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
新鲜水果

标签记录(计算机学者)

暂无筛选

共 236 条结果

  • 利用高光谱成像技术和深度学习评估枣子热空气干燥的过程监测质量参数

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

    Quancheng Liu, Xinna Jiang, Fan Wang, Shuxiang Fan, Baoqing Zhu, Lei Yan, Yun Chen, Yuqing Wei& Wanqiang Chen

    食品标签

    新鲜水果 品质、结构与理化性质 干燥保藏 光谱/色谱/质谱等分析方法

    计算机标签

    卷积神经网络 循环神经网络 其他深度学习结构 定量预测/回归分析 高光谱/多光谱光谱

    在干燥调控过程中及时、高效地检测品质指标,对提升果品加工品质至关重要。为此,本研究采用高光谱成像技术,对红枣热风干燥过程中的可溶性固形物含量(SSC)、可滴定酸度(TA)、水分含量及硬度进行无损监测。试验设置55℃、60℃、65℃三个干燥温度并测定各项品质参数。构建了融合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)与挤压激励(SE)注意力机制的深度学习模型CNN_BiLSTM_SE。结合不同预处理方法,对比了偏最小二乘回归(PLSR)、支持向量回归(SVR)与CNN_BiLSTM_SE模型的性能。经超参数优化后的CNN_BiLSTM_SE模型,在红枣品质指标预测效果上优于PLSR和SVR模型。利用最优预测模型对红枣品质指标进行像素级预测,实现了不同干燥阶段各项品质参数时空分布特征的可视化呈现。

  • TTI和pH响应双比色传感器阵列结合级联深度学习方法,用于动态监测新鲜切片水果的新鲜度

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

    Huijie Jia, Chenlin Wu, Min Huang, Qibing Zhu & Min Zhang

    食品标签

    新鲜水果 货架期预测与品质劣变动力学 智能/指示型包装 显微与成像技术

    计算机标签

    逻辑回归/贝叶斯 卷积神经网络 特征工程与选择策略 定量预测/回归分析 缺陷/异物检测与定位 可见光/RGB/视频数据

    动态监测新鲜切片水果的保质期面临温度波动和冷链包装失效的挑战,导致理论预测与实际变质不符。本研究开发了一种结合pH响应指示器和时温积分器(TTI)的双比色传感器阵列,以克服单参数限制。基于甲基纤维素的系统整合了(1)对CO₂敏感的pH染料(甲基红/溴甲雷硅绿),通过pH变化追踪新鲜度,以及(2)利用温度依赖的HAuCl₄-l-抗坏血酸反应产生的TTI元素,产生金纳米颗粒的颜色转变。储存过程中包装气氛的变化——如二氧化碳积累——会激活传感器。该阵列在结构和环境方面表现出强烈的稳定性。结合对象检测(YOLOv8)、特征提取(ResNet-18)和贝叶斯建模的级联深度学习框架,在预测芒果/猕猴桃保质期方面实现了93.3%的准确率——分别比独立的TTI和pH传感器提升35%和18%。该系统支持基于智能手机的实时监控和自动警报,为冷链新鲜度追踪提供了实用工具。

  • 利用高光谱成像和一维卷积神经网络探究皮孔对苹果和梨可溶性固形物含量检测的影响

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Zhenjie Wang, Jie Wang, Weijie Lan, Mengyao Wang, Kang Tu, Lixia Zhu & Leiqing Pan

    食品标签

    新鲜水果 其他品质相关性质 显微与成像技术

    计算机标签

    偏最小二乘法 主成分分析/判别分析 卷积神经网络 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱

    本研究首次探讨了皮孔对基于380-1010 nm高光谱成像(HSI)技术建立的苹果和梨可溶性固形物含量(SSC)模型预测性能的影响。采用二维相关光谱法(2D-COS)、因子判别分析(FDA)和主成分分析(PCA)分析了皮孔、果皮以及皮孔与果皮组合感兴趣区域(ROI)的光谱特性差异。分别使用偏最小二乘回归(PLSR)为每个ROI建立了SSC校准模型。此外,利用变量选择算法和一维卷积神经网络(1D-CNN)来简化和提高模型预测能力。结果表明,皮孔和果皮的光谱特性差异显著,而PCA能够突出皮孔的分布。光谱测量位置对SSC预测精度有显著影响。只有当预测集和校准集的数据来源相同时,模型才能保持稳健。具体而言,对于苹果,SPA-1D-CNN模型取得了最佳性能,其Rc2和Rp2分别为0.845和0.808。对于梨,最佳模型是CARS-1D-CNN模型,其Rc2和Rp2分别为0.887和0.762。本研究表明,皮孔对模型预测性能有显著影响,且1D-CNN可以作为传统PLSR方法的替代方案。

  • 利用可见光/近红外高光谱成像开发枇杷可溶性固形物总量和可滴定酸含量的无损检测方法

    2025
    LWT
    中科院一区
    JCR一区
    查看原文

    Xiyu Wu, Kehan Wu, Dan Xu, & Dan Ren

    食品标签

    新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 碳水化合物与糖类

    计算机标签

    偏最小二乘法 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱

    枇杷果的风味和市场价值受到其可溶性固形物(TSS)和可滴定酸(TA)含量的显著影响。本研究采用高光谱成像(HSI)技术检测枇杷果的TSS和TA含量,旨在评估这种无损技术在果实采后质量评估中的可行性。共分析了118个枇杷样品,从高光谱图像的感兴趣区域提取光谱数据。使用蒙特卡罗(MC)算法去除异常值,并通过竞争自适应加权抽样算法(CARS)选择特征波长。随后,系统评估并比较了两种偏最小二乘回归(PLSR)模型--非线性迭代偏最小二乘(NIPALS)和简单偏最小二乘(SIMPLS)的预测性能。对于TSS含量,SIMPLS模型优于NIPALS模型,在使用独立预测集验证时,达到决定系数(R²p)为0.8955,预测均方根误差(RMSEP)为0.4200,以及预测与偏差比(RPD)为3.14。对于TA含量,NIPALS模型表现更好,得到R²p为0.7841,RMSEP为0.0397,以及RPD为2.19。因此得出结论,结合PLSR的HSI技术有潜力用于枇杷果实关键采后质量指标--TSS和TA含量--的无损分析。

  • 霉心病苹果的光学特性及基于模拟的透射模式光谱检测优化

    2025
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Guantian Wang, Jinghui Luo, Yande Liu, Aiguo Ouyang, Jie Chen & Bojin Yang

    食品标签

    新鲜水果 微生物安全 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 缺陷/异物检测与定位 高光谱/多光谱光谱

    对水果内部病害(如苹果霉心病)的光学测量,对于理解光在病变组织中的传播规律以及优化光谱检测方法(尤其是透射模式下的检测方法)以提高信号准确性至关重要。在本研究中,我们测量了苹果霉心病组织(包括果皮、健康果肉和霉变果肉)的光学特性,即吸收系数(μₐ)和约化散射系数(μₛ')。在所有观测的组织中,果皮在所有测量波长下都具有最高的吸收和散射水平。与健康果肉相比,受真菌侵染的霉变果肉吸收增强,散射减弱。随后,我们基于苹果组织的估算光学特性,利用基于体素的蒙特卡洛(MC)模拟,研究了苹果霉心病中的光传播规律并优化了光谱检测。随着光源-探测器角度的增大,光子逐渐穿透霉变果肉。在135°至150°之间,霉变果肉对信号的贡献最大,且信号强度保持较高水平。为了进一步验证模拟结果,我们利用120°至180°角度的透射光谱数据,开发了苹果霉心病的支持向量机(SVM)判别模型。实验表明,该模型在光源-探测器角度为150°时判别效果最佳,准确率达到90.46%,召回率为99.71%,精确率为84.23%。因此,本研究为了解内部病变水果的光学特性提供了宝贵见解,加深了我们对光与组织相互作用的理解,并为开发更有效的此类水果无损检测方法奠定了科学基础。

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