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
-
基于表面FTIR的黑稻种质采集中高通量酚类抗氧化物筛选机器学习方法
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
谷物/块根/豆与坚果类 营养与生物功能 光谱/色谱/质谱等分析方法 植物化学/生物活性成分计算机标签
机器学习/统计学习 支持向量机 随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据 中等规模数据集色素米含有有益的酚类抗氧化剂,但对不同品种的米进行这些抗氧化剂的分析是一项费时费力的工作。在此,我们利用快速表面傅里叶变换红外(FTIR)光谱技术以及机器学习算法(ML)来预测和分类多酚类抗氧化剂。从 270 种来自全球不同地区的彩色米品种中,通过生物化学方法定量测定了总酚类物质、黄酮类化合物、花青素和原花青素。通过在 800 - 4000 cm−1 范围内扫描整粒米的表面获得了衰减全反射(ATR)傅里叶变换红外光谱。利用这些生化和光谱数据优化了五个机器学习分类模型,其预测准确率在 93.5%至 100%之间。随机森林和支持向量机模型确定了与黄酮醇、黄酮类化合物和花青素相关的关键傅里叶变换红外峰是重要的模型预测因子。这项研究成功地建立了色素米糊粉层的直接且非破坏性的表面化学光谱技术,并将其与机器学习模型相结合,形成了一种可行的高通量平台,以加速营养丰富的彩色米品种的分析和鉴定。
-
特征和探索加工过程中藤茶挥发性化合物动态变化的GC-IMS和HS-SPME/GC-MS结合机器学习算法
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
茶/茶饮料 其他加工技术 其他品质相关性质 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据必须研究藤茶在加工过程中挥发性成分的动态变化,以便为茶叶质量评估提供指导。在本研究中,通过气相色谱-离子迁移谱(GC-IMS)和高效液相色谱-固相微萃取/气相色谱-质谱联用(HS-SPME/GC–MS)技术,对葡萄茶加工过程中的挥发性化合物的动态变化进行了表征。结果表明,通过这两种技术共鉴定出了 103 种挥发性化合物,其中有 3 种化合物是两者共有的。采用随机森林方法建立了模型,并探究了关键的挥发性化合物。共探究了 23 种关键化合物,其中 13 种来自 GC-IMS,10 种来自 HS-SPME/GC–MS。此外,通过两两模型进行 100 次交叉验证,所建立模型的受试者工作特征曲线下面积均为 1。此外,本研究为葡萄茶的定向加工和质量控制提供了理论支持。
-
通过化学计量学和随机森林方法探索由酪蛋白水解物衍生的助眠肽的结构特征
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
乳及乳制品 营养与生物功能 蛋白质与氨基酸计算机标签
随机森林 分类/鉴别/等级评定 组学数据牛奶中的酪蛋白被认为能够释放具有促进睡眠作用的肽类物质。尽管各种酪蛋白水解产物都表现出促进睡眠的作用,但其背后的机制仍不清楚。本研究首次通过蛋白质组学和多变量分析揭示了从分析的酪蛋白水解产物中提取出的潜在促进睡眠肽的结构特征。此外,还建立了一个随机森林模型和一个潜在的酪氨酸基肽库,并对这些肽进行了定量,以方便快速筛选。我们的研究结果表明,具有 4 - 10 个氨基酸的 YP-、YI/L 和 YQ 型肽对酪蛋白水解产物的更高促进睡眠活性贡献更大,这是由于它们关键的结构特征和丰富的数量所致。此外,还筛选出了三种新型强效的促进睡眠肽,即 YQKFPQY、YPFGPIPN 和 YIPIQY,并在体内验证了其活性。分子对接结果阐明了酪蛋白肽 N 端的 YP/I/L/Q 结构在与 GABAA 受体中的 His-102 和 Asn-60 形成关键氢键和π-烷基相互作用方面的重要性,从而实现激活作用。
-
化学计量学方法、感官评估和智能感官技术结合基于GAN的集成深度学习框架,用于区分盐雁品种
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
禽肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 时序传感器/物联网数据腌制鹅肉产品的真实性对消费者来说是一个令人担忧的问题。本研究描述了一个基于生成对抗网络的综合深度学习框架,并将其与来自顶空固相微萃取/气相色谱-质谱、顶空气相色谱-离子迁移谱、电子鼻、电子舌、定量描述分析以及游离氨基酸和 5' - 核苷酸分析的数据相结合,以实现对四种腌制鹅品种的可靠区分。挥发性化合物、非挥发性化合物、感官特性和智能感官特性均进行了分析。在 InfoGAN 中生成了一个初步的综合数据集,并将其提供给几个基础分类器进行训练。通过动态加权融合预测结果,生成了一个综合模型预测。一项消融研究表明,集成学习对于提高模型的泛化能力是必不可少的。该框架的准确率为 95%,均方根误差(RMSE)为 0.080,精确率为 0.9450,召回率为 0.9470,F1 分数为 0.9460。
-
HSI和NMR技术结合深度学习,识别Lycium barbarum L.的地理来源和GI标志物。
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 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
卷积神经网络 模型可解释性 分类/鉴别/等级评定 高光谱/多光谱光谱枸杞(学名:Lycium barbarum L.)因其营养和药用价值而闻名于全球。准确快速地识别枸杞的产地至关重要,因为其营养成分、药效和市场价格会因地区而异。本研究提出了一种结合高光谱成像(HSI)、核磁共振(NMR)以及改进的 ResNet-34 深度学习模型的方法,以准确识别枸杞的产地和地理标志(GI)标记。该深度学习模型的准确率达到了 95.63%,比传统方法高出 6.26%,并且通过基于 SHapley Additive exPlanations(SHAP)的特征选择减少了 29.9%的运行时间。GI 标记与 HSI 特征波长之间的皮尔逊相关性分析提高了 HSI 数据的可解释性,并进一步通过减少 33.99%的运行时间来降低计算量。这项工作为便携式多光谱设备奠定了基础,为枸杞产品的质量保证和市场监管提供了一种快速、准确且经济有效的解决方案。