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

  • 结合GC-TOFMS、GC-IMS和GC-E-Nose,对不同来源的烘焙阿拉比卡咖啡豆中的挥发性化合物进行表征与鉴别

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

    Xueying Shi, Yue Li, Dejian Huang, Shangwei Chen & Song Zhu

    食品标签

    豆类与坚果(及籽类) 特征风味 光谱/色谱/质谱等分析方法 风味组学

    计算机标签

    偏最小二乘法 分类/鉴别/等级评定 组学数据

    咖啡豆的产地在塑造烘焙咖啡的风味中起着关键作用。本研究利用气相色谱-飞行时间质谱(GC-TOFMS)、气相色谱-离子迁移率(GC-IMS)和气相色谱电子鼻(GC-E-Nose)对其挥发性化合物进行了全面表征,分析了来自八个不同产地的烘焙咖啡豆的挥发性化合物。GC-TOFMS共鉴定出168种挥发性化合物,气味活性值(OAV)分析确定了34种关键香气化合物(OAV > 1),变重要性预测(VIP)分析筛查了12种关键差别挥发性化合物。GC-IMS鉴定出105种挥发性化合物,并通过偏最小二乘判别分析(PLS-DA)对不同产地咖啡进行了令人满意的区分。GC-E-Nose进一步鉴定出不同来源间具有明显变化的挥发性化合物,从而能够快速识别咖啡样品。这些技术结合多元统计分析,使得对不同来源烘焙咖啡豆的风味化合物及其变异进行了全面表征。

  • 基于FTIR与HS-SPME-GC-MS结合化学计量学的天麻产地快速溯源及关键挥发性成分分析

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

    Yingfeng Zhong, Jieqing Li, Honggao Liu & Yuanzhong Wang

    食品标签

    其他果蔬制品/植物类 特征风味 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 支持向量机 卷积神经网络 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据

    天麻(Gastrodia elata Blume)因其丰富的营养成分和独特的风味而在食品领域备受青睐。本文采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)和傅里叶变换红外光谱(FTIR)技术,对天麻的产地进行分类并对挥发性有机化合物(VOCs)进行定量分析。气相色谱-质谱分析表明,甜味、果味和坚果味是天麻的关键风味特征,其中来自云南省昭通市的样品表现出更优良的风味和更丰富的口感。基于傅里叶变换红外光谱数据,灰狼优化器-支持向量机和残差卷积神经网络在天麻溯源中达到了100%的准确率,F1值为1.000。此外,偏最小二乘回归模型成功对天麻中的主要成分2-壬烯醛和二氢-5-丙基-2(3H)-呋喃酮进行了定量分析,预测集残差偏差分别为2.6003和2.3883。该方法为其他食品中挥发性有机化合物的质量控制监测提供了一个新的框架。

  • 运用HS-GC-IMS、HS-SPME-GC-MS及多变量统计方法区分与表征五种常见奶粉中的挥发性化合物

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

    Yaxi Zhou, Diandian Wang, Jian Zhao, Yu Guo & Wenjie Yan

    食品标签

    乳粉 特征风味 光谱/色谱/质谱等分析方法 风味组学

    计算机标签

    偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 组学数据

    香气是奶粉质量评估和消费者选择的关键因素。然而,研究大多集中在加工影响上,对奶粉之间的风味差异关注甚少。本研究采用顶空-气相色谱-离子迁移谱(HS-GC-IMS)、顶空固相微萃取-气相色谱-质谱(HS-SPME-GC-MS)以及多元统计分析方法,对中国五种常见奶粉(包括牦牛奶粉、驴奶粉、骆驼奶粉、羊奶粉和牛奶粉)的风味特征进行了分析和鉴定。结果显示,通过HS-GC-IMS和HS-SPME-GC-MS分别鉴定出55种和86种挥发性化合物,表明不同奶粉之间存在显著差异。主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)、偏最小二乘判别分析(PLS-DA)和热图进一步区分了这些奶粉的来源。基于变量重要性投影(VIP)值,鉴定出27种和24种关键化合物。这些结果凸显了联合使用这些技术在奶粉快速风味分析和掺假检测方面的潜力。

  • 基于光谱学和机器学习技术识别和检测冻融肌性肉制品的研究进展

    2025
    Trends in Food Science and Technology
    中科院一区
    JCR一区
    查看原文

    Zecheng Qiu, Xintong Chen, Delang Xie, Yue Ren, Yilin Wang, Zhongshuai Yang, Mei Guo, Yating Song, Jiajun Guo, Yuqin Feng, Ningbo Kang & Guishan Liu

    食品标签

    肉类/蛋类与水产品 品质、结构与理化性质 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

    机器学习/统计学习 深度学习 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据

    背景:将冻融肌性肉制品标记为新鲜食品销售是最常见的欺诈行为之一,已引起消费者、政府监管机构和零售商的广泛关注。光谱学与机器学习的结合彻底改变了冻融肌性肉制品的检测方式,使得开发更复杂和自动化的解决方案成为可能。
    研究范围与方法:本文全面综述了关于光谱技术在冻融肌性肉制品中潜在特性的各种研究的最新发现。此外,本文还讨论了机器学习在冻融肌性肉制品光谱检测与识别过程中的贡献,例如特征工程、模型复杂度和模型评估。本综述的最终目标是强调机器学习及其与光谱方法相结合在冻融肌性肉制品识别与检测中的贡献。
    主要发现与结论:光谱技术与机器学习的结合已成功实现了对冻融肌性肉制品质量的预测以及对新鲜与冻融肌性肉制品的区分。通过减少对人工特征工程的依赖,机器学习能够系统分析光谱特征并优化模型,从而准确识别冻融肌性肉制品。同时,深度学习和数据增强技术能有效应对与数据变异性和质量相关的挑战。此外,多模态机器学习、终身学习、集成学习和强化学习等先进技术有望在未来发挥关键作用。

  • 基于深度相机与机器学习模型的大蒜瓣体积与质量预测

    2025
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Jin-Ho Son, Hyung-Gyu Park, Yu-Jin Han, Seok-Ho Kang, Seung-Min Woo & Yu-Shin Ha

    食品标签

    新鲜蔬菜 其他品质相关性质 显微与成像技术

    计算机标签

    支持向量机 随机森林 K-近邻 智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据

    准确预测大蒜瓣的体积与质量对于农业操作(如分选和分级)的精确性至关重要。本研究采用椭球体积方程与机器学习模型——支持向量机(SVM)、随机森林、梯度提升和k近邻(kNN)——利用长度、宽度、高度和质量数据预测大蒜瓣的体积与质量。SVM模型在体积预测中表现优异,R²为0.786,MAPE为0.084;而随机森林模型在质量预测中达到最高精度,R²为0.849,MAPE为0.098。深度相机通过提供精确的尺寸数据进一步提升了模型性能。这些发现强调了结合深度相机与机器学习以实现准确、非接触式体积与质量预测的潜力。该方法为提升农业系统的自动化与质量控制提供了有前景的应用。

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