01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
化学污染物

标签记录(计算机学者)

暂无筛选

共 187 条结果

  • 基于铕金属有机框架的荧光传感器,用于3D打印设备,用于智能手机辅助原位检测食品样本中的四环素

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    M. A. Vargas-Muñoz, Gemma Turnes Palomino, Laura Ferrer & Edwin Palacios

    食品标签

    液态乳 甜味剂 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 其他特殊成分

    计算机标签

    机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据

    这项工作提出了一种新型荧光传感器,用于快速且可视化地检测食品样本中四环素(TCs)。一个基于铕的金属有机框架(Eu-MOF)被固定在使用聚二氟乙烯(PVDF)3D打印的孔微板上。检测使用3D打印智能手机平台进行,数字图像的比色分析则使用ImageJ宏。对于微量分析,TCs使用分子印制聚合物(MIP)墨盒进行预浓缩。在优化条件下,该方法实现了0.06和0.2 mg L的检测和定量极限−1分别,精度低于10%,富集因子为10。自来水、井水、牛奶和蜂蜜样品(1–12毫克升)−1TCs)被分析,回收率在89%至112%之间。该方法与色谱结果进行了回归模型比较,包括Passing-Bablok化学计量工具,并用AGREE、GAPI和BAGI工具评估,强调其环保性和实用性,相较于先前报道的方法。

  • 机器学习增强的试纸条颜色识别用于果蔬中农药残留的快速检测

    2025
    Food Control
    中科院一区
    JCR一区
    查看原文

    Jingbo Dai, Xiaobin Chen, Yao Zhang, Min Zhang, Yunyuan Dong, Qifu Zheng, Jianming Liao & Ying Zhao

    食品标签

    水果/蔬菜与菌菇类/植物类 化学污染物

    计算机标签

    深度学习 定量预测/回归分析 可见光/RGB/视频数据

    食品安全,尤其是农药残留带来的风险,已成为一个关键的公共卫生问题。现有检测方法通常速度慢、成本高且需要复杂设备,限制了其广泛应用。本研究介绍了一种用于农药残留的快速试纸条检测系统,重点针对胆碱酯酶和有机磷农药。该系统将比色反应与机器视觉相结合,实现图像分析的自动化。采用包括降噪和阈值提取在内的关键图像处理技术来分析试纸条的RGB值。然后推导出多色特征指数来处理数据。此外,开发了一种改进的遗传编程-符号回归(GP-SR)模型,以建立这些指数与农药残留水平之间的关系。实验结果表明,增强后的GP-SR模型在归一化后使R2值最多提高0.195,决定系数提高2.5%,RMSE降低16%。这种方法为检测水果和蔬菜中的农药残留提供了一种更高效、更准确的方法,有助于改善食品安全监控。

  • 利用电子鼻具多变量分析对Allium tuberosum的定性和定量农药残留分析

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Fanzhen Meng, Jingwen Zhu, Jihong Deng, Tianqi Wu, Aocheng Qi, Wencheng Zhu & Hui Jiang

    食品标签

    新鲜蔬菜 化学污染物 其他理化与结构表征 其他特殊成分

    计算机标签

    支持向量机 超参优化/自动机器学习 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

    随着Allium tuberosum农药残留问题日益严重,开发快速且稳健的检测方法以评估其农药残留浓度至关重要。本研究提出了一种结合电子鼻(E-nose)、颗粒群优化(PSA)算法和支持矢量机(SVM)的综合方法,用于胚胎块茎中农药残留的定性和定量检测。结果显示,SVM分类器能够有效区分正常样本和受污染样本,分类准确率达到100%。对于农药类型鉴定,SVM对氯吡萺、卡班达齐姆和前半阧酮的准确率达到100%。在定性分析中,氯吡萦和卡苯嗪的SVM准确率为100%,而脯铧酮的准确率为97.22%。定量结果表明,支持载体回归(SVR)在预测普罗西咪酮(Rp = 0.9130)和卡班达齐姆(Rp = 0.9572)方面表现优异。因此,E-nose可以作为监测蔬菜安全的有效工具。

  • 整合人工智能与先进光谱技术用于精准食品安全与质量控制

    2025
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    Imane Ziani, Hamza Bouakline, Abdelqader El Guerra, Ali El Bachiri, Marie-Laure Fauconnier & Farooq Sher

    食品标签

    食品安全与风险评估 化学污染物 光谱/色谱/质谱等分析方法

    计算机标签

    机器学习/统计学习 深度学习 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据

    高效液相色谱(HPLC)和气相色谱-质谱联用(GC-MS)等传统方法在食品分析中广泛应用,但在检测超低含量或复杂基质中的痕量污染物时往往存在局限性。本综述重点介绍了近期食品分析技术的突破,这些技术为消费者健康保护提供了前所未有的灵敏度和准确性。在这些进展中,宽线表面增强拉曼散射(WL-SERS)将灵敏度提高了十倍,能够检测到生鲜乳中三聚氰胺等污染物的浓度,远低于常规阈值。质谱成像(MSI),特别是基质辅助激光解吸/电离质谱成像(MALDI-MSI),在空间分辨率方面取得了显著进展,能够对食品成分和污染物进行精确的空间分布绘制。此外,二维液相色谱(2D-LC)和多维气相色谱技术也发展迅速,在复杂食品体系中实现了低至1 ppb的检测限。创新的传感器技术,如Dpy近红外(NIR)荧光探针和电化学发光(ECL)适配体传感器,提供了快速、高灵敏度的检测,有效补充了传统方法的不足。此外,人工智能(AI)和机器学习(ML)的整合彻底改变了食品质量评估方式,卷积神经网络(CNNs)等模型在识别掺假物方面的准确率高达99.85%。尽管取得了这些进展,但高昂的运营成本、传感器稳定性以及AI的计算需求等挑战依然存在。本综述强调了先进光谱技术、AI驱动分析和新型传感器技术的融合,并概述了未来策略,如设备小型化、纳米材料创新和标准化协议。这些方法为提高食品安全和质量管理的精确性、效率和可及性提供了变革性的途径,最终将促进公共卫生保护。

  • 基于COF-ag基底的表面增强拉曼散射(SERS)方法与机器学习相结合,被用于检测牛奶中的四环素和土霉素

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yunpeng Shang, Anqi Hu, Chaoqun Ma, Jiao Gu, Chun Zhu, Lei Li, Hui Gao, Taiqun Yang & Guoqing Chen

    食品标签

    液态乳 化学污染物 光谱/色谱/质谱等分析方法

    计算机标签

    支持向量机 分类/鉴别/等级评定 红外/拉曼光谱数据

    四环素类抗生素因其强大的抗菌效果而备受重视,在畜牧业中被广泛使用,但也引发了人们对牛奶中存在不安全残留的担忧。本研究开发了一种基于氨基功能化共价有机框架(COF)的表面增强拉曼光谱(SERS)方法,用于检测牛奶中的痕量四环素(TTC)和土霉素(OTC)。COF材料作为选择性配体,有效减轻了牛奶基质的干扰。此外,COF与抗生素分子之间的氢键有助于拉曼信号的化学增强。该方法对TTC的检测限低至0.05 μg/L,对OTC的检测限低至0.07 μg/L。由于这些抗生素结构相似,研究采用主成分分析进行降维,并结合支持向量机分类算法,基于光谱数据实现了对抗生素的准确鉴别,分类准确率达100%。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号