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
-
通过综合 GC-IMS 和电子鼻分析增强对黑茶品质的理解
查看原文2025
LWT
中科院一区JCR一区Shouji Gong, Ziran Zhang, Jing Chen, Haibo Wu, Hongming Jiang, Cuiqin Teng, & Ziru Dai
食品标签
茶/茶饮料 品质、结构与理化性质 特征风味 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质计算机标签
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 时序传感器/物联网数据本研究采用气相色谱-离子迁移谱(GC-IMS)和电子鼻(E-Nose)分析六堡茶及其他黑茶的香气成分,并运用主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)对检测数据进行统计分析。GC-IMS 共分离出 58 种香气成分形态,其中 39 种得到明确鉴定。六堡茶表现出独特的挥发性特征,其丁酸乙酯、戊酸戊酯和甲硫醛含量显著高于其他黑茶(p < 0.01)。GC-IMS 揭示了六堡茶中包括丙酮、2-丙醇和乙酸在内的九种黑茶共有标志物的基础组成,而电子鼻捕捉了六堡茶整体香气的空间分布差异。这种双模态分析方法将物质基础与感官表征有效结合,为黑茶品质评价提供了新的方法范式。研究不仅建立了六堡茶的挥发性特征图谱,还利用机器学习算法识别关键判别指标,为黑茶类别鉴别、工艺优化和地理标志保护提供了科学依据。
-
食品标签
蛋白质配料 微观结构与成像 其他理化与结构表征计算机标签
机器学习/统计学习 文本/知识库/法规数据植物基食品正逐渐成为动物源产品的可持续和注重健康的替代品。了解植物蛋白体系从分子到介观尺度的组织结构对于设计具有理想质地、稳定性和营养表现的产品的理想的质地、稳定性和营养表现的产品至关重要的产品至关重要。小角X射线散射和小角中子散射是在现实水合条件下深入了解这些体系分层结构的强大无损技术。本综述总结了近期在使用SAXS和SANS研究植物基凝胶、泡沫、乳液、人造肉、乳制品替代品和体外消化的应用进展。这些技术揭示了关于蛋白质聚集、网络形成、界面结构化以及消化动力学的关键信息,而这些往往是传统方法无法获得的。我们还概述了未来的研究方向,包括扩展到非热凝胶化途径、整合原位加工环境、与其他互补技术联用,以及利用AI进行结构解析。SAXS和SANS有望在合理设计具有优化功能和感官属性的下一代植物基食品中发挥核心作用。
-
基于可见光-近红外高光谱成像评估采后储存猕猴桃的成熟度
查看原文2025
Postharvest Biology and Technology
中科院一区JCR一区Jeong-Eun Lee, Min-Jee Kim, Bo-Yeong Lee, Lee Jong Hwan, Ha-Eun Yang, Moon S. Kim, In Geun Hwang, Cheon Soon Jeong & Changyeun Mo
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 支持向量机 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱猕猴桃在采后低温下长期储存后,由于采收条件的影响,在出库时可能表现出不同的内部品质。果肉硬度(FF)和可溶性固形物含量(SSC)是食用品质和成熟度的属性,它们在储存期间会发生变化。为了确保按时出库具有均一品质的猕猴桃,开发针对FF、SSC和成熟度的无损检测技术是必要的。本研究开发了利用可见光-近红外高光谱成像技术预测猕猴桃FF、SSC和成熟度阶段的模型。根据储存期研究了猕猴桃的FF和SSC,并基于这些特性定义了五个成熟度阶段。测量了储存0-120天的猕猴桃的Vis-NIR高光谱图像以提取高光谱光谱。开发了偏最小二乘回归和支持向量机回归预测模型来预测猕猴桃的FF和SSC,并开发了偏最小二乘判别分析和支持向量机分类模型来对成熟度阶段进行分类。经过二阶导数预处理的SVMR模型在FF预测中表现出最佳性能,其Rp2、预测均方根误差和RDP值分别为0.878、3.008 N和2.721。对于SSC预测,经过多元散射校正预处理的SVMR模型表现出最佳性能,其Rp2、预测均方根误差和RDP值分别为0.940、0.898 Brix和4.055。成熟度判定在采用最大归一化预处理的PLS-DA模型和采用范围归一化预处理的SVMC模型中分别达到了91.463%和91.548%的最高准确率。本研究结果表明,Vis-NIR高光谱成像可用于快速识别在低温(0°C)下储存的猕猴桃的内部品质和储存后成熟度阶段。此外,所开发的技术有望有助于确定猕猴桃在储存期间的最佳出库时间。
-
基于机器学习的可持续提取方法评估:解决山金车提取物的生物技术开发问题
查看原文2025
Food Chemistry
中科院一区JCR一区Paula Garcia-Oliveira, Lucía Cassani, Aurora Silva, Clara Grosso, M. Fátima Barroso, Miguel A. Prieto, Jesus Simal-Gandara, Luigi Lucini & Pascual García-Pérez
食品标签
其他添加剂与配料 抗氧化/抗炎等功能 代谢组学 植物化学/生物活性成分计算机标签
智能手机/其他 分类/鉴别/等级评定 组学数据热辅助提取(HAE)、超声辅助提取(UAE)、微波辅助提取(MAE)和加压液体提取(PLE)是一系列具有不同物理原理的技术,这些原理会影响从山金车花中提取生物活性化合物的效率和选择性。预计这些技术会产生独特的代谢物谱,进而影响提取物的成分和功能。本研究将非靶向代谢组学与基于机器学习的化学计量学相结合,并对通过这四种技术获得的山金车花 hydroethanolic 提取物的体外生物活性进行了全面评估。PLE 得到的植物化学谱最为独特。所有提取物都含有关键的酚类物质,如花青素、木脂素及相关化合物。MAE 提取物表现出较强的抗氧化和神经保护作用,这与三萜类代谢物有关;而 PLE 提取物则显示出抗炎、细胞毒性和抗氧化活性,这主要受花青素和黄酮醇的影响。这些发现加深了我们对提取技术如何塑造山金车花提取物功能潜力的理解,有助于其作为营养保健品或生物活性成分在食品领域的应用。
-
受舌头启发的双模式传感系统实现高效液体识别
查看原文2025
Advanced Functional Materials
中科院一区JCR一区Mingrui Wang, Ziyi Dai, Lihua Tang, Lining Zhang, Kean C. Aw & Zhiyi Wu
食品标签
其他饮料 品质、结构与理化性质 过程监测与在线检测 其他理化与结构表征计算机标签
机器学习/统计学习 分类/鉴别/等级评定 时序传感器/物联网数据液体物质的识别与分析在环境安全、化学检测和食品工业等领域至关重要,但现有方法难以实现广谱识别和连续原位检测。本研究受人类味觉机制启发,开发出一种双模式仿生液体传感器(DBLS),将非接触式压阻压力传感器与摩擦纳米发电机(TENG)模块相结合,该模块包含四个差异化摩擦电超疏水层。与传统基于液滴的TENG传感器不同,这种电机驱动的冲击机制克服了重复使用过程中的性能衰减问题,以及高离子浓度环境下的信号衰减难题。DBLS系统通过将材料特异性摩擦电响应与测量表面张力、粘度的力学参数相结合,能生成全面的液体特征图谱。该方法不仅能适应各种液体成分与物理特性,还能有效消除接触条件变化对识别精度的影响。当结合机器学习时,该系统展现出卓越的辨别能力:可区分不同盐溶液及14种常见饮料,污染物识别准确率超过99.4%。凭借出色的耐用性(5000次循环测试)和多功能性,DBLS为食品安全、环境监测和工业质量控制领域提供了极具前景的技术平台。