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 1098 条结果
-
基于机器学习的多种海洋鱼类保存期预测模型开发及实时预测平台的构建
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
鱼肉 品质、结构与理化性质 统计建模与仿真计算机标签
机器学习/统计学习 随机森林 序列到序列/编码-解码 定量预测/回归分析 时序传感器/物联网数据全球每年至少有1000万吨海鲜产品在运输或储存过程中变质或损坏。实时监测海鲜鲜度变得尤为重要。本研究首次使用了四个机器学习算法,开发了一个多目标模型,能够同时预测五种海洋鱼类在多种储存温度下的保质期,利用14个特征如物种、温度、总可存活个数等。K值、总挥发性碱氮、感官和E等14个特征,同时预测五种海洋鱼类在多种储存温度下的保质期-nose-GC-Ms/Ms. 作为输入。其中,径向基函数模型表现最佳,所有测试样本的绝对误差均为<0.5。以最优模型为基础,开发了一个实时预测平台以满足实际应用需求。本研究成功实现了多目标实时预测,预测结果准确,为食品安全和质量提供了科学基础和技术支持。
-
利用叠加泛化法结合高光谱成像检测掺假蜂蜜中的糖分
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
碳水化合物与糖类计算机标签
机器学习/统计学习 超参优化/自动机器学习 分类/鉴别/等级评定 定量预测/回归分析本文通过结合高光谱成像、Savitzky–Golay(SG)滤波器、主成分分析(PCA)、机器学习(ML)分类/回归器以及堆叠泛化方法,开发了一种新的混合、自动化和非侵入性方法,用于检测蜂蜜中的糖分。首先,利用各种ML回归器预测了蜂蜜中32种不同糖浓度。其次,糖的六个等级使用不同的分类器进行分类。第三,11种蜂蜜和100%糖都用分类器分类。堆叠模型(STM)预测32种糖浓度时,R2:0.999,RMSE:0.493毫升(v/v),RPD:40.2,10倍平均R2:0.996,RMSE:1.27毫升(v/v),用于预测32种糖浓度。STM在分类六个糖区、12类蜂蜜和一种糖时,取得了99.7%的马修斯相关系数(MCC)和99.7%的Kappa分数,平均MCC为10倍的98.9%,Kappa分数为98.9%。
-
利用Vis-NIR光谱结合Grad-CAM方法,在多个梨树(Pyrus pyrifolia Nakai)品种中无损检测SSC的方法
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
发酵食品及酱腌制品 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 支持向量机 卷积神经网络 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据可见近红外光谱结合化学模型常用于梨水溶解固体含量(SSC)预测。然而,模型的稳健性受到梨品种差异的挑战。本研究探讨了开发通用模型以预测多种梨类SSC的可行性,以提高模型的普遍性。利用6个果皮绿色的梨树梨叶松花属Nakai,类名“Cuiyu”、“Sucui No.1”和“Cuiguan”)和棕色果皮(PyrifoliaNakai cv. 'Hosui', 'Syusui' 和 'Wakahikari')被用于利用卷积神经网络(CNN)、偏最小二乘(PLS)和支持向量回归(SVR)方法建立单一栽培品种模型和多栽培品种普遍模型。采用全谱和通过梯度加权类别激活映射(Grad-CAM)提取的重要变量,构建了多栽培品种通用模型。基于重要变量的通用模型分别在6个品种上取得了满意的RMSEP(质量指数)为0.76、0.59、0.80、1.64、0.98和1.03°Brix。
-
基于4-MPBA Au@AgNPs的比色传感器,用于准确识别恩氏玉鲁茶品级
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
茶/茶饮料 品质、结构与理化性质 传统统计分析与回归 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 可见光/RGB/视频数据恩石玉鲁绿茶(ESYL)是湖北恩石最具代表性的传统蒸绿茶。不同的ESYL等级展现出不同的风味、味道和价格。本研究开发了基于4-MPBA的视觉传感器Au@AgNPs,用于快速准确识别ESYL等级。识别机制涉及将4-MPBA Au@AgNPs与多酚化合物结合于ESYL中形成硼酸酯,并将Ag转化为Ag。+0,生成的Ag为0沉积在4-MPBA Au@AgNPs表面。结果显示,该传感器可以放大不同级别的ESYL色差。视觉结果还通过偏最小二乘判别分析模型验证,显示识别准确率从68.2%提升至95.5%。本研究开发的比色传感器有望为其他食品的可追溯性研究提供一种新方法。
-
利用CE-TOF/MS开发代谢组生物标志物以区分韩国和俄罗斯雪蟹的地理起源
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
甲壳类 显微与成像技术 传统统计分析与回归 其他植物化学物质计算机标签
机器学习/统计学习 主成分分析/判别分析 分类/鉴别/等级评定 组学数据韩国捕捞雪蟹(山毛鸡)在韩国捕捞的受季节性限制;因此,雪蟹是从俄罗斯进口的。比较了两种地理起源雪蟹的代谢物。代谢物经过代谢组分析,以防止某一国家海洋产品的欺诈销售。采用毛细管电泳飞行时间质谱。通过质谱文库鉴定了77种目标代谢物。通过正交偏最小二乘判别分析,评估了前25个生物标志物候选者,基于以下条件 p-值和牌数变化。共识别出246个峰(阳离子模式分别为187个和阴离子模式的59个)。在生物标志物候选中,2-氧华烯酸、不对称二甲基精氨酸、次牛磺酸和异样苏氨酸被选为最终生物标志物,以明确确定其地理来源。总体而言,代谢分析使我们能够区分来自不同地理起源的雪蟹。这种方法也可以推广到其他海洋产品。