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

  • "参考样品比较方法":一种新型伏安电子舌法及其在评估鲜奶保质期中的应用

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

    Shiwen Cheng, Yumei Qin, Yuezhong Mao, Yanyun Cao, Ruihang Zheng, Jianzhong Han, Shiyi Tian & Zihan Qin

    食品标签

    液态乳 货架期预测与品质劣变动力学

    计算机标签

    支持向量机 定量预测/回归分析 时序传感器/物联网数据

    保质期是衡量食品品质的一项关键综合指标。伏安型电子舌(V-Et)能够捕捉食品整体特征图谱,因此非常适用于食品保质期评价。本研究针对伏安型电子舌设计了一种参比样品比对法,用于鲜牛奶的保质期检测。通过差异度(Dd)值,对不同保质期牛奶样品与参比样品之间的品质差异进行量化;基于差异度(Dd)值构建了全新的牛奶保质期一对一预测模型,相较于基于支持向量机(SVM)和判别因子分析(DFA)的多对一模型,预测精度得到显著提升。即便在微生物安全与感官品质这类更为精细的保质期评价场景中,该方法的相对误差也分别仅为13.57%和7.68%。研究结果表明,参比样品比对法在基于伏安型电子舌开展食品保质期检测方面具备显著的应用潜力。

  • 食品科学与营养研究中机器学习与组学方法整合的最新进展

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

    Xiang Xiao, Lin Fu, Zhihong Zhang, Zhengyang Tu, Ning Shen, & Songtao Fan

    食品标签

    复合/即食/餐饮食品 食品安全与风险评估 品质、结构与理化性质 基因组学 转录组学 蛋白质与氨基酸

    计算机标签

    深度学习 模型可解释性 定量预测/回归分析 组学数据

    组学技术正在革新食品与营养研究,可实现食品成分和微生物的高通量分析,并揭示食品与人体健康之间的复杂关系。机器学习方法特别适用于大数据集中的分类、聚类、降维和模式检测。多组学数据整合推动了机器学习在食品加工、安全和营养预测模型开发中的应用。本文综述了基因组学、转录组学、蛋白质组学、代谢组学和多组学在食品与营养研究中的应用,并讨论经典机器学习、深度学习和人工神经网络等多种机器学习技术。机器学习与组学整合的主要优势在于能够分析复杂数据集,从而支持食品组成解析、质量评价和营养干预。然而,数据质量、模型可靠性和可解释性仍是主要挑战。该综述更新了机器学习-组学整合的当前进展,并概述了食品组学和营养组学的未来方向。

  • 机器学习驱动的乳状液脂质氧化稳定性预测模型:一种智能食品安全策略

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

    Lijun Liu, Lie Yang, Mengjie Zhu, Liqiang Zou, Chen Lv & Hui Ye

    食品标签

    油脂及油脂制品 货架期预测与品质劣变动力学 氧化、褐变等化学变化 过程优化与控制策略 统计建模与仿真

    计算机标签

    机器学习/统计学习 定量预测/回归分析

    背景:乳状液中的脂质氧化,特别是富含多不饱和脂肪酸的乳状液,会损害产品质量、营养价值和保质期,从而构成重大的食品安全挑战。这种降解通常由反应性化合物在油水界面引发,关键影响因素包括乳化剂类型、界面性质和环境条件。
    研究范围与方法:本研究调查了驱动脂质氧化的内在和外在因素,并评估了机器学习算法在增强氧化稳定性方面的应用。通过利用监督和非监督学习技术,揭示了复杂的数据关系,从而能够建立预测模型以优化配方,并减少对传统实验方法的依赖。
    主要发现与结论:基于机器学习的预测模型为缓解脂质氧化提供了可行的见解,确保了更安全、更稳定、保质期更长的乳状液。这些进步最大限度地减少了有害副产物的形成,直接应对了食品安全风险,同时提升了质量和可持续性。这项研究凸显了机器学习在食品乳状液科学中的变革潜力,并呼吁跨学科合作,以在预测建模和智能食品安全技术领域发掘更多机遇。

  • 基于智能手机的荧光Eu/Ce-MOFs水凝胶传感器,利用机器学习辅助,实现四环素的灵敏和视觉检测

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

    Mingsha Jie, Amei Zhu, Jiaxin He, Bingxue Liu, Xiaoyue Yue, Zeyu Xu & Yanhong Bai

    食品标签

    畜肉 液态乳 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

    机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据

    四环素(TCs)的过度使用对人体健康构成重大威胁,因此需要开发便捷、快速且智能的检测方法来监测食品中四环素残留物。本研究提出了一种异质结构的Eu/Ce-MOFs比例荧光传感器。该传感器在TCs检测方面表现出极佳的稳定性和高精度,四环素(TC)检测限为73.0 nmol/L,OTC为51.7 nmol/L,盐酸多西环素(DOX)为54.9 nmol/L。Eu/Ce-MOFs比例荧光传感器成功定量猪肉和牛奶样品中的TC、OTC和DOX,并实现了89.3%至112.9%的满意回收率。此外,开发了集成机器学习算法的水凝胶视觉感知平台,显著提升了TC、OTC和DOX的检测精度。通过结合智能手机成像与机器学习算法,这一视觉感知平台为TCs分析提供了可靠的方法。

  • 通过便携式LED荧光光谱和化学计量分析,快速鉴定印尼研磨阿拉比卡咖啡掺杂烘焙大豆

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

    Diding Suhandy, Meinilwita Yulia, Slamet Widodo, Hirotaka Naito & Dimas Firmanda Al Riza

    食品标签

    咖啡饮料 豆类与坚果(及籽类) 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 偏最小二乘法 支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据

    正宗的阿拉比卡咖啡容易被欺诈和掺假。阿拉比卡、罗布斯塔和利贝里卡四季豆看起来不同。经过烘焙和研磨后,正宗咖啡看起来和劣质咖啡几乎一模一样。需要一种合适的研磨咖啡鉴定分析技术。本研究利用便携式LED荧光光谱和化学计量技术,识别并定量研磨阿拉比卡中的烘焙大豆。对比监督分类算法PLS-DA、LDA、PCA-LDA和SVMC。采用了三种易用的回归方法预测掺假阿拉比卡咖啡中的大豆掺假情况:PLSR、PCR和MLR。线性核-VMC模型的分类准确率为100%,优于PLS-DA、LDA和PCA-LDA。PLSR的LOD最低,为4.96%(水/日),且大豆掺假回归模型最佳(RMSEC为2.01%(日/日),RMSECV为2.10%(日/日),R。2c0.99,R。2简历0.99)。RPD和RER分别为11.39和31.07,已超出实际适用范围。所提方法更简单、无损且成本效益高。

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