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
-
基于肽组学、机器学习、分子对接和分子动力学模拟鉴定杜洛克×(高黎贡山猪×撒坝猪)杂交猪肉鲜味肽及其呈味特征
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Yuzhu Wang, Wentao Zheng, Daodian Wang, Guangqiang Wei, Zhenzhu Li, Yufang Li, Yue wang, Jindou Shi, Wenli Tao, Wenbin Zhang, Guiying Zhao, & Aixiang Huang
食品标签
畜肉 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 时序传感器/物联网数据本研究从杜洛克×(高黎贡山猪×撒坝猪)杂交猪肉(DGS)中鉴定新型鲜味肽,并探索其与 T1R1/T1R3 受体的相互作用机制。研究采用液相色谱-串联质谱(LC-MS/MS)表征 DGS 热鲜肉(DGSH)和冷鲜肉(DGSC)的肽谱,发现 DGSC 具有更高的鲜味肽潜力。通过生物信息学和构象关系分析筛选出 7 条潜在鲜味肽。感官评价显示,VEGK、VESL、LEEK、LPEAL 和 KRLMEDTED 五条新肽的鲜味阈值为 0.21-0.48 mg/mL。电子舌分析表明,VESL 和 LEEK 的鲜味强度超过等浓度味精,VEGK 的鲜味强度超过双倍浓度味精。分子对接显示,这五条新肽主要通过氢键与 T1R1/T1R3 结合,分子动力学模拟进一步证实其结合稳定。该研究为丰富云南地方杂交 DGS 猪肉风味化合物资源和解析其适口性提供了科学依据。
-
基于TG-FTIR和机器学习的不同纬度绿茶质量差异与产地追溯研究
查看原文2025
Food Research International
中科院一区JCR一区Mengqi Guo, Yue Zhao, Yulong Chen, Zhiwei Chen, Yong Chen, Dandan Qi, Min Lu & Chunwang Dong
食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法计算机标签
随机森林 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/拉曼光谱数据纬度差异可显著影响茶叶品质,但该领域的深入研究尚显不足。本研究采用热重分析联用红外光谱技术及机器学习方法,对中国不同纬度产区的绿茶进行了研究。首先通过工业分析与元素分析表征了茶叶的理化性质。随后,在TG-FTIR分析仪中以三种升温速率(β: 10, 20, 30 °C min−1)进行热解实验,并采用免模型的Kissinger、Ozawa和Starink方法根据热重数据计算了动力学与热力学参数。对不同纬度茶叶样品的活化能(Ea)值进行了主成分分析(PCA)以进行聚类分析。最后,利用机器学习算法建立了热解动力学参数的线性和非线性预测模型。结果表明,与低纬度茶叶相比,高纬度茶叶在活跃热解区的质量损失百分比较低,且燃烧效率更高。在不同转化率(α)下,高纬度茶叶的平均Ea值均高于低纬度茶叶。基于Ea值的PCA聚类能有效区分不同纬度的茶叶样品。在热解动力学参数的预测模型中,基于SNV预处理的随机森林(RF)模型获得了最高的预测精度,可在不依赖传统公式计算的情况下准确预测热解动力学参数。总之,本研究全面分析了中国不同纬度茶叶样品热解过程的差异,为茶叶产地追溯技术提供了新见解。
-
基于近红外光谱技术的传统卡莎萨酒酒精含量定量分析与掺假鉴别研究
查看原文2025
Food Chemistry
中科院一区JCR一区Valber Elias de Almeida, José Félix de B. Neto, Taliana Kênia A. Bezerra, Vandessa P. da Silva, Germano Veras, Railson de Oliveira Ramos & David Douglas de Sousa Fernandes
食品标签
酒精饮料 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
机器学习/统计学习 偏最小二乘法 其他深度学习结构 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据卡莎萨酒是巴西传统酒精饮品,在巴西经济中占据重要地位。传统质量检测方法成本高昂,不仅需要专业人力,检测耗时也较长。本研究提出采用近红外光谱技术,建立创新且环保的检测方案,用于卡莎萨酒酒精度定量分析与掺假鉴别,无需使用化学试剂。研究选取巴西帕拉伊巴州布雷茹微产区的462份卡莎萨酒样本,运用偏最小二乘法(PLS)、蒙特卡洛无信息变量消除结合偏最小二乘法(MCUVE-PLS)、竞争性自适应重加权采样结合偏最小二乘法(CARS-PLS)、迭代变量子空间投影结合偏最小二乘法(iSPA-PLS)等变量筛选算法开展数据分析。其中MCUVE-PLS-DA/OFF模型的掺假鉴别准确率达97.3%,iSPA-PLS-DA/OFF模型用于酒精度检测时,预测均方根误差为0.16体积分数、剩余预测偏差为59.04、相关系数为0.99。上述模型可为传统检测方法提供一种可持续、高性价比的替代方案,在保障卡莎萨酒生产合规性与品质稳定性的同时,提升模型可解释性并降低计算成本。
-
人工神经网络辅助的比色-光热双模适体传感器用于β-伴大豆球蛋白的检测
查看原文2025
Food Chemistry
中科院一区JCR一区Yingming Zhang, Xianfeng Lin, Shikun Zhang, Lixin Kang, Nuo Duan, Zhouping Wang & Shijia Wu
食品标签
其他谷物与块根 过敏原与毒性问题 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
智能手机/其他 定量预测/回归分析β-伴大豆球蛋白是大豆中最重要的过敏原,对其进行准确检测对保障食品安全具有重要意义。本研究采用新型多功能仿生纳米酶Au@His-MIL-88作为信号探针,结合催化发夹组装(CHA)技术,构建了一种人工神经网络(ANN)模型辅助的比色-光热双模适体传感器。该方法的检测范围为5–5000 ng/mL,检出限(LOD)为1.31 ng/mL。实际样品中β-伴大豆球蛋白的回收率为93.1–114.0%,表明该方法具有实用性。适体与CHA的结合扩大了目标应用范围,并提高了检测灵敏度。此外,ANN模型能够实现双模传感信号的深度融合与相互校正,从而减少回归误差,提高检测效率。所开发的检测方法在食品过敏原检测领域具有广阔的应用前景。
-
利用UHPLC-Q-TOF-MS对受“心腐病”影响的石榴品种中链格孢菌代谢物进行定性与相对丰度分析
查看原文2025
Food Control
中科院一区JCR一区Mario Riolo, Carlos Luz, Cristian Bua, Salvatore Barreca, Maria Catena Tambè, Jorge Calpe, Marco Masi, Alessio Cimmino, Gaetano Tirrò, Giuseppe Meca, David Ezra & Santa Olga Cacciola
食品标签
新鲜水果 食品安全与风险评估 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
主成分分析/判别分析 随机森林 分类/鉴别/等级评定利用UHPLC-Q-TOF-MS分析方法,对受“心腐病”影响的‘Acco’和‘Wonderful’石榴果实榨取的果汁中链格孢菌的次级代谢物进行了鉴定。对健康和感染果实的果汁进行了比较分析,特别关注霉菌毒素含量。共检测到22种代谢物,包括霉菌毒素细交链孢菌酮酸、交链孢酚、交链孢酚单甲醚和细交链孢菌烯酸。多元分析,包括主成分分析和随机森林模型,清晰地区分了健康和感染果实的代谢谱。有症状的果实,尤其是‘Wonderful’品种,表现出显著更高水平的霉菌毒素,如交链孢内酯A和交链孢毒素,表明这些代谢物是早期检测心腐病的潜在生物标志物。相反,它们的石榴酸(punica acid)水平显著降低,表明心腐病感染由于消耗了这种Omega-5脂肪酸的含量,对果汁的营养价值产生了负面影响。本研究为更好地理解链格孢菌感染对石榴汁品质的影响提供了见解,并为石榴汁中霉菌毒素水平的监管提供了新的证据。