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XGBoost机器学习算法的人参饮料澄清后沉积物重形成因子分析
查看原文2025
Food Chemistry
中科院一区JCR一区Jiabao Feng, Yuan Cui, Chunyan Jiang, Xueyuan Bai, Daqing Zhao, Meichen Liu, Zhengqi Dong, Shiting Yu & Siming Wang
食品标签
其他饮料 品质、结构与理化性质 蛋白质与氨基酸 碳水化合物与糖类计算机标签
机器学习/统计学习 梯度提升决策树 定量预测/回归分析本研究以极端梯度提升(XGBoost)模型为基础,探究经乙醇沉淀法、酶处理法、澄清剂澄清法、中空纤维柱(HFC)法四种澄清方式(含11个亚组)处理后人参饮料的沉淀再生影响因素。结果表明,四种澄清处理方式均能显著提升人参饮料的澄清度,但饮料储存后仍会产生沉淀;在各澄清处理组中,中空纤维柱(HFC)法处理的样品透光率最高、沉淀量最少,且抗氧化活性更强。通过化学成分分析及分配系数结果可知,糖类、皂苷、蛋白质及金属元素均不同程度参与了澄清后人参饮料沉淀的再生过程。基于上述数据,XGBoost模型预测,蛋白质、Rd型皂苷、钠、钾及总皂苷是影响人参饮料沉淀再生的五大关键化学成分。
-
一种基于葡萄糖代谢的智能手机集成比色微生物检测法用于食品中残留抗生素的检测
查看原文2025
Food Chemistry
中科院一区JCR一区Jun-Hyeok Ham, Yeon-Jung Lee & Hae-Yeong Kim
食品标签
其他复合食品 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据快速且准确地检测食品中的残留抗生素,对于保障食品安全和公众健康至关重要。在本研究中,我们开发了一种集成智能手机的比色传感器阵列,能够对食品中的残留抗生素进行精确的现场检测。该传感器阵列旨在监测四种不同细菌的葡萄糖代谢情况,每种细菌对抗生素暴露的反应各不相同。酚红作为一种对pH敏感的指示剂,可直观显示代谢酸化过程,从而产生与八种抗生素相对应的独特比色指纹图谱。通过基于智能手机的红/绿/蓝信号处理对产生的比色变化进行分析,能够在低浓度(0.5–1 μg/mL)下实现对抗生素的精确识别和定量。该传感器阵列成功区分了真实食品基质(包括牛奶、鸡肉、猪肉和牛肉)中的所有八种抗生素。这种生物传感平台被开发为一款智能手机应用程序,无需专用设备即可进行抗生素检测。这种智能手机辅助的比色生物传感器为加强食品安全提供了一种简单、便携的解决方案。
-
迁移学习设计高效信号肽以提高解淀粉芽孢杆菌中重组蛋白分泌水平
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Ziyuan Li, Mingkai Wang, Jiyan Li, Yunan Ding, Liya Wang, Chong Peng, Yu Li, Fuping Lu, & Yihan Liu
食品标签
复合/即食/餐饮食品 品质、结构与理化性质 蛋白质与氨基酸计算机标签
迁移学习/领域自适应 设计/生成与推荐 小规模数据集信号肽在决定目标蛋白分泌效率方面发挥关键作用,但人工识别具有高分泌潜力的信号肽既耗时又费力。近年来,许多先进机器学习技术已应用于生物学和食品研究。本研究利用实验获得的信号肽-目标蛋白分泌数据构建机器学习模型,用于预测信号肽对目标蛋白分泌效率的影响。鉴于可用数据有限并影响模型准确性,研究引入迁移学习,并通过模型选择实验验证其有效性,从而开发出更精确的机器学习模型。利用所开发的信号肽生成器和机器学习模型,研究成功设计出高质量信号肽。实验验证表明,80% 的机器学习设计信号肽能够分泌目标蛋白,其中 60% 实现高水平分泌。该研究为提高解淀粉芽孢杆菌中重组蛋白分泌水平提供了数据驱动设计方法。
-
利用光谱技术和多变量分析评估运动补充剂肌酸的真实性
查看原文2025
Food Chemistry
中科院一区JCR一区Thinara de Freitas Oliveira, Gabriel Rosário Santos, Josane Cardim de Jesus, Jéssica Souza Coqueiro, Robério Rodrigues Silva, Sibelli Passini Barbosa Ferrão & Leandro Soares Santos
食品标签
其他添加剂与配料 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据 小规模数据集肌酸是全球摄入量最高的补充剂。尽管研究证实其安全性和有效性,掺杂有害物质仍可能对消费者构成严重健康风险。本研究旨在开发利用与化学计量分析相关的光谱技术评估肌酸补充剂纯度的方法。共收集并分析了149个样品,采用高性能液相色谱(HPLC)、中红外(MIR)和近红外(NIR)光谱。HPLC分析鉴定出117个纯样本和32个掺假样本。用于预测肌酸浓度和分类样本为纯或掺假的模型取得了显著结果,MIR和NIR的准确率均超过95 %。研究结果表明,HPLC、MIR和NIR结合多变量分析,在验证肌酸补充剂的真实性并准确预测其浓度方面具有有效性。
-
基于高光谱成像和深度学习结合距离相关波长选择的鸡蛋新鲜度无损评估
查看原文2025
Current Research in Food Science
中科院一区JCR一区Pauline Ong, Shih-Yen Chiu, I-Lin Tsai, Yen-Chou Kuan, Yu-Jen Wang & Yung-Kun Chuang
食品标签
蛋类及其制品 品质、结构与理化性质 光谱/色谱/质谱等分析方法 其他理化与结构表征计算机标签
偏最小二乘法 支持向量机 梯度提升决策树 卷积神经网络 特征工程与选择策略 分类/鉴别/等级评定 高光谱/多光谱光谱基于哈夫单位的传统鸡蛋新鲜度评估方法具有破坏性且耗时。因此,本研究探讨了利用高光谱成像(450–1100纳米)进行鸡蛋新鲜度无损评估。光谱数据采用标准正态变量进行预处理,以减少光谱变异性,随后进行波长选择——这是提高模型预测能力的关键步骤。特别是,距离相关性作为一种统计上稳健但在高光谱波长选择中很少被探索的方法,被用于识别信息丰富的波长。选定的波长被纳入各种回归模型,即卷积神经网络、梯度提升树、多元线性回归、偏最小二乘回归和支持向量回归模型。我们发现,结合距离相关法的卷积神经网络模型表现最佳(相关系数为0.9056,均方根误差为4.4152),优于使用常用波长选择方法的其他模型。基于获得的最佳模型生成了鸡蛋新鲜度的伪彩色图。