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

  • 结合化学计量学和深度学习,利用具有金纳米颗粒基底的表面增强拉曼光谱(SERS)对绿茶中的微塑料进行检测与分类

    2025
    Current Research in Food Science
    中科院一区
    JCR一区
    查看原文

    Rahul Joshi, Samir Adhikari, Donghan Lee & Byoung-Kwan Cho

    食品标签

    茶/茶饮料 加工污染物 其他包装相关研究 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 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据

    绿茶因其有益健康的特性而在全球范围内被广泛饮用,但在包装和加工过程中仍容易受到微塑料污染。聚苯乙烯(PS)和聚对苯二甲酸乙二醇酯(PET)等微塑料对人类健康和食品安全构成潜在风险,这凸显了有效检测方法的必要性。在这项研究中,采用基于金纳米颗粒基底的表面增强拉曼散射(SERS)技术,在400–1650 cm⁻¹的光谱范围内对四种绿茶粉末中的PS和PET污染进行检测和分类。为了对样本进行分类,我们比较了两种化学计量学方法——偏最小二乘判别分析(PLS-DA)和支持向量机(SVM),以及一种深度学习方法,即一维卷积神经网络(1D-CNN)。通过优化预处理,除了绿茶(Ryokucha)外,PLS-DA对所有茶叶品种都实现了完美的分类准确率(100%)。SVM也表现出较强的性能,但准确率略有下降,抹茶(Matcha)为83.89%,茉莉花茶(Jasmine)为100%,煎茶(Sencha)为93.24%。尽管1D-CNN模型的验证准确率高于SVM,抹茶为93.52%,茉莉花茶为99.91%,煎茶为94.26%,但其性能仍略低于PLS-DA模型。此外,对于来自不同绿茶品种的未知样本,SERS–PLS-DA方法再次实现了最高的验证准确率,抹茶为100%,茉莉花茶为99.80%,煎茶为96.46%,这进一步证明了该技术的巨大潜力。这些研究结果证实,基于金纳米颗粒基底的SERS技术,尤其是与PLS-DA相结合时,为绿茶中微塑料污染的快速检测和分类提供了一个高灵敏度、非破坏性且可靠的平台。

  • 基于高光谱成像的桃子内部质量指标评估与定量迁移学习模型分析

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

    Guozheng Wang, Yiyun Wang, Dayang Liu, Mianqing Yang, Guoliang Chen & Jingyuan Dai

    食品标签

    新鲜水果 其他品质相关性质 光谱/色谱/质谱等分析方法

    计算机标签

    其他深度学习结构 主成分分析/判别分析 智能手机/其他 定量预测/回归分析 高光谱/多光谱光谱 中等规模数据集

    基于高光谱成像的迁移学习已广泛用于预测水果的内部质量指标,如可溶性固形物含量(SSC)、果肉硬度(FF)和水分含量(MC)。然而,现有研究主要集中于相同品种和相同质量指标之间的迁移,或不同品种之间相同质量指标的迁移,缺乏对不同质量指标之间迁移的深入探索。为解决这一问题,本文提出了一种迁移学习模型PCA-ELM-TrAdaBoost,该模型集成了主成分分析(PCA)、加权极限学习机(ELM)和TrAdaBoost算法。所提出的模型通过挖掘SSC、FF和MC之间的协同关系,优化了光谱数据的特征提取和信息表示能力,从而实现不同质量指标之间的有效知识迁移。实验结果表明,PCA-ELM-TrAdaBoost模型在多质量指标建模中显著提高了预测性能。与传统的单指标建模方法相比,该模型在处理不同质量指标之间的迁移时表现出更强的适应性和更高的预测精度。当使用目标域的100个样本进行建模时,桃子SSC、FF和MC的RPD分别超过2.4、1.6和2.5。尽管对FF指标的预测性能相对较弱,但整体模型在小样本条件下仍表现出良好的稳定性和可迁移性。该模型通过集成多源信息融合和迁移学习,为桃子内部质量指标的光谱预测提供了一个高效、稳健的解决方案,在多指标建模、跨域适应和小样本任务中表现出优越的性能。

  • 基于随机森林递归特征消除集成学习方法的羔羊肉产地溯源性代谢组学研究

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

    Chongxin Liu, Simona Grasso, Nigel Patrick Brunton, Qi Yang, Shaobo Li, Li Chen & Dequan Zhang

    食品标签

    畜肉 光谱/色谱/质谱等分析方法 代谢组学

    计算机标签

    随机森林 逻辑回归/贝叶斯 分类/鉴别/等级评定 组学数据

    羊肉的产地溯源一直是消费者关注的长期问题。尽管非靶向代谢组学在肉类产地溯源中得到了广泛应用,但在实现生物标志物的快速准确识别方面仍存在挑战。本研究采用非靶向代谢组学对五个地理标志肉羊品种进行分析,获得了包含4139种代谢物的谱图数据。通过随机森林递归特征消除法,初步鉴定出29种潜在生物标志物,这些标志物在品种特异性和生产环境相关的变异方面表现出显著差异。经过进一步评估,一组优化后的14种代谢生物标志物在羊肉产地溯源中展现出最佳的准确性和稳健性。与朴素贝叶斯算法结合时,这些生物标志物在所有评估的机器学习方法中取得了最高的分类准确率。与以往的分析方法相比,随机森林递归特征消除法为处理高维代谢组学数据集提供了一种实用的方法。这些发现也为基于机器学习的生物标志物组的开发提供了宝贵见解,极大地提升了肉羊的品种特异性溯源能力。

  • 基于遗传算法结合支持向量回归,探索烤牛肉中杂环芳香族胺的预测和生成模式

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

    Wenrui Li, Jiachen Yu, Nanjiang Ren, Long Huang, Yike Dang, Yongning Wu & Guoliang Li

    食品标签

    畜肉 品质、结构与理化性质 传统热加工 过程监测与在线检测

    计算机标签

    支持向量机 主成分分析/判别分析 定量预测/回归分析

    杂环芳香胺(HAAs)是食品加热过程中产生的有害副产物。因此,探究杂环芳香胺的预测规律与生成机理具有重要研究意义。本研究采用遗传算法(GA)与支持向量回归(SVR),基于加热条件构建杂环芳香胺预测模型,揭示加热温度和加热时间对烤牛肉中杂环芳香胺前体物质及生成量的影响规律,研究不同加工条件下杂环芳香胺的生成特征。主成分分析(PCA)结果表明,随着加热温度升高、加热时间延长,对杂环芳香胺生成量的影响程度随之增大。GA-SVR模型在预测杂环芳香胺含量时,绝对误差趋近于零,回归相关系数(R)接近1。该GA-SVR模型可应用于烤牛肉中杂环芳香胺的实时监测,为肉制品热加工过程中有害物质管控与智能化加工提供技术支撑。

  • 即溶绿茶的储存寿命预测与质量鉴别:计算机视觉、电子鼻和电子舌的整合

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

    Yang Wei, Yongqi Wen, Peihua Ma, Xiufang Yang, Yangjun Lv, Zaixiang Lou, Hongxin Wang, Qun Ye & Xinlin Wei

    食品标签

    茶/茶饮料 货架期预测与品质劣变动力学 其他理化与结构表征

    计算机标签

    智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 多模态/融合数据

    茶叶的储存是决定茶叶产品质量的关键因素。本研究系统地探究了速溶绿茶在储存期间的质量变化,并通过整合计算机视觉、电子鼻、电子舌与机器学习,开发出一种智能评估方法。定量化学分析建立了常规质量指标与多传感器智能特征之间具有统计显著性的相关性。机器学习模型能有效对速溶绿茶的储存时长进行分类,其中电子舌在储存时间预测方面的分类准确率超过98%。此外,数据融合结合特征选择算法,提高了对储存时长和关键质量成分的预测精度。智能传感技术的整合为速溶茶的保质期快速预测和质量鉴别提供了可靠的方法,为茶叶行业的质量控制和真实性保障奠定了科学基础。

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