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 393 条结果
-
从RGB图像到高光谱图像的光谱重建:以牛肉中谷氨酸指数的检测为例
查看原文2025
Food Chemistry
中科院一区JCR一区Fujia Dong, Ying Xu, Yingkun Shi, Yingjie Feng, Zhaoyang Ma, Hui Li, Zhongxiong Zhang, Guangxian Wang, Yue Chen, Jinhua Xian, Shichang Wang, Songlei Wang & Weiguo Yi
食品标签
畜肉 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
卷积神经网络 其他深度学习结构 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据利用光谱重构(SR)将RGB图像复原为全域高光谱图像(HSI),是实现高光谱图像实时、低成本应用的重要手段。以360份牛肉样本的谷氨酸指标检测为例,本文探究了11种当前主流重构算法在复杂食品体系中实现RGB图像向高光谱图像转换的可行性。通过多元相关性分析证实,RGB图像是三通道全覆盖宽波段信息的投影表征。本文提出融合峰值信噪比、参数量、浮点运算量的综合质量评价指标(PSNR-Params-FLOPS),筛选出最优重构模型,包括MST++、MST、MIRNet与MPRNet。同时引入结构相似性(SSIM)值与t分布邻域嵌入(t-SNE)方法,对重构结果的一致性进行评估。最后采用轻量化Transformer模型,分别构建原始高光谱图像、RGB图像及光谱重构高光谱图像(SR-HSI)的检测模型,用于牛肉谷氨酸指标的预测分析。实验结果表明,MST++模型在光谱重构任务中表现最优,其均方根误差、峰值信噪比、结构相似性分别为0.015、36.70、0.9253;经MST++重构后的模型预测效果(决定系数$R^2_P$=0.8422、相对分析误差RPD=2.46)与原始高光谱图像模型($R^2_P$=0.8526、RPD=2.69)高度接近。该研究成果为RGB图像转高光谱图像技术提供了实际应用场景与详实的分析思路。
-
嵌入式系统的轻量级深度学习模型高效预测油菜籽中的油脂和蛋白质含量
查看原文2025
Food Chemistry
中科院一区JCR一区Mengshuai Guo, Huifang Ma, Xin Lv, Dan Wang, Li Fu, Ping He, Desheng Mei, Hong Chen & Fang Wei
食品标签
豆类与坚果(及籽类) 品质、结构与理化性质 过程监测与在线检测 显微与成像技术 蛋白质与氨基酸 脂质与脂肪酸计算机标签
深度学习 模型设计/优化策略 定量预测/回归分析 可见光/RGB/视频数据传统的油菜类蛋白质和油脂含量测定方法通常耗时、劳动密集且成本高昂。本研究开发了一款移动应用,采用优化的深度学习方法,通过输入油菜籽图像,实现低成本、无损且实时预测油菜籽中的蛋白质和油脂含量。在测试模型中,FasterNet-L表现出最佳性能,预测判定系数为(Rp2油脂含量为0.9366,蛋白质含量为0.8828。油脂和蛋白质含量的预测均方误差(RMSEP)分别为0.6982和0.6498,残差预测偏差(RPD)为3.88和2.92。此外,采用了三种剪枝方法,其中通过生长正则化进行神经剪枝效果最佳,预测速度提升13.18%,模型规模减少15.79%。最后,该方法可以扩展并应用于其他油料作物,实现快速的质量鉴定和检测。
-
基于X射线CT和机器学习的榴莲无损评估与高通量可食率预测方法
查看原文2025
Food Control
中科院一区JCR一区Yuwei Lu, Li Yu, Xiaolong Kong, Qing Zhao, Lejun Yu & Qian Liu
食品标签
新鲜水果 品质、结构与理化性质 显微与成像技术计算机标签
图像分割网络 定量预测/回归分析 可见光/RGB/视频数据 中等规模数据集果肉含量与果实体积是评判榴莲品质的核心指标。无损、高效的检测技术能够为榴莲育种、采后技术研究及产业化分选分级环节提供关键的数据支撑。本研究重点探究了 X 射线计算机断层扫描(CT)技术在榴莲内部性状无损分析及可食率高通量测定中的应用潜力。研究采用 X 射线 CT 系统对榴莲进行断层扫描成像,借助 U-Net 模型将扫描图像分割为背景、果肉、果皮、果核及空腔区域,并自动计算出果实体积、果肉体积等共计 18 项表型指标。为解决断层扫描图像数量对检测效率的制约,本研究构建了基于单张扫描图像的可食率快速预测模型。实验结果表明:与人工测量结果相比,基于 X 射线 CT 系统的检测方法对果实体积的预测平均绝对百分比误差(MAPE)为 1.14%,决定系数(R)达 0.989;对果肉体积的预测平均绝对百分比误差为 3.09%,决定系数为 0.955。基于全量断层扫描图像的可食率预测模型,决定系数(R²)为 0.923,平均绝对百分比误差为 3.39%。进一步研究结果显示,基于单张扫描图像的可食率预测模型,决定系数(R²)和平均绝对百分比误差分别为 0.917 和 4.03%。综上,X 射线 CT 成像技术可实现对榴莲内部性状的全面、精准提取,同时证实了该技术在榴莲可食率高通量预测方面具有良好的应用前景。
-
基于近红外光谱和智能手机结合深度学习和多模态融合检测山茶油掺假
查看原文2025
Food Chemistry
中科院一区JCR一区Zhouwen Deng, Yun Zheng, Tao Lan, Liangxiao Zhang, Yong-Huang Yun & Weiming Song
食品标签
植物油 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据 红外/拉曼光谱数据 中等规模数据集山茶油(CO)因其营养价值与保健功效而备受认可,但高昂的价格使其极易遭遇掺假造假问题。针对市场上出现的菜籽油(RO)掺入山茶油的掺假现象,本研究构建了山茶油二元掺假检测体系。实验共配制243份不同菜籽油掺杂比例的山茶油样品,采用近红外(NIR)光谱技术获取掺假油样的光谱信息,同时对智能手机拍摄图像及视频所采集的视觉数据开展分析。基于视频数据训练的深度学习模型最高检测准确率可达96.30%。为进一步提升检测精度,研究融合光谱数据与视觉数据,采用多模态检测方法。总体而言,本研究提出了一种可实时鉴别山茶油真伪的全新方法,为应对日益严峻的食品安全问题提供了技术支撑,也为后续实现智能手机在线快速检测奠定了研究基础。
-
智能双通道荧光传感器突破交叉干扰:实现多场景下铜离子与强力霉素的可视化检测及四环素类似物的精准鉴别
查看原文2025
Chemical Engineering Journal
中科院一区JCR一区Yingqi Yuan, Liuqing Fu, Lina Zhang, Jun Xu, Ning Bi, Yongxin Li & Lei Jia
食品标签
化学污染物 过程监测与在线检测 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 可见光/RGB/视频数据内分泌干扰物阳离子污染物和抗生素残留,特别是铜离子(Cu2+)和四环素类抗生素(TCs)对生态系统和人类健康构成了迫在眉睫的威胁。本文提出了一种基于MOF的多功能传感平台(Eu@CDs@采用稀土Eu3+离子修饰的Zr-MOF(Zr-MOF)和绿色碳点(CDs)封装,在295 nm激发下可发射616 nm红色荧光(FL),在385 nm激发下可发射520 nm绿色荧光(FL)。该双通道FL纳米传感器在295 nM激发下通过竞争配位取代机制实现对Cu2+(检出限为10.58 nM)的超灵敏快速检测,在385 nM激发下通过天线效应实现对强力霉素(DOX,四环素抗生素,LOD为2.71 nM)的超灵敏快速检测。此外,利用主成分分析(PCA)可以准确区分385 nm激发通道内的TC类似物。通过将Cu2+和DOX识别后纳米传感器的FL颜色变化与彩色编码信号处理技术相结合,开发了智能手机辅助的可穿戴手套型纳米传感器,从而提高了快速现场检测的便携性。本研究不仅为构建双通道响应式多目标检测智能材料提供了一种创新方法,也为研制便携式多功能食品环境实时监测传感器提供了参考。