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
-
热脱附-光电离离子迁移率电子鼻(TD-PIM-Nose)与距离-概率联合决策SVM算法:一种用于大曲等级识别的新系统
查看原文2025
Food Chemistry
中科院一区JCR一区Shiwen Cheng, Qiang Han, Yumei Qin, Li Chen, Yuezhong Mao, Jianmei Yang, Ruihang Zheng, Jianzhong Han, Zihan Qin, Chuang Chen & Shiyi Tian
食品标签
谷物发酵食品 品质、结构与理化性质 特征风味计算机标签
支持向量机 分类/鉴别/等级评定 时序传感器/物联网数据电子鼻是一种利用传感器阵列与模式识别算法模拟人类嗅觉系统的仿生技术。本研究研制了热脱附-光电离离子迁移-电子鼻(TD-PIM-Nose)系统,该系统采用热脱附技术实现直接采样与湿度调控,以光电离离子迁移管作为虚拟传感器阵列完成组分分离与检测,并借助模式识别算法进行信号处理,从而实现样品的区分与鉴别。此外,将该系统应用于经全属性描述法(CATA)划分的四个等级大曲样品的品质评价研究。通过指纹图谱与约化迁移率值,明确了不同等级大曲间特征化合物的差异。研究构建了距离-概率联合决策支持向量机(SVM)算法模型,并以感官CATA评价标准为参照完成模型验证。实验结果显示,四个等级大曲的鉴别准确率分别达到90%、90%、96.88%和100%。研究结果表明,TD-PIM-Nose系统在大曲品质分级领域具备良好的应用前景。
-
利用傅里叶变换中红外光谱和传统机器学习算法快速检测及光谱特征分析骆驼奶中的矿物质含量
查看原文2025
Food Control
中科院一区JCR一区Yongqing Li, Yikai Fan, Jingyi Gao, Li Liu, Lijun Cao, Bo Hu, Zunongjiang Abula, Yeerlan Xieermaola, Haitong Wang, Chu Chu, Zhuo Yang, Guochang Yang, Peipei Wen, Dongwei Wang, Wenxin Zheng & Shujun Zhang
食品标签
乳清及乳清制品 基本营养价值评价 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据 中等规模数据集骆驼奶富含营养和生物活性因子,其矿物质含量通常高于牛奶,但目前国际上尚未建立快速、批量的矿物质含量检测方法。本研究收集了中国新疆113个地点的骆驼奶样品。基于电感耦合等离子体发射光谱法测定的真实矿物质值和提取的中红外光谱数据,国际上首次利用傅里叶变换中红外光谱和传统机器学习算法偏最小二乘回归,建立了10种关键矿物质(钙、铁、钾、镁、锰、钠、磷、锶、锌、硒)的定量预测模型。测试集的R²t在0.61至0.91之间,RMSEt在2.21微克/千克(硒)至197.08毫克/千克(钾)之间,RPDt在1.59至3.28之间。此外,本研究还总结了骆驼奶中矿物质相关特征波数的分布、模式和相关性。该研究为快速检测骆驼奶矿物质开辟了新途径,填补了利用FT-MIRS检测骆驼奶矿物质含量的研究空白。
-
用于植物毒素保留时间预测模型的最佳机器学习算法
查看原文2025
Food Control
中科院一区JCR一区Masaru Taniguchi, Shoichiro Noguchi, Hidenobu Kawashima, Jun Sugiura, Tomoyuki Tsuchiyama, Tomiaki Minatani, Hitoshi Miyazaki & Kei Zaitsu
食品标签
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
支持向量机 定量预测/回归分析 中等规模数据集在通过液相色谱-高分辨质谱(LC-HRMS)进行的疑似物筛查或非靶向分析中,高精度的鉴定通常依赖于保留时间(RTs)和MS/MS图谱。然而,由于标准品稀缺,保留时间难以获得。在此,我们开发了一种基于定量构效-保留关系(QSRR)的RT预测模型,利用机器学习技术,专门用于预测与意外食物中毒有关的植物毒素。利用524种化合物的分子描述符(MDs)和实验保留时间生成了用于构建QSRR模型的数据集。使用10种机器学习算法,根据实验保留时间与分子描述符之间的关系构建了QSRR回归模型。在分析的数据集上,支持向量回归(SVR)QSRR模型在泛化能力方面优于其他QSRR模型(R2: 0.972,平均绝对误差:183 [约1.6分钟],平均绝对百分比误差 [MAPE]:6%;Q2: 0.875,MAE:584 [约2.0分钟],MAPE:15%)。此外,SVR QSRR模型成功地预测了九种植物毒素的保留时间,误差在±0.5分钟以内。因此,该模型提高了通过LC-HRMS鉴定植物毒素的可信度。
-
一种基于约束优化的新型无参数模型更新策略,用于在多种生物变异性下提升果实品质评估
查看原文2025
Food Chemistry
中科院一区JCR一区Penghui Liu, Yingjie Zheng, Hao Tian, Han Chang, Xuan Luo, Yibin Ying & Lijuan Xie
食品标签
新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 分类/鉴别/等级评定 红外/拉曼光谱数据更新校准对于缓解因样本或测量条件导致的预测性能下降至关重要。本研究提出了一种改进的半监督无参数校准增强(MSS-PFCE)方法,以改善跨多种生物变异性的果实品质评估。研究使用了六个涵盖不同季节、产地和品种的果实数据集,来检验MSS-PFCE的有效性。结果表明,MSS-PFCE显著降低了从属光谱的平均预测均方根误差(RMSEP),降幅分别至少达到50.63%、92.66%和76.47%。MSS-PFCE优于四种基准方法(SS-PFCE、全局模型、重新校准以及斜率/偏差校正(SBC),同时仅使用5%的从属样本就能实现模型更新。此外,在不同的样本比例和成本阈值下,该方法能使更新后的模型保持较强的可靠性和稳定的拟合度。本研究有望推动一种新型更新技术的应用,该技术具有高精度、低样本依赖性、拟合稳定性和强可扩展性等特点,可用于现场果实品质评估。
-
使用可见-近红外高光谱成像和机器学习方法估算小麦粉的灰分含量
查看原文2025
LWT
中科院一区JCR一区Mohammad Hossein Nargesi, & Kamran Kheiralipour
食品标签
小麦 品质、结构与理化性质 显微与成像技术 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
机器学习/统计学习 偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 高光谱/多光谱光谱烘焙产品的质量在很大程度上取决于小麦面粉的质量。灰分含量是面粉提取率的一个关键指标,在评估面粉质量和分类中起着至关重要的作用。传统的面粉灰分测定方法具有破坏性、耗时且需要技术熟练的人员。在本研究中,采用可见-近红外高光谱成像作为一种无损方法来估算小麦面粉的灰分含量。样品由Tufton和Berberd面包的面粉制备,其灰分水平通过标准化学测试测定。获得超立方体后,通过在MATLAB软件中开发算法对其进行处理。使用主成分分析选择的 Taftoon 面粉有效波长为 493.84、652.59、725.35、826.23、872.53、894.85 和 944.46 nm,而 Barbari 面粉的有效波长为 422.73、601.33、746.85、789.84、803.07、896.51 和 941.16 nm。随后使用人工神经网络和偏最小二乘回归建立预测模型。两种模型的性能结果显示,Taftoon 面粉的预测准确率分别为 98.96% 和 97.05%,Barbari 面粉分别为 99.55% 和 92.27%。研究结果还表明,将高光谱成像与机器学习模型结合,可用于面粉灰分含量的准确、快速、无损估测。这一综合方法为食品加工行业的传统质量控制方法提供了一个有前景的替代方案。