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 2456 条结果
-
通过数字追踪和监控技术改造食品供应链
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Xu Zhou, Juming Tang, Timothy L. Jacobs & I. Sam Saguy
食品标签
智能/指示型包装 包装系统中的监测与标签应用计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 过程控制与实时优化 时序传感器/物联网数据背景:保质期有限的易腐食品容易变质,若在不当条件下分销或储存,可能会带来安全风险。因此,大量食品在整个分销链和家庭中被浪费。解决这一问题需要先进的技术来追踪产品和监测其保质期。
范围与方法:本综述考察了产品追踪技术(如条形码和二维码)以及保质期监测工具(包括时间-温度指示器(TTIs)和新鲜度指示器(FIs))的历史发展。重点介绍了近期将这两种技术整合的努力,并探讨了物联网(IoT)和人工智能(AI)在供应链管理中的新兴应用。
主要发现与结论:时间-温度指示器(TTIs)和新鲜度指示器(FIs)是有效的保质期监测工具。它们与产品追踪系统的整合有助于实现可追溯性和实时保质期评估。近期的商业产品,如Evigence和SpotSee公司的基于二维码的指示器,在易腐产品的冷链中显示出实际应用价值,包括新鲜农产品和母乳。然而,挑战依然存在,包括数据传输、解读、隐私、消费者接受度以及监管空白等问题。解决这些挑战需要在传感器开发、食品安全与质量、数据通信、人工智能、消费者科学和监管等领域开展多学科合作,以构建更快速、更透明、更高效的食品供应链。 -
基于多光谱特征融合的普洱茶智能产地溯源
查看原文2025
Food Chemistry
中科院一区JCR一区Xin Chen, Ting Zhang, Runqiu Wu, Xianzhe Zhang, Hongyu Xie, Shaojie Wang, Hui Zhang, Dejiang Ni, Zhi Yu, Yijian Yang, De Zhang & Pei Liang
食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
卷积神经网络 图像分割网络 分类/鉴别/等级评定 红外/拉曼光谱数据 多模态/融合数据为实现普洱茶产地的精准溯源,本研究提出了一种基于多光谱融合的深度学习方法。通过采集五个主要产地的拉曼光谱和近红外光谱数据,设计了改进的ECA-ResNet网络结构,该结构融入了优化的通道注意力机制,用于自适应特征提取与融合。在保持计算效率的同时,该网络有效利用了拉曼光谱对分子骨架振动的敏感性以及近红外光谱对官能团特征的响应性。实验结果表明,经过特征融合的模型分类准确率达到95.05%,优于单一光谱方法和传统深度学习方法。机制分析显示,所开发的模型形成了功能分化的特征通道,实现了多光谱信息的有机融合,在识别茶叶产地的纬度差异方面表现出稳健的性能。本研究为普洱茶产地溯源提供了可靠的技术解决方案,有助于茶叶产业的规范化发展。未来,将光谱特征与特定化学标记物相关联的研究进展,将进一步提升多光谱分析方法在食品真伪鉴别中的可解释性和机制理解。
-
肉类科学与可解释人工智能的协同:量化脆度梯度以认证罗非鱼片加工的质量认证
查看原文2025
Food Chemistry
中科院一区JCR一区Shuqi Tang, Ling Zhang, Xingguo Tian, Mangni Zheng, Hu Zhang & Nan Zhong
食品标签
鱼肉 品质、结构与理化性质 质构与流变测试 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 模型可解释性 分类/鉴别/等级评定 高光谱/多光谱光谱 多模态/融合数据脆罗非鱼因其独特的口感和高市场需求,已成为受欢迎的水生产品。然而,不同酥脆阶段的菲力在营养价值和口感上差异显著,直接影响产品质量和消费者体验。因此,快速准确识别罗非鱼片的脆度对农民、商人和消费者来说至关重要。高光谱成像(HSI)技术已成为食品质量检测中的强大工具,提供了丰富的光谱信息,可用于详细分析。本研究提出结合HSI和双支卷积神经网络(DB-CNN)的方法,用于分类不同清晰度阶段的罗非鱼鱼片。通过分别处理VNIR和SWIR数据并在特征空间中融合,DB-CNN实现了95.74%的分类准确率,优于传统聚变方法。Grad-CAM++可视化验证了模型对关键光谱特征的识别。该方法为酥脆罗非鱼片的真伪鉴定和质量控制提供了有效解决方案,展示了其在食品和水产品分类中更广泛应用的潜力。
-
结合高光谱成像的新型决策级融合策略用于检测大豆蛋白含量
查看原文2025
Food Chemistry
中科院一区JCR一区Jing Zhang, Zhen Guo, Chengye Ma, Chengqian Jin, Liangliang Yang, Dongliang Zhang, Xiang Yin, Juan Du& Peng Fu
食品标签
豆类与坚果(及籽类) 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
机器学习/统计学习 定量预测/回归分析 高光谱/多光谱光谱大豆因蛋白质含量丰富,可用于人类食用或作为动物饲料。本研究采用可见-近红外高光谱成像技术与短波红外高光谱成像技术,结合三级数据融合方法对大豆种子蛋白质含量进行检测,分别为测量级融合、特征级融合与决策级融合。此外,研究提出了三种新型决策级融合方法,包括二元线性回归、基于特征的多元线性回归以及基于模型的多元线性回归。基于决策级融合构建的IVISSA-SPA-MLR模型预测性能最优,剩余预测偏差值达3.6796。研究结果表明,IVISSA-SPA-MLR模型可实现精准预测,能够有效对大豆种子蛋白质含量进行精确检测。决策级融合是一种精准高效的定量检测技术,可提升回归模型的预测性能。本研究为食品中蛋白质含量检测提供了新方法,也为数据融合研究提供了新思路。
-
结合高光谱成像与深度学习的鱼糜热处理过程中理化特性及凝胶品质监测
查看原文2025
Food Control
中科院一区JCR一区Yu Xia, Xupeng Xiao, Selorm Yao-Say Solomon Adade, Qibing Xi, Jiam Wu, Yi Xu, Qingmin Chen & Quansheng Chen
食品标签
鱼肉 品质、结构与理化性质 传统热加工 显微与成像技术计算机标签
循环神经网络 偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱鱼糜制品加工行业在维持产品品质方面面临着严峻挑战,而品质问题会直接影响产品的消费者接受度及整体质量。本研究采用高光谱成像技术,针对鱼糜两阶段水浴加热过程中的品质变化,开展快速、无损、在线监测研究。实验中,鱼糜样品先经 40℃保温 30 分钟,再于 90℃保温 20 分钟,每 5 分钟采集一次关键品质指标数据,包括凝胶强度、持水性及白度。为全面评估两阶段加热过程中鱼糜的品质变化规律,基于高光谱成像数据构建了两种预测模型:偏最小二乘(PLS)模型和卷积神经网络 - 长短期记忆(CNN-LSTM)模型,并额外构建了一款 CNN-LSTM 模型用于多品质指标的同步预测。结果显示,尽管单一指标最优预测模型的性能略优于多指标联合预测模型(预测集决定系数 Rₚ²>0.93,相对分析误差 RPD>3.9),但两种方法均表现出良好的有效性。此外,本研究还对加热过程中鱼糜的品质变化特征进行了可视化呈现与分析。
综上,高光谱成像技术结合化学计量学方法,为鱼糜热加工过程中的品质变化监测提供了一种无损、快速、在线的解决方案。该方法满足了行业对创新型品质评估工具的需求,有望提升鱼糜制品市场的产品质量与消费者满意度。