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

  • 采后贮藏期间松茸新鲜度的多维检测与预测建模

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Yun Li, Lin Yang, Yahui Zhu, Laizhao Guo & Xiang Wang

    食品标签

    食用菌菇 保藏与贮藏 品质、结构与理化性质 货架期预测与品质劣变动力学 感官评价与方法学 常规理化指标测定 质构与流变测试 光谱/色谱/质谱等分析方法 蛋白质与氨基酸

    计算机标签

    偏最小二乘法 定量预测/回归分析 时序传感器/物联网数据 质构/流变/感官数据 多模态/融合数据

    松茸是一种极易腐坏的食用真菌,其新鲜度在很大程度上决定了自身商业价值,但目前现有的新鲜度评价方法仍存在主观性强或指标不全面的问题。感官评分无法表征松茸理化性质的变化,单一检测分析技术也难以完整描述其腐败动态过程。为解决这一研究短板,本研究构建一套多维度综合分析体系,融合感官评定、质构特征检测、电子鼻信号响应、气相色谱-质谱联用(GC-MS)检测及氨基酸组分分析,并结合偏最小二乘回归(PLSR)模型实现松茸新鲜度的连续动态预测。
    分别在2℃与20℃条件下开展控温贮藏试验,结果表明松茸腐败变质程度存在显著温度依赖性。贮藏终点松茸硬度在2℃下下降85.7%,20℃下下降96.0%;咀嚼性分别降低32.0%、71.1%,黏附性涨幅超103倍。贮藏至第15天时,2℃组水分流失率为31.4%,20℃组水分流失率达67.5%。挥发性风味组分分析显示,松茸贮藏过程中醛类、醇类物质不断累积,而C8醇类物质1-辛烯-3-醇含量持续下降。低温贮藏条件下精氨酸前期快速损耗,该物质结合电子鼻5号传感器响应值与1-辛烯-3-醇,可构成一组精简有效的松茸新鲜度生物标志物组合。
    构建的偏最小二乘回归模型在2℃、20℃贮藏条件下决定系数R²分别为0.94、0.93;配对t检验结果显示模型预测值与感官评分无显著差异(p > 0.05),F检验证明各组数据方差齐性良好(p > 0.59)。该多维度综合检测方法为松茸新鲜度评估提供客观、数据化技术支撑,同时筛选出可实际应用的特征标志物,助力松茸智慧冷链管控体系落地实施。

  • 利用脑电图分析推进嗅觉感知研究:一种理解大脑对杏仁变质反应的动态方法

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

    Jianxun Li, Jinhua Han, Shengfan Chen, Bei Li, Lijun Wu & Qianqian Li

    食品标签

    豆类与坚果(及籽类) 感官科学与消费者研究 其他体内/人群研究

    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

    脑电图(EEG)能够通过神经元的电活动来研究嗅觉感知。解码感觉-认知加工过程中的动态振荡变化,对于理解气味诱发的大脑反应至关重要。首先,获取了杏仁的脑电图信号并将其转换到频域。采用Welch方法提取功率谱密度(PSD)。随后,研究了不同脑区和频段的大脑反应的功率谱分析。此外,还运用机器学习方法探索了主要的鉴别特征。结果显示,在δ波和α波频段出现了明显的振荡活动,引发了独特的空间-频率反应,即左侧颞区的δ功率增强和顶枕区的β功率增强。关键的是,18赫兹和25.5赫兹的β波频段,以及FP2、FZ和C3通道被证实是有助于嗅觉分析的关键特征。这项研究为嗅觉感知以及质量评估和储存监测方面的应用提供了宝贵的见解。

  • 基于多输出学习和增强的便携式系统用于可可豆质量评估

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

    Kamini G. Panchbhai & Madhusudan G. Lanjewar

    食品标签

    豆类与坚果(及籽类) 其他品质相关性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸

    计算机标签

    机器学习/统计学习 定量预测/回归分析 高光谱/多光谱光谱

    可可是全球贸易中重要的原材料,需要严格的质量检测。精确测量可可豆的成分,尤其是水分含量(MC)和脂肪含量(FC),对于质量控制至关重要。本文描述了一个组合系统,该系统可靠地利用光谱、光谱预处理、数据增强、降维、波长选择和先进的机器学习(ML)模型来预测这些关键特性。多输出ML技术被用于MC和FC的预测。此外,还使用了光谱增强和波长选择策略来提高有效性。所提出的方法在MC预测中获得了决定系数(R2)= 0.992,均方根误差(RMSE)= 0.072,性能与偏差比(RPD)= 10.620;而在FC预测中,R2 = 0.984,RMSE = 0.093,RPD = 7.919。还进行了分类分析,所提出的方法在MC和FC预测中分别获得了96.0%和90.0%的准确率。此外,统计分析得出的t统计量为44.445,p值为0.001。这些发现证明了这种非破坏性技术的实用性,它提供了一个可靠、高效且实用的选项,用于检测可可豆的质量,并在可可贸易的质量控制操作中具有巨大的应用潜力。

  • 阿拉斯加狭鳕皮来源的两种降压抗氧化肽:计算、体外和体内研究

    2025
    Journal of Agricultural and Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Jing Li, Duo Cai, Yong-Nian Zhai, Chen-Xi Wu, Hai-Lin Zhang, Jian Zhang, Cheng-Lin Liu, Shi-Hai Liu, & Jian-Bo Qu

    食品标签

    鱼肉 质构与流变性质 抗氧化/抗炎等功能 体外模型 细胞模型 蛋白质与氨基酸

    计算机标签

    机器学习/统计学习 定量预测/回归分析 合成/仿真数据为主

    本研究旨在从阿拉斯加狭鳕皮副产物中鉴定和表征两种具有降压和抗氧化活性的双功能新肽。结果显示,从阿拉斯加狭鳕皮中共鉴定出 59 条肽,其中 GP1(GSAGPAGPSGPRGP)和 GP2(LGDARNSPAPP)被预测具有最高的血管紧张素转换酶(ACE)抑制和抗氧化活性。GP1 和 GP2 表现出良好 ACE 抑制活性,IC50 分别为 0.166 和 0.177 mmol/L,并能显著降低高血压大鼠血压。此外,两条肽均能有效清除 ABTS 自由基,EC50 分别为 0.273 和 0.629 mg/mL,并保护 HepG2 细胞免受 H2O2 诱导损伤。分子对接显示,这些肽与 ACE 活性口袋和入口通道中的氨基酸残基相互作用,表现出混合竞争性抑制模式。这些肽还可结合 Keap1 的 Kelch 结构域,从而通过 Keap1-Nrf2 通路促进 Nrf2 介导的抗氧化酶转录激活。阿拉斯加狭鳕皮肽兼具 ACE 抑制和抗氧化特性,并具有较高胃肠稳定性,支持其作为降压功能食品、营养补充剂和肽基水凝胶开发中的多功能成分。

  • 气味诱导甜味增强研究进展:结合EEG技术的局部-全球融合变换器网络用于甜味量化

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

    Xiuxin Xia, Yatao Cheng, Zhuo Zhang, Zhijie Hua, Qun Wang, Yan Shi & Hong Men

    食品标签

    感官科学与消费者研究

    计算机标签

    卷积神经网络 其他深度学习结构 定量预测/回归分析 时序传感器/物联网数据

    减少糖分摄入对身体健康至关重要,气味增甜能够提升食用体验与食品品质感知。目前相关研究主要依赖人工主观感官评价,这类评价方式重复性较差。传统研究方法也无法捕捉人体对气味诱导甜味产生的动态神经响应。本文提出一种脑电局部-全局融合Transformer网络(EEG-LGFNet)模型,实现对该影响效应的客观解码。研究采集了16名受试者在不同气味与蔗糖刺激条件下的脑电数据。该模型通过融合局部与全局特征提取机制,实现对复杂神经信号的特征捕捉。研究在三个时间窗口下对模型性能进行验证,证明其在不同时间维度下均具备良好效果。通过对不同脑区决定系数的分析,证实了额叶、中央区及顶叶在甜味感知过程中具有关键作用。EEG-LGFNet模型在气味增甜量化任务中表现优异,性能显著优于现有主流模型。本研究为气味增甜机制研究提供了新的思路,可应用于食品研发、个性化营养及神经科学等领域。

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