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
-
基于深度图像处理技术的沙棘果实水分含量可视化分析
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
新鲜水果 其他品质相关性质 碳水化合物与糖类计算机标签
深度学习 循环神经网络 定量预测/回归分析 可见光/RGB/视频数据研究了干燥过程中含水量变化对沙棘外观的影响。利用计算机视觉方法和多种图像处理方法,收集和分析沙棘果实干燥过程中的图像。沙棘在65°C温度和1级风速条件下的烘干炉中干燥。每30分钟采集一次整个干燥过程的图像。通过多种图像处理方法进行深度挖掘和图像信息转换。通过校准和建模颜色成分,实现了沙棘果实含水量的实时在线检测。建模后,本文尝试利用长短期记忆(LSTM)预测具有超临界含水量的沙棘果实的外观。不同农产品适应不同的色彩空间,但在经过一定数据的标准建模后,应用颜色成分检测含水量是非常好的方法。
-
对Smilax glabra Roxb质量的快速评估。采用基于傅里叶-近红外的QADS结合多种智能算法
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
水果/蔬菜与菌菇类/植物类 光谱/色谱/质谱等分析方法 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 定量预测/回归分析 红外/拉曼光谱数据(SGR)以其高营养和治疗价值著称。然而,假冒产品的频繁出现导致SGR品种间的混淆和质量不一。本研究收集了SGR掺假比例,并利用高效液相色谱(HPLC)测量SGR中的astilbin含量。随后,采用傅里叶变换近红外(FT-NIR)技术结合多元智能算法,建立了偏最小二乘回归定量模型,分别用于检测SGR掺假和测量无星菌素含量。该方法通过单谱数据采集(QADS)对双指标进行了定量分析,全面评估SGR的真实性和优越性。确定系数(R2校准和预测集均超过0.96,成功利用FT-NIR与多元智能算法结合,显著提升了定量模型的准确性和可靠性。总体而言,这项研究在功能性健康食品的综合质量评估中具有重要价值。
-
利用动态感官技术研究N-琥珀酰氨基酸的多种味觉增强特性及其与化学结构的关系
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
食品添加剂与配料 感官科学与消费者研究计算机标签
偏最小二乘法 定量预测/回归分析 质构/流变/感官数据本研究旨在通过时间优势感觉(TDS)、时间检查全能检测(TCATA)和时间强度(TI)技术,探讨N-琥珀酰-L-苯丙氨酸(N-Suc-Phe)、N-琥珀酰L-色氨酸(N-Suc-Trp)和N-琥珀酰L-酪氨酸(N-Suc-Tyr )在味觉增强特性上的相似与差异。与此同时,市场上领先的味觉增强剂,如N′-[(2,4-二甲氧基苯基)甲基]-N-(2-吡啶-2-乙基)氧酰胺(DE),被选中与上述三种化合物进行比较分析。TDS和TCATA的研究结果显示,所有正在研究的化合物均显著增强鲜味和咸味,同时以浓度依赖性方式降低苦味(0.25–1 mg/L)。此外,TI结果显示,加入DE、N-Suc-Phe、N-Suc-Trp和N-Suc-Tyr(1 mg/L)后,鲜味持续时间延长了50–75%,苦味持续时间减少了20–40%。其中,N-Suc-Trp被认为最有效增强鲜味和减轻苦味,而N-Suc-Tyr则在增强咸味强度方面表现突出。偏最小二乘回归(PLSR)确定碳-碳双键是影响鲜味增强和苦味减少的重要结构,而酚羟基则被认为对提升盐味至关重要。本研究揭示了N-Suc-AAs味觉增强的不同特性以及化学结构对这种特异性的影响。
-
解开欧洲茶园的元素特征:对茶叶可追溯性的启示
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
茶/茶饮料 传统统计分析与回归 矿物质与微量元素计算机标签
机器学习/统计学习 主成分分析/判别分析 分类/鉴别/等级评定本研究全面分析了多个欧洲花园中茶叶的元素特征,重点关注关键及潜在有毒微量元素在茶园加工和选址过程中的生物积累。样本采集自欧洲多个花园,包括葡萄牙、亚速尔群岛、德国、荷兰和瑞士。对新鲜茶叶、干叶以及用于制作绿茶和红茶的叶片进行了元素分析,同时还采集了茶树根区的土壤样本。结果显示,茶叶加工过程中元素含量没有显著差异。然而,在不同欧洲地区花园中种植的茶叶中观察到了明显的元素特征。利用化学计量和机器学习工具,研究强调了这些元素谱在提升茶叶产品可追溯性的潜力。
-
基于深度学习的定量预测模型,用于评估大豆作为豆浆原料的加工潜力
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
豆类与坚果(及籽类) 感官科学与消费者研究 光谱/色谱/质谱等分析方法 理化与结构表征 常量营养素(宏量)计算机标签
深度学习 定量预测/回归分析 质构/流变/感官数据当前技术如相关分析、回归分析和分类模型,在大豆潜力评估方面存在多种局限性,包括单一模糊的评估和定量预测失败,从而阻碍了更高效、更盈利的豆浆行业发展。为解决这一问题,54个大豆品种及其对应的豆奶进行了化学、质地和感官分析,以获得大豆物理化学性质(PN)和豆浆利润与质量属性(PQA)数据集。建立了基于深度学习的模型,利用PN数据定量预测PQA数据。通过45轮随机梯度下降优化训练,剩余9对PN和PQA数据被用于模型验证。结果表明,通过迭代训练,模型的整体预测性能显著提升,训练模型最终在78%的关键豆奶PQA中达到令人满意的预测(|相对误差≤20%,相对误差标准差≤40%)。未来利用大数据进行模型训练,可能有助于更好地预测豆浆气味特性。