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

  • 利用近红外光谱和高效液相色谱对不同加工方式的覆盆子(Rubus chingii Hu.)进行质量评估

    2025
    LWT
    中科院一区
    JCR一区
    查看原文

    Chuanbao Wang, Haishen Li, Minda Zhang, zhi'an Wang, Qingsong Shao, & Jian Sun

    食品标签

    果蔬干/果脯/蔬菜干 品质、结构与理化性质 干燥保藏 光谱/色谱/质谱等分析方法 多酚与黄酮

    计算机标签

    偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据

    覆盆子果(RF)是一种传统的中药材,来源于覆盆子(Rubus chingii Hu.)的未成熟干果,其化学成分和经济价值在很大程度上受到加工方法的影响。采用高效液相色谱(HPLC)指纹图谱和近红外光谱(NIRS)进行的比较分析显示,浸润再干燥(IAR)加工的RF与一次性直接干燥(OTDD)样品之间存在显著差异,表明IAR加工会引起显著的化学变化。在浸润过程中,鞣花酸浓度表现出时间依赖性变化,最初增加,随后下降。值得注意的是,IAR加工的RF鞣花酸含量比OTDD对照组增加了高达61.76%。近红外光谱(NIRS)数据的偏最小二乘判别分析(PLS-DA)有效地区分了IAR样品,多重散射校正模型分别达到R²Y和Q²值为0.8280和0.6220。定量分析表明,Savitzky-Golay(SG)平滑的PLS模型在计算鞣花酸和橙皮苷-3-O-鼠李糖苷(KR)含量方面提供了最佳精度。随后进行的协同区间PLS(si-PLS)处理进一步增强了模型性能,对各化合物的测试集相关系数(Rp²)分别达到0.9930和0.7954。

  • 使用全谱 FTIR 光谱和 DSC 曲线结合化学计量学对商业浆果种子油进行高级真实性筛查

    2025
    LWT
    中科院一区
    JCR一区
    查看原文

    Yolanda Victoria Rajagukguk, & Jolanta Tomaszewska-Gras

    食品标签

    植物油 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 传统统计分析与回归 脂质与脂肪酸

    计算机标签

    主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据

    评估了差示扫描量热法(DSC)和傅里叶变换红外光谱(FTIR)结合偏最小二乘判别分析(PLS-DA)在黑加仑、草莓和覆盆子种子油真实性筛查中的可行性。报告了浆果种子油的真实DSC和FTIR指纹并将其用作训练数据,以反映其自然变异性。在DSC分析中,利用了熔融相变的完整曲线,而非单独的DSC参数(峰值温度、峰高、焓值)。每种浆果种子油均以独特的吸热峰和放热峰为特征。FTIR模型基于三个光谱范围内的吸光强度建立,分别为3550-3200 cm⁻¹、3010-2854 cm⁻¹和1720-720 cm⁻¹。通过监督学习和个性化数据处理,DSC 和 FTIR 的分类性能均得到了提高。在使用商业油进行外部验证时,DSC 模型在黑加仑和草莓油的分类方面表现出良好的预测性能,而 FTIR 模型则更适合预测黑加仑和覆盆子油的类别。本研究为行业从业者在处理热学和光谱指纹数据以筛查浆果籽油真实性方面提供了实用的见解。

  • 基于人工智能和二维MXenes的新型多模式纳米传感器检测系统用于食品中赭曲霉毒素A的检测

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

    Qi Liu, Sutong Li, Zongyi Li, Caifeng Zou, Shi Feng, Juncheng Song, Jie Zhang & Xiangyang Li

    食品标签

    食品安全与风险评估 光谱/色谱/质谱等分析方法 其他植物化学物质

    计算机标签

    深度学习 定量预测/回归分析 可见光/RGB/视频数据

    赭曲霉毒素A (OTA) 易于污染食品,对人类健康构成重大威胁。为了准确检测并及时预警食品中的OTA污染 (COTA),本研究开发了一种基于MXenes的新型四模态纳米生物传感器检测系统。MXenes是一类新型二维材料,包括碳化钒 (V2C) MXenes,由于其比表面积大、表面官能团丰富、化学稳定性好,在生物传感和检测领域具有巨大潜力。通过原位化学蚀刻、金属离子插层和协同物理剥离技术,合成了具有优异荧光猝灭特性的V2C纳米材料 (V2C-NMS),并通过适配体功能化V2C-NMS构建了具有优异类过氧化物酶活性的V2C-NMS@ssDNA。在此基础上,构建了用于OTA的荧光/比色生物传感器,传感器输出的荧光/比色信号与COTA具有良好的线性关系,检测限 (LOD) 低至6.77 pg mL−1。此外,基于从生物传感器荧光/比色模式获得的一系列RGB值,开发了一个全连接人工神经网络 (FCANN),FCANN的荧光/比色通道可以在几秒钟内准确预测样品的现场或远程COTA,LOD低至7.10 pg mL−1。重要的是,该四模式方法在实际样品检测中表现良好,回收率在95.33%到105.79%之间,并且四种模式的检测结果可以相互验证。

  • 基于近红外光谱结合模型转移方法,提高高地大麦多质量属性检测准确性和普遍性的策略

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

    Linglei Li, Long Li, Jingfeng Li, Jingjing Yang, Lang Jia, Bei Fan, Litao Tong, Liya Liu, Yatao Huang, Xiaolong Yang, Fengzhong Wang & Lili Wang

    食品标签

    杂粮 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 碳水化合物与糖类 多酚与黄酮

    计算机标签

    机器学习/统计学习 迁移学习/领域自适应 定量预测/回归分析 红外/拉曼光谱数据

    本研究利用直接标准化(DS)、分段直接标准化(PDS)和DS-PDS算法,促进高地大麦(HB)检测过程中模型在仪器间的转移,并校准不同状态下的HB样品。模型转移后,从属仪器结果显著改善。经过DS处理后,总淀粉(预测集相关系数R)取得了最佳结果 p = 0.903),淀粉质(Rp= 0.936),β-葡聚糖(Rp= 0.929)。经过DS-PDS处理后,蛋白质(R)获得了最佳结果p= 0.855)和总苯酚(Rp = 0.937)。此外,经过散射校正后,晶粒的结果得到了进一步提升。唐氏综合症治疗后,全淀粉(R)p = 0.873),淀粉质(Rp= 0.950),蛋白质(Rp= 0.899),β-葡聚糖(Rp= 0.899),以及总孔(Rp= 0.965)证明了最优性能。总体而言,本研究通过有效的模型转移和晶粒散射校正,显著提升了模型的普遍性和准确性。

  • 基于COF-ag基底的表面增强拉曼散射(SERS)方法与机器学习相结合,被用于检测牛奶中的四环素和土霉素

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

    Yunpeng Shang, Anqi Hu, Chaoqun Ma, Jiao Gu, Chun Zhu, Lei Li, Hui Gao, Taiqun Yang & Guoqing Chen

    食品标签

    液态乳 化学污染物 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 红外/拉曼光谱数据

    四环素类抗生素因其强大的抗菌效果而备受重视,在畜牧业中被广泛使用,但也引发了人们对牛奶中存在不安全残留的担忧。本研究开发了一种基于氨基功能化共价有机框架(COF)的表面增强拉曼光谱(SERS)方法,用于检测牛奶中的痕量四环素(TTC)和土霉素(OTC)。COF材料作为选择性配体,有效减轻了牛奶基质的干扰。此外,COF与抗生素分子之间的氢键有助于拉曼信号的化学增强。该方法对TTC的检测限低至0.05 μg/L,对OTC的检测限低至0.07 μg/L。由于这些抗生素结构相似,研究采用主成分分析进行降维,并结合支持向量机分类算法,基于光谱数据实现了对抗生素的准确鉴别,分类准确率达100%。

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