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
-
食品标签
发酵乳/酸奶 微生物安全 微生物计数与生长曲线 发酵工艺与动力学计算机标签
循环神经网络 支持向量机 定量预测/回归分析准确预测微生物生长和酸化对优化酸奶发酵过程至关重要。本研究提出了一个基于机器学习的框架,将长短期记忆(LSTM)神经网络与经典的微生物初级生长模型相结合进行微生物预测,并采用支持向量回归(SVR)对pH酸化动力学进行建模。该框架应用于37°C、41°C和45°C复配脱脂乳中的嗜热链球菌和保加利亚乳杆菌发酵。混合LSTM模型在37°C和41°C下展现出对菌株特异性、温度依赖性生长模式的更高预测精度,而Gompertz模型在45°C下仍然最有效。在酸化预测方面,SVR在所有条件下的表现均优于Gompertz、Weibull及集成模型。使用十个生物重复的验证显示,与传统模型相比,RMSE降低了高达86%。这些结果凸显了混合机器学习框架在提高实时发酵监测、减少批次差异以及支持工业酸奶智能控制方面的潜力。未来的工作将探索与传感器数据的整合,并扩展到混合培养和功能性乳制品配方。
-
利用混合卷积Transformer特征融合网络的宏观-微观集成高光谱成像方法及二维相关光谱分析检测花生仁中黄曲霉污染
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Zhen Guo, Haifang Wang, Fernando A. Auat-Cheein, Zhishang Ren, Lianming Xia, Ibrahim A. Darwish, Yemin Guo & Xia Sun
食品标签
豆类与坚果(及籽类) 微观结构与成像 微生物安全 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
其他深度学习结构 卷积神经网络 分类/鉴别/等级评定 缺陷/异物检测与定位 高光谱/多光谱光谱黄曲霉对花生仁的污染会带来重大的健康风险和经济损失,因此需要准确、快速的检测方法来确保采后花生的安全与质量。本研究采用可见-近红外(VNIR)高光谱成像和高光谱显微成像(HMI)技术,对花生仁中的黄曲霉污染情况进行了检测。通过电子显微镜和高光谱成像,研究探究了污染对花生仁细胞和组织造成的结构损伤。应用广义二维相关光谱分析确定了分子变化的顺序,为真菌代谢提供了见解。提取了花生仁及花生仁切片的空间-光谱特征,并采用混合卷积Transformer-特征融合网络(HCT-FFN)进行特征整合与分类。与经典的深度学习模型相比,该模型表现出更高的准确率,在可见-近红外高光谱成像和高光谱显微成像中的测试准确率均达到100.00%。在花生仁切片中使用更小的感兴趣区域,既保持了较高的准确率,又提高了模型的效率。研究得出结论,黄曲霉污染会显著改变花生仁的结构和光谱特性。HCT-FFN模型在检测和分类污染方面非常有效,且计算成本低,这凸显了其作为保障采后坚果安全与质量的宝贵工具的潜力。
-
基于计算信息重设计Erwinia tasmaniensis的果聚蔗糖酶以增强其热稳定性用于果聚糖生物合成
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Thanapon Charoenwongpaiboon, Yanisa Srichompoo, Karan Wangpaiboon, Stefano Benini, Robert A. Field, Chanchao Lorthongpanich, Piamsook Pongsawasdi & Rath Pichyangkura
食品标签
碳水化合物配料 其他加工技术 其他品质相关性质 过程优化与控制策略 常规理化指标测定 光谱/色谱/质谱等分析方法 其他理化与结构表征 碳水化合物与糖类计算机标签
机器学习/统计学习 定量预测/回归分析 设计/生成与推荐 合成/仿真数据为主果聚糖因其独特的理化性质和生物活性而成为一种多功能生物材料。为了高效合成果聚糖,提高果聚蔗糖酶的热稳定性至关重要。本研究首次采用理性蛋白质设计方法,对Erwinia tasmaniensis的果聚蔗糖酶(EtLsc)进行了工程改造。使用分子动力学(MD)模拟来识别EtLsc的热敏感区域,并通过使用FireProt折叠能量计算设计了热稳定变体。在设计候选者中,A197P和S239P突变体与野生型相比,具有显著更高的熔化温度(Tm)和半衰期(t1/2)。双重变体A197P/S239P的Tm提高了7.9 °C,在50 °C下的t1/2延长了48倍,这比之前的研究成果有更显著的提升。使用HPSEC、HPAEC-PAD和1H NMR进行的动力学和产物分析表明,这些突变并未改变催化效率或果聚糖结构。结果证明了基于分子动力学辅助的能量工程在设计热稳定EtLsc方面的潜力。
-
鸡蛋储存期间新鲜度:母鸡年龄的影响及基于新型混合建模方法的货架期预测
查看原文2025
Journal of Future Foods
中科院一区JCR一区Yifeng Lu, Jing Li, Zihao He, Linyun Chen, Huixin Tian, Chen Xu, Xinglian Xu & Minyi Han
食品标签
蛋类及其制品 品质、结构与理化性质 常规理化指标测定计算机标签
超参优化/自动机器学习 定量预测/回归分析 质构/流变/感官数据鸡蛋在储存期间的品质变化与其货架期和经济价值密切相关。温度、相对湿度、清洗操作和微生物等因素已被证明对鸡蛋的储存品质具有影响。因此,本研究旨在探讨母鸡年龄对鸡蛋储存品质的影响,并利用基于反向传播人工神经网络(BP-ANN)的模型预测鸡蛋货架期。研究将京粉一号(27和58周龄)和京粉六号(26和57周龄)母鸡所产的鸡蛋置于环境条件下储存,并通过理化性质进行评估。结果发现,低龄组鸡蛋的货架期显著长于高龄组。研究提出了一种结合BP-ANN、布谷鸟搜索和自适应增强算法(CS-BP-AdaBoost)的新型混合模型来预测鸡蛋剩余货架期,输入参数包括哈夫单位、蛋黄指数、气室深度、蛋白pH值、母鸡年龄和品种。详细介绍了学习率、训练函数和传递函数等超参数的调整过程。结果表明,CS-BP-AdaBoost模型在测试集上表现良好,均方根误差(RMSE)和决定系数(R2)分别为0.68和0.97。其性能优于BP-ANN模型,RMSE降低了0.39,R2提高了0.05。该模型解决了传统BP-ANN易陷入局部极小值的问题。从输入参数中移除母鸡年龄会导致预测精度下降(R2 = 0.95, RMSE = 1.00),表明母鸡年龄在货架期预测中具有重要作用。本研究证明了应用组合建模方法预测鸡蛋货架期的巨大潜力,以及母鸡年龄对鸡蛋货架期预测的关键影响。
-
基于多波段高光谱成像与机器学习的商品肉干无损鉴别
查看原文2025
Food Chemistry: X
中科院一区JCR一区Yuanxi Han, Liang Li, Siyuan Jiang, Pengpeng Sun, Wenliang Wu & Zhendong Liu
食品标签
畜肉 禽肉 食品安全与风险评估 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
支持向量机 智能手机/其他 超参优化/自动机器学习 分类/鉴别/等级评定 高光谱/多光谱光谱 红外/拉曼光谱数据市场上商业肉干的假冒现象十分普遍。本研究结合可见-近红外和短波-近红外高光谱成像技术,以及多种机器学习算法,对五种商业肉干产品进行无损鉴别,并探究了不同光谱波段、算法选择和优化方法对鉴别性能的影响。经过数据预处理后,所有模型的准确率和稳定性均有所提升。具体而言,逻辑回归模型在肉干鉴别方面表现最佳,准确率达到85.78%–100.00%。通过超参数优化,线性核支持向量机的准确率最高(在两个波段中分别为89.29%和95.29%)。此外,采用双曲正切激活函数的人工神经网络训练性能最优,准确率超过90.00%。研究结果表明,短波-近红外高光谱成像结合线性模型(逻辑回归和线性核参数设置的支持向量机)更适合肉干种类的鉴别。本研究为肉干种类鉴别中的波段选择、模型选择及优化提供了参考。