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
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 基于近红外光谱的茶叶品种分类中间接和直接特征提取算法的比较研究

    2025
    Current Research in Food Science
    中科院一区
    JCR一区
    查看原文

    Xuefan Zhou, Xiaohong Wu & Bin Wu

    食品标签

    茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法

    计算机标签

    K-近邻 主成分分析/判别分析 特征工程与选择策略 分类/鉴别/等级评定 红外/拉曼光谱数据

    茶作为一种全球备受喜爱的饮品,已成为日常生活中不可或缺的一部分,在中国尤其如此。鉴于茶叶种类繁多,每种茶叶在价格、风味和健康益处方面都各具特色,因此在茶叶行业中进行有效的分类对于满足消费者的多样化偏好至关重要。本研究采用间接和直接特征提取算法对不同茶叶品种的近红外(NIR)光谱进行分析,并对它们的分类结果进行了比较。主成分分析(PCA)被用作间接特征提取算法的降维技术。研究首先收集了不同茶叶品种的近红外光谱,随后应用了三种光谱预处理算法。接着,使用间接和直接特征提取算法对预处理后的数据进行降维。通过K近邻(KNN)分类器对降维后的数据进行分析,以确定分类准确率。研究结果表明,间接特征提取算法的分类准确率始终高于直接特征提取算法,前者的准确率通常超过90.0%,而后者则较低。这表明间接特征提取算法更擅长处理复杂的光谱数据。当使用Savitzky-Golay(SG)算法处理数据时,分类准确率出现了显著下降。通过深入分析,研究制定了一个结合连续投影算法(SPA)的优化方案,该方案有效地将所有分类准确率提升到了90%以上。

  • 基于UV-DAS结合SEP-CNN-TL的苯甲酸钠和山梨酸钾双识别光学传感器

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

    Junfeng Wang, Rui Zhu, Jie Gao, Fei Xie, Mu Li, Changyin Li, Yungang Zhang & Hongbin Lin

    食品标签

    酸度调节剂/防腐剂/抗氧化剂 化学污染物 光谱/色谱/质谱等分析方法

    计算机标签

    卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据

    鉴于苯甲酸钠(SB)和山梨酸钾(PS)作为食品防腐剂的广泛应用以及滥用相关的重大危害,同时准确检测SB和PS对于确保食品安全和保护人类健康至关重要。本文开发了一种基于紫外直接吸收光谱(UV-DAS)结合光谱扩展、卷积神经网络和迁移学习(SEP-CNN-TL)模型的SB和PS双识别光学传感器。提出了一种SEP方法,通过利用浓度与吸光度之间的相关性来解决获取大量光谱数据的挑战。然后构建了CNN-TL模型,以最小化光谱重叠对预测精度的影响。CNN模型使用通过叠加SB和PS单组分溶液光谱生成的组合吸收光谱(CAS)进行预训练,在此基础上,TL模型使用直接源自两者混合溶液光谱的混合吸收光谱(MAS)进行训练,以微调CNN模型。该模型对SB和PS的相关系数(R²)分别为0.9993和0.9995,平均绝对误差(MAE)分别为0.065 μg/mL和0.061 μg/mL。该传感器对SB和PS的定量限(LOQ)分别为0.112 μg/mL和0.108 μg/mL。其实际有效性已通过对饮料的现场测试得到验证,对SB和PS的回收率分别达到95.36 %–98.04 %和98.33 %–99.83 %。这项研究为食品中多种防腐剂的同时检测提供了一种创新方法。

  • 智能手机辅助荧光探头结合侧流测定,用于食品和生物体的Cys检测

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

    Yingying Xu, Jianmin Wang, Xue Hai, Jian Zhang & Jianhong Wang

    食品标签

    品质、结构与理化性质 过程监测与在线检测 光谱/色谱/质谱等分析方法 蛋白质与氨基酸

    计算机标签

    主成分分析/判别分析 智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据

    将荧光探针、智能手机与侧向流动分析法(LFA)相结合构建新型检测体系,可满足半胱氨酸(Cys)快速、便捷、现场即时分析的需求。本研究设计合成了基于氟硼二吡咯(BODIPY)骨架的BDP-SINO探针,该探针检测半胱氨酸时具有高信噪比(363倍)与超快响应速度(1.0分钟)。同时,BDP-SINO可成功用于各类液态及固态萃取样品中半胱氨酸的含量检测。借助智能手机,负载BDP-SINO的试纸条与微孔滤膜可实现对半胱氨酸的便携式、实时可视化及定量检测。此外,将智能手机、线性判别分析(LDA)与侧向流动分析法联用,为半胱氨酸的定性检测搭建了全新检测平台。另外,BDP-SINO具备良好的生物相容性,可实现活细胞及小鼠体内半胱氨酸的荧光成像检测。综上,基于BDP-SINO构建的检测体系可在多种应用场景下实现对半胱氨酸的识别检测。

  • 计算机视觉技术在发酵食品中的应用:综述

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

    Zheli Song, Yuanbo Li, Hongyuan Zhao, Xiaogang Liu, Hailong Ding, Qiansu Ding, Dongna Ma, Shuangping Liu & Jian Mao

    食品标签

    其他酱腌/发酵食品 品质、结构与理化性质 过程控制与数字化 过程监测与在线检测

    计算机标签

    深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据 多模态/融合数据

    背景:发酵食品是通过微生物发酵加工而成的产品,以其独特的风味受到全球消费者的广泛喜爱。随着工业技术的进步和消费者需求的增长,现代技术正逐步融入发酵食品的生产和质量控制中,以提高生产效率和产品质量。在这些创新中,计算机视觉技术尤为突出。
    研究范围与方法:本文概述了计算机视觉在发酵食品领域的应用,重点介绍了其在食品行业中的技术算法和应用。文章概述了计算机视觉技术在不同类型发酵食品中的具体用途,并讨论了所采用的相关技术。最后,本综述强调了自适应学习和多模态融合在解决当前计算机视觉用于发酵食品监测的局限性方面所具有的变革潜力。
    主要发现与结论:计算机视觉技术的采用显著提高了发酵食品生产过程中质量控制流程的效率和准确性。通过非接触式实时监测,研究人员可以快速识别发酵过程中微生物及相关参数指标的动态变化,并评估其对食品质量的影响。这些技术不仅提高了发酵食品的生产效率,还加强了对产品风味和安全评估的控制。尽管在技术实施和数据分析方面仍存在挑战,但深度学习和图像处理技术的持续进步有望增加计算机视觉在发酵食品领域的影响力,推动行业可持续发展。

  • 微生物组学与机器学习辅助方法揭示高温大曲中的氨基酸特征模式

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

    Chao Fang, Gailing Shi, Qing He, Shuang Xing, Peng Chen, Feng Shi, Zhiguo Liu, Ping Tang, Liangcai Lin & Cuiying Zhang

    食品标签

    其他酱腌/发酵食品 品质、结构与理化性质 微生物组/宏基因组学 蛋白质与氨基酸

    计算机标签

    机器学习/统计学习 特征工程与选择策略 定量预测/回归分析 组学数据

    氨基酸是高温大曲中至关重要的氮源,可显著影响高温大曲的品质。本研究通过分析发酵参数与微生物群落结构,探究了氨基酸的变化规律。研究采用相关性分析与机器学习方法,从糖多孢菌属、芽孢杆菌属、乳杆菌属和枝芽孢杆菌属中筛选出6个关键扩增子序列变异体(ASVs)。功能预测结果表明,这些扩增子序列变异体在翻曲第一、第二阶段的氨基酸代谢通路中表现出较强的酶活特性,与实际观测到的代谢表型特征相符。集成机器学习模型可有效预测高温大曲中绝大多数氨基酸的含量,决定系数(R²)介于0.70至0.95之间,且通过独立的高温大曲样本集验证了模型的稳定性。本研究为传统发酵食品代谢物谱的预测与调控提供了研究思路与技术方法。

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