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 2456 条结果
-
基于高光谱结合可解释人工智能监测羊肉兽药残留:OFX案例研究
查看原文2025
Food Chemistry
中科院一区JCR一区Fujia Dong, Zhaoyang Ma, Ying Xu, Yingjie Feng, Yingkun Shi, Hui Li, Fukang Xing, Guangxian Wang, Zhongxiong Zhang, Weiguo Yi & Songlei Wang
食品标签
畜肉 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 高光谱/多光谱光谱 红外/拉曼光谱数据肉类中的兽药残留会严重危害人体健康。快速、精准地检测兽药残留,是降低污染风险的必要手段。以羊肉中的氧氟沙星残留为例,本研究采用近红外高光谱成像技术结合可解释人工智能方法,分析卷积神经网络堆叠稀疏自编码器(CNN-SSAE)模型中特征波长对化学属性的贡献重要性。在此基础上,实现了羊肉中氧氟沙星残留的定性检测(残留有无识别、残留等级判别)与定量检测。结果表明,CNN-SSAE模型对氧氟沙星残留有无和残留等级的识别准确率分别为100%、93.65%;氧氟沙星残留定量检测的验证相关系数为0.8980。此外,研究借助沙普利可加解释值(SHAP)筛选出CNN-SSAE模型中贡献度最高的特征波长,有效阐释了光谱与化学指标在模型决策过程中,可优化预测结果的品质属性信息。通过F检验、T检验等统计验证方法,完成了CNN-SSAE模型的可靠性评估,并最终构建出氧氟沙星含量分布可视化图谱。本研究为兽药残留的可解释性检测提供了方法参考。
-
数据驱动的管道建模用于预测乳制品中未知的蛋白质掺假情况
查看原文2025
Food Chemistry
中科院一区JCR一区Huihui Yang, Yutang Wang, Jinyong Zhao, Ping Li, Zhixiang Li, Long Li, Bei Fan & Fengzhong Wang
食品标签
乳粉 蛋白质与氨基酸计算机标签
随机森林 分类/鉴别/等级评定 质构/流变/感官数据为实现对食品中未知蛋白质掺假物的前瞻性预测,从源头遏制食品掺假事件的发生,研究采用三种机器学习算法构建了数据驱动模型。其中,基于随机森林算法的模型表现最优,对无味、无臭、无色三类掺假物的识别准确率分别达到96.2%、95.1%和88.0%。研究将最优模型应用于外部预测,最终筛选出51种潜在掺假物,并从中选出两种性价比最高的候选物质开展掺假实验。实验结果显示,掺假奶粉与正常奶粉在感官上无明显差异,但掺假奶粉的蛋白质含量出现上升。本研究为高效防范食品掺假行为提供了一种主动防控策略。
-
迈向以人为本的食品制造业新工业5.0范式:人工智能驱动的纳米级智能营养载体数字化
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Sana Yakoubi
食品标签
过程优化与控制策略 动力学建模 数值仿真 蛋白质与氨基酸计算机标签
机器学习/统计学习 大模型与 LLM 图神经网络 定量预测/回归分析 设计/生成与推荐 模拟与数字孪生背景:在精准食品工程时代,人工智能驱动的蛋白质结构预测、先进的分子对接技术以及数字孪生技术的融合,标志着自适应递送系统的发展出现了范式转变。纳米级食品递送系统的精准设计日益依赖于准确预测蛋白质与复杂食品基质之间相互作用的能力,这对于优化包封、稳定性和营养物质的可控释放至关重要。
范围与方法:本综述探讨了用于蛋白质结构建模和蛋白质-基质相互作用(PMIs)预测的计算工具的最新进展。它涵盖了重新定义分子建模能力的基于模板、从头设计、混合以及深度学习方法。本综述还评估了人工智能在增强分子对接算法方面的作用,特别是通过图神经网络、自然语言处理和基于Transformer的模型。此外,它还研究了数字孪生技术实时虚拟化和模拟分子行为的潜力,为动态、智能的食品系统设计创造了机会。
主要发现与结论:计算和人工智能驱动的方法正以前所未有的准确性改变着蛋白质结构建模和PMIs预测的能力。这些进展有助于设计更有效的生物智能包封系统,专门用于提高营养物质的稳定性和靶向递送。数字孪生技术通过实现递送系统性能的实时模拟和优化,对这些发展起到了补充作用。综上所述,本综述整合了这些跨学科工具,为下一代数据驱动、个性化且可持续的用于控释的生物智能食品系统提供了路线图,从而推动了精准食品工程的前沿发展。 -
基于非靶向代谢组学¹H NMR指纹图谱和模式识别的分步策略用于初榨橄榄油地理来源认证
查看原文2025
Food Control
中科院一区JCR一区Rosa María Alonso-Salces, Gabriela Elena Viacava, Alba Tres, Stefania Vichi, Enrico Valli, Alessandra Bendini, Tullia Gallina Toschi, Blanca Gallo, Luis Ángel Berrueta & Károly Héberger
食品标签
植物油 品质、结构与理化性质 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
偏最小二乘法 随机森林 分类/鉴别/等级评定 高光谱/多光谱光谱本文提出了一种基于初榨橄榄油(VOO)的¹H核磁共振指纹图谱和以决策树结构组织的一系列二元分类模型的分步策略,用于从四个层级鉴定橄榄油的地理来源:即来自欧盟成员国或非欧盟国家、具体国家和产区的来源,以及是否符合地理标志保护。该方法旨在支持当前规定橄榄油标签必须注明地理来源的欧盟法规。目前,官方尚缺乏相应的监控方法。偏最小二乘判别分析(PLS-DA)和随机森林分类算法均能提供稳健可靠的二元分类模型来验证橄榄油的地理来源;但前者在准确性和稳健性方面优于后者。针对每个案例构建的最佳二元PLS-DA模型,其预测能力(包括交叉验证和外部验证)在两类上的准确率均介于80%至100%之间。验证橄榄油地理来源所获得的满意结果,连同我们先前关于橄榄油类别区分、检出橄榄油中掺混植物油、以及确定稳定性、新鲜度、储存时间和条件与最佳食用日期等方面的研究,证实了对单个橄榄油样本进行一次¹H NMR分析,即可为监管与橄榄油市场标准相关的多项欧盟法规提供有用信息。
-
基于改进的条件互信息最大化和SHAP分析的玉米粗脂肪含量预测
查看原文2025
Food Chemistry
中科院一区JCR一区Haichao Zhou, Xiaodan Ma, Haiou Guan, Jiao Yang, Bingxue Wei, Yifei Zhang & Yuxin Lu
食品标签
玉米 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
偏最小二乘法 支持向量机 模型可解释性 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据 公开数据集传统的条件互信息最大化(CMIM)算法难以捕捉连续近红外(NIR)光谱分析中的非线性依赖关系。因此,本研究提出了一种将改进的CMIM与SHAP相结合的新框架,用于玉米粗脂肪含量的快速预测。创新性地用连续变量估计和两阶段过滤-包裹特征选择取代了离散化处理。CMIM_KDE方法在偏最小二乘回归(PLSR)和支持向量回归(SVR)模型中分别获得了0.7618和0.7531的预测决定系数(R²p),与其他改进策略相比,平均提升了6.18%和4.42%。此外,SHAP分析表明,筛选出的5684 cm⁻¹和4312 cm⁻¹左右的特征波数与玉米中的C—H基团相关。该方法的有效性和泛化能力在公开数据集上得到了验证。本研究解决了传统CMIM方法在近红外光谱分析中的适用性瓶颈,可为其他农产品的质量检测以及低空遥感和实时在线预测提供技术支持。