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 289 条结果
-
Umami-gcForest:基于深林构建鲜味肽预测模型
查看原文2025
Food Chemistry
中科院一区JCR一区Shuaiqi Ji, Junrui Wu, Feiyu An, Mengxue Lou, Taowei Zhang, Jiawei Guo, Penggang Wu, Yi Zhu & Rina Wu
食品标签
其他添加剂与配料 蛋白质与氨基酸计算机标签
机器学习/统计学习 其他深度学习结构 分类/鉴别/等级评定鲜味肽因其能够增强鲜味、降低含盐量并具备营养价值,近年来受到广泛关注。然而,采用传统湿实验方法鉴定鲜味肽耗时久、工作量大且成本高昂。为此,本文基于深度森林算法构建了Umami-gcForest模型。该模型利用ProtBERT、氨基酸组成、组成-转换-分布以及伪氨基酸组成构建氨基酸特征矩阵,并采用互信息进行特征选择以实现维度优化。相较于其他机器学习基线模型、鲜味肽预测模型及组合模型,Umami-gcForest在不同测试集上的验证结果均展现出优异的预测准确率。通过沙普利可加解释值计算特征贡献度后发现,疏水性、电荷和极性是Umami-gcForest模型的关键特征。在此基础上,研究搭建了在线平台,方便用户实际应用。综上,Umami-gcForest可作为高效可靠的研究工具,为鲜味肽的高效精准筛选奠定了坚实基础。
-
基于传感器融合策略的人工智能化学计量学辅助色氨酸发酵过程实时监测
查看原文2025
Food Chemistry
中科院一区JCR一区Xiaobo Ma, Mengyin Tian, Ruiqi Huang, Hui Zhang, Jianan Yue, Huihui Jia, Ying Wang, Yuandong Li, Chao Gai, Lian Li & Hengchang Zang
食品标签
其他添加剂与配料 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
智能手机/其他 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 多模态/融合数据色氨酸是一种必需氨基酸,对神经元功能、新陈代谢、免疫力和肠道稳态具有至关重要的影响。微生物发酵是生产色氨酸的主流方法。精确的生产过程对于确保高质量和最佳产量至关重要。本研究旨在利用人工智能-化学计量学方法实现多源传感器的集成监测。首先,应用机器学习方法构建在线近红外预测模型。然后,引入传感器融合策略,基于五种在线传感器数据建立多元统计过程控制(MSPC)模型。结果表明,高斯过程回归模型在细菌光密度、残糖和色氨酸浓度的预测方面表现最佳,验证集的相对分析误差(RPD)分别为5.686、3.297和3.130。基于特征级融合的MSPC图表协同分析能够实时同步检测多源异常。本研究为食品发酵过程提供了一种有效的质量控制策略,以确保产品质量的一致性、稳定性和可控性。
-
释放鲜味肽的潜力:制备方法、评价策略、健康益处及味觉传导机制的综合评述
查看原文2025
Food Research International
中科院一区JCR一区Jianhua Zhao, Xinyu Li, Lunjie Huang, Hongbin Lin & Qiang He
食品标签
营养与生物功能 特征风味 感官评价与方法学 组学与高通量技术 体外模型 显微与成像技术 小动物实验 数值仿真 蛋白质与氨基酸计算机标签
深度学习 设计/生成与推荐当前技术难以实现鲜味肽的高通量筛选与标准化评价。此外,鲜味受体激活所涉及的构象机制尚未完全阐明,极大地限制了鲜味肽的进一步发展。因此,本文系统综述了鲜味肽的呈味特性、功能特性、高效制备技术、评价方法及其味觉传导机制。多组学技术、分子模拟,尤其是深度学习在鲜味肽高通量筛选中展现出显著优势。此外,细胞与动物模型、味蕾生物传感器及脑电图技术是评价鲜味肽呈味特性的有效方法。通过异源表达获得完整的鲜味受体,并结合冷冻电镜、单分子FRET、三维变异性分析、多光谱技术以及先进的分子动力学模拟,将有助于深入理解鲜味肽与受体的结合机制。本综述为食品工业中鲜味肽的开发、利用与健康化应用提供了新方向。
-
分馏、功能以及环境-经济权衡的综合建模,以支持向可持续植物基成分的转型
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Syahmeer How, Vincent Desaulniers Brousseau, Deepa Agarwal, William Kaye-Blake, Roman Buckow & Mike Weeks
食品标签
谷物/块根/豆与坚果类 加工与新加工技术 蛋白质与氨基酸计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析背景:为响应全球对可持续食物来源日益增长的需求,植物基成分(PBI)已成为动物基成分的极具前景的替代品。然而,当前的作物生产系统面临着资源利用效率低下、副产品未被充分利用以及显著环境影响等相关挑战。解决这些问题不仅需要加工方面的进步,还需要强大的建模框架,以支持在技术、经济、环境和功能等维度的决策制定。
范围与方法:本综述探讨了用于评估和优化通过干法、湿法、混合法和油料种子分馏途径生产植物基成分的最新建模方法进展。它强调了技术经济评估(TEA)、生命周期评估(LCA)、火用分析和计算建模在评估过程可持续性和可行性方面的作用。重点在于用于预测单元操作中质量和能量平衡的过程建模,以及用于预测成分功能的人工智能(AI)和混合模型的整合。本综述还讨论了新兴的集成建模结构化框架,例如那些将TEA和LCA联系起来的框架,并考虑了如何扩展这些框架以纳入与食物系统相关的供应链动态、产品功能和社会文化约束。
主要发现与结论:本综述主张开发超越TEA-LCA的集成建模框架,将功能、供应链和特定情境因素纳入其中。这种多学科方法为将植物基成分(PBI)整合到高效、低浪费且经济可行的食品生产系统中提供了一条途径,该系统与全球可持续发展目标相一致。 -
近红外光谱学借助随机森林预测牦牛奶粉的物理化学指标
查看原文2025
Food Chemistry
中科院一区JCR一区Haiyang Peng, Lunzhao Yi, Xuejing Fan, Jiangwen Zhang, Ying Gu & Shaoyang Li
食品标签
乳粉 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) 蛋白质与氨基酸 脂质与脂肪酸计算机标签
偏最小二乘法 支持向量机 随机森林 定量预测/回归分析 红外/拉曼光谱数据高效且经济高效的物理化学指标检测对于牦牛奶粉的质量控制至关重要。本研究开发了一种基于微型近红外(NIR)光谱和化学计量的快速同步检测方法,针对牦牛奶粉的四种物理化学指标(蛋白质、脂肪、含水量及酸度)。通过比较偏最小二乘法与支持向量回归(PLS-SVR)、脊回归(RR)和随机森林(RF),确定出最优预测模型。结果显示,射频和近红外光谱的结合在预测这四个指标方面表现出色,蛋白质、脂肪和水分含量相关系数分别为0.9846、0.9642和0.9915,酸度相关系数为0.9819。该方法能够快速且准确地预测牦牛奶粉的质量,为生产质量控制提供了可靠的工具。未来工作应探讨其可扩展性和与实时监测系统的集成。