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 122 条结果
-
用于认证受保护原产地指定(PDO)的经济型比色传感器 龙井绿茶
查看原文2023
Food Chemistry
中科院一区JCR一区Zhengyu Ren, Zhiwei Hou, Guojian Deng, Lunfang Huang, Nanfeng Liu, Jingming Ning & Yujie Wang
食品标签
茶/茶饮料计算机标签
支持向量机 分类/鉴别/等级评定 时序传感器/物联网数据受保护原产地(PDO)茶叶的溯源与真伪鉴别,是保障其生产流通体系的重要前提。本研究构建了由天然花青素与可食用金属离子组成的指示剂置换阵列(IDA)传感器,用于鉴别不同产地的原产地保护龙井与非原产地保护龙井。研究选取五种指示剂置换阵列单元构建传感器体系,通过加入表没食子儿茶素没食子酸酯溶液引发指示剂置换反应实现传感构建。将制备所得传感器应用于实际茶叶样品检测,采用无监督算法对原产地保护茶叶与非原产地保护茶叶进行数据特征挖掘。有监督支持向量机(SVM)模型进一步实现了两类龙井茶叶的精准鉴别,对26份验证样品的分类准确率达100%。该指示剂置换阵列传感器可在安全无害、低成本的条件下实现原产地保护茶叶的精准真伪鉴别,也为其他农产品的产地溯源鉴别提供了实用技术手段。
-
基于高光谱成像技术的紫鹃茶鲜叶花青素含量检测
查看原文2023
Food Control
中科院一区JCR一区Fushuang Dai, Jiang Shi, Chongshan Yang, Yang Li, Yan Zhao, Zhongyuan Liu, Ting An, Xiaoli Li, Peng Yan, & Chunwang Dong
食品标签
茶/茶饮料 其他品质相关性质 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 支持向量机 K-近邻 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱花青素是决定紫娟茶鲜叶色泽及感官品质的特征性物质。依靠人工视觉定性判定紫娟茶鲜叶中的花青素含量,易导致成品茶品质参差不齐。本研究采集了紫娟茶鲜叶在400~956 nm 波段的高光谱图像,分别采用 K 近邻算法(KNN)与支持向量机(SVM)模型开展鲜叶嫩度等级判别,并在主成分分析的基础上,构建偏最小二乘回归(PLSR)与支持向量机回归(SVR)模型进行定量预测。结果表明,SVM 模型的嫩度等级判别准确率优于 90%;变量组合种群分析(VCPA)及结合迭代信息变量保留法的变量组合种群分析(VCPA-IRIV)两种算法可有效简化模型结构,且模型预测决定系数均高于 0.92。针对总花青素、矢车菊素 - 3,5-O - 二葡萄糖苷、矢车菊素 - 3-O - 葡萄糖苷及矮牵牛素四类指标的最优预测模型分别为VCPA+SVR、VCPA-IRIV+SVR、VCPA-IRIV+PLSR 及 VCPA+PLSR,对应的残差预测值(RPD)分别为 3.233、2.868、3.529 和 3.298。研究通过可视化不同嫩度样品中花青素的空间分布特征,实现了总花青素含量的直观呈现。综上,本研究建立了一种快速无损的检测方法,可同步实现紫娟茶鲜叶嫩度等级划分与品质成分定量分析,为该特色色泽茶树品种的鲜叶采摘质量管控提供技术支撑。
-
解析马黛茶成分的化学计量策略
查看原文2023
Food Chemistry
中科院一区JCR一区Allan dos Santos Polidoro, Claissa Nied Peixoto, Vitória Carolina Prestes de Souza, Anaí Loreiro dos Santos, Adriano de Araújo Gomes & Rosângela Assis Jacques
食品标签
茶/茶饮料 基本营养价值评价 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据马黛茶是一种广受喜爱的植物,主要以浸煮茶饮的方式饮用,其含有的次生代谢产物赋予了它营养与药用价值。本研究旨在建立研究方法,解析产自巴西、阿根廷、乌拉圭和巴拉圭的马黛茶样品的酚类物质组成。研究对超声辅助提取法(UAE)进行工艺优化,并采用超高效液相色谱-四极杆飞行时间质谱联用技术(UHPLC-QTOF-MS)、分子荧光光谱法以及高效液相色谱-二极管阵列检测法(HPLC-DAD)对提取得到的化合物进行成分表征。运用平行因子分析(PARAFAC)、主成分分析(PCA)等化学计量学分析方法,探究代谢物谱特征并识别样品分布规律。分子荧光光谱的平行因子分析模型结果显示,巴西产马黛茶样品的色素含量更高,而其他国家样品的酚类物质含量更高。高效液相色谱-二极管阵列检测结果的主成分分析模型表明,人工种植马黛茶的绿原酸含量更高,阿根廷、巴拉圭及乌拉圭产样品的绿原酸和黄酮类化合物浓度更高。
-
基于HS-SPME-GC-MS结合电子鼻与电子舌的风味轮廓对不同等级九曲红梅茶的鉴别研究
查看原文2023
Food Research International
中科院一区JCR一区Qi Peng, Shanshan Li, Huajun Zheng, Kai Meng, Xi Jiang, Rui Shen, Jingrun Xue & Guangfa Xie
食品标签
茶/茶饮料 特征风味 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质计算机标签
偏最小二乘法 分类/鉴别/等级评定 时序传感器/物联网数据为区分不同等级的九曲红梅茶(红茶),本研究以四个不同等级的九曲红梅茶为材料:特级、一级、二级和三级。采用顶空固相微萃取-气相色谱-质谱联用技术结合电子鼻和电子舌技术对茶样进行检测分析。结果显示共鉴定出162种挥发性物质,主要为醇类,其次为烃类、醛类、酮类和酯类。在所有等级的茶样中均发现了29种挥发性化合物。热图分析结果表明,五种挥发性化合物在不同等级九曲红梅茶中的相对含量与茶的等级呈正相关。通过正交偏最小二乘判别分析,发现了特级与一级之间的35种差异化合物,二级与三级之间的30种差异化合物,以及一级与二级之间的34种差异化合物。总体而言,研究结果表明不同等级九曲红梅茶的挥发性化合物存在显著差异,采用HS-SPME-GC-MS结合电子鼻和电子舌技术可为检测其他类型红茶等级的风味特征提供一种科学的参考方法。
-
用1H NMR和HS-SPME-GC–MS化学指纹、数据融合与化学计量学
查看原文2023
Food Chemistry
中科院一区JCR一区Ge Jin, Yuanyuan Zhu, Chuanjian Cui, Chen Yang, Shaode Hu, Huimei Cai, Jingming Ning, Chaoling Wei, Aoxia Li & Ruyan Hou
食品标签
茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 代谢组学计算机标签
分类/鉴别/等级评定 组学数据 多模态/融合数据绿茶的地理溯源范围狭窄,这项工作既具备重要研究价值,也面临诸多挑战。本研究旨在构建多技术代谢组学与化学计量学分析方法,实现绿茶产地的精准判别。采用顶空固相微萃取-气相色谱质谱联用技术,以及极性溶剂(重水)和非极性溶剂(氘代氯仿)体系的核磁共振氢谱技术,对太平猴魁绿茶样品进行检测分析。研究分别采用通用维度、低层及中层数据融合方法,验证多类分析检测数据融合是否能够提升不同产地茶叶样品的分类鉴别能力。对六个产地的茶叶样品进行评估后发现,单一仪器检测数据的测试集准确率仅为40.00%~80.00%;而数据融合策略有效提升了单一仪器的分类效果,其中中层数据融合方法的测试集准确率可达93.33%。该研究结果为太平猴魁茶叶产地指纹图谱构建提供了全面的代谢组学研究依据,也为茶叶行业品质管控开辟了全新的代谢组学研究途径。