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
-
基于改进FCN和双向LSTM的谷物蛋白功能预测
查看原文2025
Food Chemistry
中科院一区JCR一区Jing Liu, Kun Li, Xinghua Tang, Yu Zhang & Xiao Guan
食品标签
其他谷物与块根 豆类与坚果(及籽类) 蛋白质组学 蛋白质与氨基酸计算机标签
卷积神经网络 目标检测网络 分类/鉴别/等级评定 组学数据随着高通量测序技术的发展,基于智能模型从氨基酸序列预测谷物蛋白功能已成为生物信息学中的重要任务之一。大豆、玉米、印度茄和日本玉米作为谷物数据集从UniProtKB中选取。本文针对忽略氨基酸序列顺序及氨基酸间长期依赖性的问题,提出了PBiLSTM-FCN模型用于预测谷物蛋白功能。氨基酸序列被纳入全卷积网络(FCN)中,氨基酸之间的长期依赖性则由双向长短期记忆网络(BiLSTM)解决。实验结果表明,PBiLSTM-FCN模型优于现有模型,能够通过解决捕捉长程依赖性和氨基酸序列顺序的问题,实现更准确的预测。最后,可解释性分析是基于实际蛋白质函数与预测蛋白质功能的对比,证明了PBiLSTM-FCN模型在预测谷物蛋白功能方面的有效性。
-
从金针菇中发现新型鲜味增强肽:结合虚拟筛选、机器学习、分子动力学模拟和感官评价
查看原文2025
Food Chemistry
中科院一区JCR一区Ying Liu, Shibo Xu, Yang Li, Cong Shen & Kunlun Liu
食品标签
食用菌菇 感官科学与消费者研究 动力学建模 蛋白质与氨基酸计算机标签
智能手机/其他 分类/鉴别/等级评定本研究采用集成机器学习和生物信息学方法,从金针菇中识别出增鲜肽,阐明其增鲜机制,并通过感官评价验证其功效。APDNRF、FSGLDPR和ADELF这三种肽表现出协同或累加效应,能显著将谷氨酸钠(MSG)的鲜味强度提高50.87%至77.37%,并将鲜味感知持续时间延长60%至100%。此外,分子对接分析显示,这些肽增强了谷氨酸钠与T1R1/T1R3受体复合物之间的结合亲和力和相互作用力,从而增强鲜味感知。进一步的分子动力学模拟表明,这些肽主要通过氢键和疏水相互作用稳定谷氨酸钠与T1R1/T1R3的结合。总体而言,本研究为快速、高效识别新型鲜味肽提供了新见解,拓宽了源自食用菌的鲜味肽的范围,并阐明了增鲜肽增强鲜味感知的机制。研究结果为开发蘑菇基调味料产品提供了理论基础。
-
利用高光谱成像结合对称堆叠集成算法快速测定羊肉新鲜度
查看原文2025
Meat Science
中科院一区JCR一区Jue Zhang, Haqing Tian, Maoguo Gong, Lina Zhang, Kai Zhao, Yang Yu, Hongyu Zhao & Xinzhuan Zhang
食品标签
畜肉 货架期预测与品质劣变动力学 颜色与外观品质 其他品质相关性质 微生物安全 常规理化指标测定 显微与成像技术 光谱/色谱/质谱等分析方法 微生物计数与生长曲线计算机标签
支持向量机 随机森林 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 高光谱/多光谱光谱 质构/流变/感官数据新鲜度是衡量羊肉质量的关键指标。本研究探讨了通过高光谱成像技术快速检测羊肉新鲜度的可行性。分析了羊肉样品在12天贮藏期内总挥发性盐基氮、菌落总数、pH值和亮度的变化。采用变量组合种群分析法增强数据可靠性并降低维度,同时开发了对称堆叠集成学习网络,用于预测羊肉的新鲜度指标和贮藏时间。结果表明,620-630 nm范围内的光谱峰是评估贮藏期间羊肉新鲜度的重要生物标志波长。SSEL网络在各指标上的表现均优于传统最优模型:SVM-stacking模型在TVB-N预测中表现突出(Rp² = 0.93,RMSEP = 2.28);随机森林堆叠模型在TVC(Rp² = 0.91,RMSEP = 0.84)、pH(Rp² = 0.89,RMSEP = 0.19)和L(Rp² = 0.88,RMSEP = 1.83)预测中表现优异。此外,SVM-stacking模型在羊肉贮藏时间预测上也优于传统方法(Rp² = 0.93,RMSEP = 2.28)。该方法不仅实现了快速新鲜度评估,还捕捉了时间变化特征,并揭示了光谱变化背后的分子机制,为肉制品质量的精准检测奠定了基础。
-
基于风味组学的机器学习辅助番茄酱香气特征预测
查看原文2025
Food Chemistry
中科院一区JCR一区Zhihui Hu, Yufei He, Sirou Gu, Wanying He, Ping Zhan, Guangsen Fan, Honglei Tian, Hongzhi Wei & Peng Wang
食品标签
其他果蔬制品/植物类 感官科学与消费者研究 组学与高通量技术计算机标签
智能手机/其他 定量预测/回归分析 组学数据风味是番茄酱(TP)加工中的关键质量指标;然而,传统方法在快速且准确的评估方面往往存在不足。为解决这一局限,本研究将风味组学与机器学习相结合,以表征热加工过程中的感官变化和挥发性物质变化,并构建感官质量预测模型。通过顶空固相微萃取-气相色谱-质谱(HS-SPME-GC-MS)分析,共鉴定出71种挥发性化合物。相应的感官分析显示,随着加热强度的增加,感官特性从“新鲜度”“果味”和“花香”逐渐向“煮熟味”和“酸味”转变。在评估的五个模型中,多层感知器(MLP)表现出卓越的性能(R²>0.99),能有效捕捉挥发性物质与感官反应之间的非线性关系。变量重要性分析为每个感官描述符确定了10种关键挥发性物质。此外,外部验证和香气重组实验证实了该模型的稳健性和泛化能力。这些发现为番茄酱生产中的风味质量预测和实时控制提供了实用框架。
-
利用MIR和NIR光谱结合DD-SIMCA对南巴伊亚速溶咖啡进行地理原产地认证
查看原文2025
Food Chemistry
中科院一区JCR一区Dâmaris Naara Chaves Candeias, Karoline Mendes Silva, Higor Silva Pereira, Lucas Passos Bezerra, José Domingos Santos da Silva, David Douglas de Sousa Fernandes & Paulo Henrique Gonçalves Dias Diniz
食品标签
咖啡饮料 过程监测与在线检测 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据本研究提出了一种创新方法,利用振动谱数据结合数据驱动软独立类别类比建模(DD-SIMCA)来验证南巴伊亚速溶咖啡的地理来源。该方法结合了台式中红外(MIR)光谱仪和便携式近红外(NIR)光谱仪的数据,通过乘法散射修正(MSC)和标准法变(SNV)预处理,以及MIR数据的偏移校正,实现了100%的效率。MIR光谱技术使得详细的化学成分分析成为可能,而便携式近红外光谱仪则具备成本效益的原位能力。这些快速且无损的技术符合绿色化学的原则,支持环境可持续的实践。通过确保真实性、保护产品价值并增强消费者信任,这一策略应对了与地理来源相关的潜在欺诈。凭借其卓越的性能和实用优势,所提方法为咖啡行业的质量控制提供了稳健的解决方案,并具有在相关领域更广泛应用的潜力。