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 289 条结果
-
ESMR4FBP:基于pLM的回归预测模型,针对食品来源肽的特定性质优化了多种仿生元启发式算法
查看原文2025
Food Chemistry
中科院一区JCR一区Ruihang Zhang, Yonghui Li, Qinbo Jiang, Yang Li, Zhe Cai & Hui Zhang
食品标签
蛋白质与氨基酸计算机标签
循环神经网络 大语言模型 定量预测/回归分析随着食品安全受到的重视程度不断提升,肽类研究愈发聚焦于食源性肽领域。传统肽类理化性质测定方法成本高昂。人工智能(AI)模型虽能降低成本,但现有肽类预测模型普遍存在精度不足的问题。本研究旨在构建一种可精准预测肽类理化性质的回归模型。研究将ESM-2模型与长短期记忆网络(LSTM)架构相结合,并采用鲸鱼优化算法(WOA)、麻雀搜索算法(SSA)、哈里斯鹰优化算法(HHO)三种元启发式算法对模型结构进行优化。基于抗氧化三肽数据集测试,该模型决定系数$R^2$达0.9458,均方根误差RMSE为0.3135,相较当前最优(SOTA)模型分别提升11.66%和50.00%。将该模型进一步应用于苦味肽数据集,所得$R^2$为0.8385、RMSE为0.4414。研究结果表明,所构建模型具备精准预测多种肽类理化性质的应用潜力。
-
卷积神经网络与XGBoost特征提取的融合,利用近红外光谱预测玉米中的多成分
查看原文2025
Food Chemistry
中科院一区JCR一区Xin Zou, Qiaoyun Wang, Yinji Chen, Jilong Wang, Shunyuan Xu, Ziheng Zhu, Chongyue Yan, Peng Shan, Shuyu Wang & YongQing Fu
食品标签
玉米 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 脂质与脂肪酸 碳水化合物与糖类计算机标签
梯度提升决策树 卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据近红外光谱技术已在农业领域被广泛用于玉米多组分含量的预测。然而,受吸收谱带宽、谱峰重叠以及特征无特异性等诸多问题影响,难以直接从近红外光谱中提取组分信息。为解决上述问题,从近红外光谱原始数据中挖掘隐含特征以提升定量模型性能,本文提出一种基于极端梯度提升(XGBoost)特征提取方法的一维浅层卷积神经网络(CNN)模型。该方法对极端梯度提升模型中的叶节点特征信息进行编码与重构,获取近红外光谱原始数据的隐含特征;同时提出一种双参数Swish(TSwish/TS)激活函数以优化卷积神经网络性能,并引入弹性网络(EN)规避卷积神经网络模型的过拟合问题。采用玉米与土壤两组公开近红外光谱数据集对所构建的XGBoost-CNN-TS-EN模型进行性能验证,测试集下玉米水分、油脂、蛋白质、淀粉的决定系数($R^2$)分别为0.993、0.991、0.998、0.992,土壤有机质的决定系数为0.992。XGBoost-CNN-TS-EN模型具备优异的稳定性、预测精度与泛化能力,在光谱多组分定量分析应用中具有良好的应用潜力。
-
通过基于回归的机器学习方法探索鸡肉血凝块蛋白消化水解中产生的新型抗真菌肽
查看原文2025
Food Chemistry
中科院一区JCR一区Delasa Rahimi, Zain Sanchez-Reinoso, Jacinthe Thibodeau, Sara García-Vela, Juan de Toro-Martín, Marie-Claude Vohl, Ismail Fliss, Sergey Mikhaylin & Laurent Bazinet
食品标签
内脏及副产物 营养与生物功能 蛋白质与氨基酸计算机标签
偏最小二乘法 分类/鉴别/等级评定消费者对清洁标签产品的需求,推动了天然防腐剂的研究热度持续攀升。在加拿大,肉鸡屠宰加工每年约产生4800万升血液,这为利用血红细胞(富含血红蛋白的血液固态组分)并将其资源化应用于食品防腐提供了契机。本研究采用胃蛋白酶,在pH值2、3、4、5条件下对鸡血红细胞进行180分钟水解,制备抗菌肽。结果显示,pH值2条件下水解度最高,达11.70±0.77%,pH值3条件下的水解度与之相近,且该pH环境下胃蛋白酶呈现拉链式酶解机制。pH值2和3条件下制备的水解产物可抑制拟青霉属、黏红酵母、总状毛霉等真菌菌株,最低抑菌浓度为0.63毫摩尔每升,但未表现出抑菌活性。通过偏最小二乘判别分析(PLS-DA)共鉴定出31种抗真菌肽,其中LARKYH对黏红酵母具有抑制作用,最低抑菌浓度为0.63毫摩尔每升,这充分表明鸡血红细胞具备作为生物防腐剂原料的开发潜力。
-
氯原酸对冷藏金鲳鱼品质的影响:基于人工神经网络的预测模型
查看原文2025
Food Control
中科院一区JCR一区Ning Yang, Shitong Wen, Chuan Li, Qian Li, Longteng Zhang, Xue Song & Lulu Zhu
食品标签
鱼肉 保鲜涂膜与保鲜剂 货架期预测与品质劣变动力学 常规理化指标测定 蛋白质与氨基酸计算机标签
深度学习 定量预测/回归分析本研究探讨了氯原酸对冷藏金鲳鱼片品质的影响,并开发了一种人工神经网络模型来预测经CGA处理的金鲳鱼片在贮藏期间的品质变化。结果表明,CGA能有效抑制金鲳鱼片在贮藏期间的质构劣变和蛋白质降解。与对照组(31.86 mg N/100 g)相比,经2 g/L CGA处理的金鲳鱼片在15天后,其总挥发性盐基氮值(25.90 mg N/100 g)显著降低。此外,2 g/L CGA处理组中肌原纤维蛋白的α-螺旋比例增加至32.60%,而无规卷曲比例降至29.18%,表明CGA有效保护了肌原纤维蛋白的二级结构。而且,所建立的ANN模型能够以低于3%的相对误差,准确预测CGA处理的金鲳鱼片在贮藏期间的品质变化。本研究为CGA在金鲳鱼加工工业中的应用以及ANN模型参数在其他食品加工模拟中的应用提供了理论基础。
-
结合高光谱成像的新型决策级融合策略用于检测大豆蛋白含量
查看原文2025
Food Chemistry
中科院一区JCR一区Jing Zhang, Zhen Guo, Chengye Ma, Chengqian Jin, Liangliang Yang, Dongliang Zhang, Xiang Yin, Juan Du& Peng Fu
食品标签
豆类与坚果(及籽类) 品质、结构与理化性质 光谱/色谱/质谱等分析方法 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 高光谱/多光谱光谱大豆因蛋白质含量丰富,可用于人类食用或作为动物饲料。本研究采用可见-近红外高光谱成像技术与短波红外高光谱成像技术,结合三级数据融合方法对大豆种子蛋白质含量进行检测,分别为测量级融合、特征级融合与决策级融合。此外,研究提出了三种新型决策级融合方法,包括二元线性回归、基于特征的多元线性回归以及基于模型的多元线性回归。基于决策级融合构建的IVISSA-SPA-MLR模型预测性能最优,剩余预测偏差值达3.6796。研究结果表明,IVISSA-SPA-MLR模型可实现精准预测,能够有效对大豆种子蛋白质含量进行精确检测。决策级融合是一种精准高效的定量检测技术,可提升回归模型的预测性能。本研究为食品中蛋白质含量检测提供了新方法,也为数据融合研究提供了新思路。