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HS-SPME-GC/MS、电子鼻和电子舌结合化学计量学的中国大豆酱风味特征分析
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
大豆发酵制品 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常量营养素(宏量)计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据本研究采用顶空固相微萃取 - 气相色谱 - 质谱联用技术(HS-SPME-GC/MS),结合电子鼻(E-nose)与电子舌(E-tongue),对中国传统发酵豆酱进行风味表征分析。综合考虑地理分布与市场代表性,选取 12 款样品探究该方法的可行性。
研究共鉴定出57 种挥发性有机化合物(VOCs),其中 8 种挥发性成分为所有样品共有。对融合数据进行线性判别分析(LDA),判别准确率高达97.22%。与偏最小二乘回归(PLSR)相比, 支持向量机回归(SVR) 在预测酯类、总酸、还原糖、盐分及氨基酸态氮含量时效果更优,其预测相关系数(Rp)分别约为 0.803、0.949、0.960、0.896、0.923。
本研究表明,智能传感技术结合化学计量学,可作为发酵豆酱及其他食品基质风味表征的有效手段。 -
近红外光谱结合化学计量学用于完整柠檬果实的真伪鉴别与溯源
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
新鲜水果 质量管理与追溯系统 光谱/色谱/质谱等分析方法计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据本研究采用近红外漫反射光谱法结合化学计量学数据处理,对 2018 年和 2019 年采集自意大利坎帕尼亚大区的两类成熟完整柠檬 —— 索伦托柠檬(地理标志产品,品种 Ovale di Sorrento)与阿马尔菲海岸柠檬(地理标志产品,品种 Sfusato Amalfitano) 进行分析,用以预测果实品质指标,并区分其品种与地理来源。
主成分分析(PCA)结果显示,柠檬近红外光谱按采收年份明显聚类,这是由年度气候差异导致的果实品质年度变异所致,且该气候效应在各产地表现一致,这一结果与不同年份间柠檬理化指标的差异规律相吻合。
受此年度气候差异影响,采用 多元线性回归(MLR)建立的近红外光谱与柠檬品质指标的关联模型、以及采用线性判别分析(LDA) 建立的品种与产地判别模型,其可靠性均有所下降;因此,按单一采收年份分别建模可获得更稳定的模型效果。
由于柠檬果皮较厚,近红外光谱无法穿透果皮检测内部品质,因此所测得的信号所关联的果实指标,实际来源于果皮可测属性,而果皮属性与果肉 / 果汁指标存在相关性。 -
通过平面色谱和化学计量学快速检测杏制品中添加南瓜的欺诈行为:基于分析生态尺度的绿色度评估
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
新鲜水果 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 分类/鉴别/等级评定欧盟委员会规定,市场流通的水果制品需符合高品质与真伪合规标准。针对易发生食品掺伪的杏制品品质评价,本研究建立了一种环保、简便且低成本的分析轮廓检测方法 ——高效薄层色谱多维度成像法(HPTLC-FLD/Vis)。
该新型植物化学轮廓法被用于分析真品样品(7 份杏样品、5 份南瓜样品)与模拟掺伪制品(11 份混合样品,由南瓜原料按 2.5%~53% 比例掺入杏原料制得)。基于分析生态尺度评价证实,HPTLC-FLD/Vis 法能耗与溶剂消耗量低,是一种性能优异的绿色分析方法。
化学计量学数据分析结果显示,依据植物化学轮廓可明确区分纯杏制品与杏 - 南瓜混合制品,并筛选出实现两类样品区分的化学标志物。结果表明,该方法可检出杏制品中低至 2.5% 的南瓜掺伪量。 -
基于非挥发性有机酸的白酒风味组学策略用于区分不同类型白酒
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
酒精饮料 特征风味 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据本研究采用衍生化法结合气相色谱 - 质谱联用技术(GC-MS),对 12 种主流香型白酒中的非挥发性有机酸(NVOA)进行分析,共定量检测出 38 种非挥发性有机酸。同时,基于这 12 种香型白酒的非挥发性有机酸含量,构建了风味组学分析策略,成功实现白酒香型的区分判别。
研究采用偏最小二乘判别分析(PLS-DA)模型(括号内依次为解释变异量、预测能力),分别针对不同分类维度开展分析:发酵工艺(0.931,0.870)、曲药(0.921,0.834)、发酵容器(0.899,0.810)及原料(0.951,0.909)。基于上述分类维度,模型均实现了良好的样本分离效果,分类准确率接近 100%,可完美区分不同香型白酒。
通过投影重要性变量(VIP)法筛选出 17 种潜在标志物,并结合热图与系统聚类分析进一步验证,结果表明非挥发性有机酸对白酒香型具有极强的区分能力。 -
用于检测鱼类中太平洋雪卡毒素的智能手机控制安培免疫传感器
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
鱼肉 微生物安全 光谱/色谱/质谱等分析方法计算机标签
定量预测/回归分析 智能手机/其他雪卡毒素(CTXs)是由冈比亚藻属(Gambierdiscus)与福氏藻属(Fukuyoa)微藻产生的海洋神经毒素,可通过食物链进入人体,引发雪卡鱼毒中毒(CFP)。
本研究采用多壁碳纳米管(MWCNT)修饰碳电极,结合智能手机控制的恒电位仪,制备了一种用于检测鱼肉中太平洋雪卡毒素的免疫传感器。该生物传感器对 CTX1B 的检出限(LOD)与定量限(LOQ)分别为 6 pg/mL 和 27 pg/mL,对应鱼肉中含量为 0.001 μg/kg 和 0.005 μg/kg。
采用该传感器对日本和斐济的鱼类样品进行检测,结果与三明治酶联免疫吸附试验(ELISA)、细胞水平检测法(CBA)及液相色谱 - 串联质谱法(LC-MS/MS)均具有良好的相关性。预测该传感器在−20 °C 条件下稳定性至少可达 3 个月,可在 2 小时多一点的时间内完成鱼类提取物中太平洋雪卡毒素含量的检测,结果可靠、准确且精密度良好,适用于相关监测与研究项目。