胶凝过程中的关键影响参数。研究采用气相色谱(GC)与核磁共振(NMR)技术对混合物中的脂肪酸及酰基甘油酯组分进行定性解析,并定义了相应分析参数;通过计算特定酰基甘油酯类群与组分比例,实现分析结果的简化归纳。为确定关键分析参数,本研究将人工神经网络应用于定量结构 - 性质关系(QSPR) 研究,关联经流变学振荡实验测定的胶凝性能参数。结果表明:低胶凝剂浓度下,富含 C16:0 的单甘酯与特征异构体比例均对储能模量G′存在正向促进作用;高浓度条件下,富含 C18:0 的酰基甘油酯与不饱和 / 饱和脂肪酸比例对G′呈正向影响。与之相反,低浓度下富含 C18:0 的酰基甘油酯对G′的提升作用较弱。