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 1098 条结果
-
结合拉曼高光谱成像的纹理和光谱特征及化学计量学定量测定单颗玉米粒霉变
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
玉米 微生物安全 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据玉米霉变是普遍存在的现象,实现单粒玉米霉变检测、防止霉变扩散具有重要意义。本研究采用线扫描拉曼高光谱成像系统对单粒玉米的真菌孢子数量进行检测,通过提取拉曼光谱并获取纹理特征来表征玉米霉变程度。
研究使用三种建模算法构建定量模型,用于测定单粒玉米的真菌孢子数量,并采用 竞争性自适应重加权采样法(CARS)对特征变量进行优化。最终,基于拉曼光谱与纹理变异特征融合后筛选的变量,通过偏最小二乘回归(PLSR) 建立了最优检测模型。
结果表明,采用拉曼高光谱技术检测单粒玉米真菌孢子数量具备可行性。本研究为玉米孢子数量的原位、无损检测提供了一种可选方法。 -
基于蛋白质激光诱导击穿光谱分析鉴定加工肉制品中的肉种
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
肉类发酵制品 食品安全与风险评估 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
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/回归分析加工肉制品中肉类掺假与标签虚假标注的检测,已日益受到消费者关注。本研究旨在建立并验证一种基于蛋白质的激光诱导击穿光谱法(LIBS),用于鉴别发酵香肠和萨拉米制品中的牛肉、鸡肉与猪肉成分。
研究提取了香肠与萨拉米制品中的总蛋白,以及富含肌浆蛋白和肌原纤维蛋白的蛋白组分,并对其进行 LIBS 检测。通过化学计量学方法解析 LIBS 光谱:采用主成分分析实现肉类物种判别,采用偏最小二乘分析测定掺假比例。
肌原纤维蛋白组分中,牛肉香肠里鸡肉、猪肉掺假的检出限分别为 3.68% 和 3.83%;肌浆蛋白组分中,牛肉萨拉米里鸡肉、猪肉掺假的检出限分别为 3.80% 和 3.47%。 -
环境效应能否超越遗传?基于小麦挥发性指纹的化学计量学研究
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
小麦 特征风味 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定深入解析小麦中挥发性有机化合物(VOCs)差异的成因,对于小麦及其制品的品质提升与质量控制至关重要。本研究分析了两年间种植于不同海拔、不同地块的普通小麦与硬粒小麦籽粒的挥发性物质谱,采用气相色谱 - 质谱联用技术共鉴定出 149 种化合物。
主成分分析(PCA)结果表明,种植年份是导致 VOCs 差异的最主要来源。研究通过偏最小二乘判别分析(PLS-DA)进一步探究了种植产地(包括种植地块、海拔)及小麦种属对 VOCs 的影响,该模型可依据 VOCs 谱对不同产地的小麦实现正确判别。
采用多维检验法对各影响因素的重要性进行排序,结果为:种植年份>种植地块>小麦种属>海拔。研究结果提示,在决定小麦 VOCs 差异方面,环境条件的作用大于种属差异。 -
使用一类自编码器基于红外光谱检测奶粉掺假
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
乳粉 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 支持向量机 分类/鉴别/等级评定 红外/拉曼光谱数据食品掺伪检测需要快速简便的方法。光谱检测可大幅缩短分析时间,但需要构建对应的检测模型。本研究提出一种基于自编码器的单类分类方法,用于光谱技术检测食品掺伪。
该方法通过搭建自编码器,从高维光谱数据中提取低维特征并重构原始光谱,再利用编码误差与重构误差判断食品样品是否掺伪。研究采用奶粉及其掺伪样品的红外光谱数据验证所建模型的性能。
实验结果表明,该方法的检测效果与类模拟软独立建模(SIMCA)、单类偏最小二乘法相当,且显著优于支持向量数据描述方法。该方法可灵活应用于食品掺伪的光谱检测。 -
可见-近红外光谱结合模拟退火偏最小二乘分析预测牛初乳中免疫球蛋白G、A和M浓度的有效性
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
液态乳 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据本研究尝试采用可见 - 近红外光谱结合 模拟退火偏最小二乘回归(SA-PLS) 变量筛选方法,对牛初乳中的免疫球蛋白组分(g/L)—— 即免疫球蛋白 G(IgG)、免疫球蛋白 A(IgA)与免疫球蛋白 M(IgM)进行定量预测。
研究以放射免疫扩散法(该领域金标准方法)测定 678 份样品中免疫球蛋白的含量,并将所有样品等分为校正集(50%)与验证集(50%)。模型设定筛选变量的最大数量不超过 200 个,以 交叉验证均方根误差(RMSECV) 作为损失函数。基于校正集构建的最终模型,其预测性能在验证集上进行评估。
整体结果显示,相较于普通偏最小二乘回归,模拟退火偏最小二乘回归可将验证集 RMSECV 降低 3%~17%。本研究证实,所建校正模型可对牛初乳中含量最丰富的免疫球蛋白 IgG 实现精准定量,模型性能为:RMSECV = 13.28 g/L,决定系数R2 = 0.83。上述结果可用于评估供畜禽及人类使用的牛初乳品质。