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
-
深度学习驱动的对蜜蜂安全的异恶唑啉类农药候选物发现
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Zhaokai Yang, Hao Wang, Meina Song, Bihong Tian, Wei Sun, Jianze Wei & Jian Wu
食品标签
化学污染物 其他可持续性主题 常规理化指标测定 其他理化与结构表征 其他特殊成分计算机标签
卷积神经网络 图神经网络 分类/鉴别/等级评定 定量预测/回归分析 文本/知识库/法规数据 多模态/融合数据异恶唑啉类农药,如氟螨酰胺,虽然能有效防治寄生虫和害虫,但由于其对蜜蜂的高毒性而对环境构成严重威胁。对于评估异恶唑啉类农药的这一风险,现有的预测平台由于关键数据缺口而无法准确完成。为了解决这个问题,我们开发了BeeSafe 2.0,这是一个创新的深度学习模型,独特地集成了图神经网络和残差网络架构,并通过新的训练集得到进一步增强。BeeSafe 2.0表现出卓越的预测性能,特别是克服了以往对异恶唑啉类农药的预测局限,并提供了一个可访问的在线服务器用于化学品的蜜蜂毒性评估。关键的是,利用BeeSafe 2.0,我们发现了WT-02,一种新型异恶唑啉类杀虫剂,它对多种害虫表现出强效,同时对蜜蜂的毒性显著降低(仅为氟螨酰胺的1/18)。这项工作提出了一种变革性的“新架构-新数据-应用”方法,为农药的环境风险管理提供了一个强大工具,并能够发现真正对蜜蜂安全的、更绿色的替代品,以保护传粉者健康并促进可持续农业。
-
基于炼金转化框架的相对结合自由能方法:预测鲜味肽衍生物鲜味识别阈值的有效策略
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Zhiyong Cui, Tianxing Zhou, Yueming Wang, Danni Zhang, Jiaming Gu, Zhiwei Zhang, Xiaoxiao Feng, Wenli Wang, & Yuan Liu
食品标签
特征风味 营养与生物功能 标准/法规/数据库分析 蛋白质与氨基酸计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主兼具风味和营养属性的鲜味肽具有大量衍生物,对绝对自由能预测工具和肽分类模型提出挑战。基于炼金转化框架的相对结合自由能(RBFE)方法在药物活性预测中已表现出优异性能,但尚未应用于味觉活性预测。本研究通过文献分析系统整理 611 条鲜味肽及衍生物,记录其结构和识别阈值,并聚类为 8 个簇。研究采用炼金自由能方法计算每个簇中心结构与其衍生物之间的 RBFE,并对这些能量与阈值之间以 10 为底的比值进行对数拟合。RBFE 在定性判断中达到接近完美的准确性,并在定量预测中显著优于对接、MM-GBSA 和 MM-PBSA 等近似方法,R2 达到 0.912。动态平衡分析识别出 HdB_147_ASP、HI_HdB_218_ASP、HI_HdB_220_TYR、HdB_SB_277_ARG 和 HdB_301_GLU 等保守接触。密度泛函理论解释了细微结构差异如何改变静电表面和 ΔHOMO-LUMO 能隙,从而驱动阈值变化。研究整理的数据集已发布为 TPDB-Derivative。该工作率先将炼金自由能方法用于鲜味活性预测,并为未来鲜味肽理性设计提供技术基础。
-
ColorNet:基于AI的猪肉新鲜度检测框架,使用比色传感器阵列
查看原文2025
Food Chemistry
中科院一区JCR一区Guangzhi Wang, Yuchen Guo, Yang Yu, Yan Shi, Yuxiang Ying & Hong Men
食品标签
畜肉 品质、结构与理化性质 过程监测与在线检测 理化与结构表征计算机标签
分类/鉴别/等级评定 可见光/RGB/视频数据猪肉的新鲜度对风味、营养价值以及消费者健康至关重要。当前比色传感阵列(CSA)检测系统存在传感器研发成本高、识别准确率低、应用平台受限等难题。为此,本文构建了比色传感阵列与ColorNet框架用于猪肉新鲜度检测。通过筛选敏化pH指示剂及醛酮类指示剂,设计出53点位比色传感阵列。为优化传感器性能,采用欧氏距离法筛选出24个响应更灵敏的染料阵列点位。ColorNet可提取猪肉新鲜度的色彩特征信息,实现实时检测,准确率达99.5%。面向实际落地与移动端应用,借助梯度激活映射算法优化得到精简版12点位比色传感阵列,识别准确率仍保持99%,与24点位阵列性能相当。该研究提出的比色传感阵列及检测模型能够保障消费者健康与食用安全,为猪肉行业的质量监测与管控提供了有力的技术支撑。
-
利用分子振动光谱技术,利用贝叶斯优化的一维卷积神经网络分析蛇头鱼中的TVB-N:近红外和拉曼光谱
查看原文2025
Food Chemistry
中科院一区JCR一区Qin Ouyang, Zhenzhou Fan, Huilin Chang, Muhammad Shoaib & Quansheng Chen
食品标签
鱼肉 氧化、褐变等化学变化 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 梯度提升决策树 卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据挥发性盐基总氮(TVB-N)是评价鱼肉新鲜度的核心指标之一。本研究采用近红外光谱(NIR)与拉曼光谱技术检测乌鳢鱼片的挥发性盐基总氮含量。研究通过变量交叉点算法-改进缩减输入变量法(VCPA-IRIV),从近红外光谱和拉曼光谱数据中提取与挥发性盐基总氮相关的特征变量。基于筛选得到的特征变量,分别构建偏最小二乘(PLS)模型与一维卷积神经网络(1D-CNN)模型。随后采用数据融合策略对挥发性盐基总氮含量进行预测。其中,结合贝叶斯优化一维卷积神经网络的特征级融合方案效果最优,其挥发性盐基总氮的校正相关系数与预测相关系数分别达到0.9677和0.9676。研究结果证实,近红外光谱与拉曼光谱均可有效用于鱼肉新鲜度评价。两种振动光谱技术的融合应用,能够更快速、高效且全面地实现鱼肉新鲜度的定量检测。
-
用于鲑鱼新鲜度监测的薄膜:由亲脂大豆蛋白、羟丙基甲基纤维素和负载紫草素的十八烯琥珀酸酐修饰γ-环糊精MOF制备
查看原文2025
Food Hydrocolloids
中科院一区JCR一区Yuanda Sun, Haibo Xu, Yi Ma, Yingmeng Hou, Shasha Cheng, Mingqian Tan, Jingru Chang & Haitao Wang
食品标签
鱼肉 蛋白质配料 智能/指示型包装 常规理化指标测定 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 定量预测/回归分析 可见光/RGB/视频数据智能包装薄膜的开发因其能够追踪水产品新鲜度的能力而受到相当多的关注。将天然色素掺入可食用薄膜已成为一种有前景的食品新鲜度评估方法。然而,天然色素在成膜溶液中的有限稳定性和较差分散性对其在食品中的实际应用构成了挑战。在本研究中,天然色素紫草素被成功封装在十八烯基琥珀酸酐(ODSA)修饰的γ-环糊精金属有机框架(OCM)的孔道内。随后,负载紫草素的OCM被整合到大豆亲脂蛋白/羟丙基甲基纤维素基薄膜(LP/HPMC薄膜)中。结果表明,负载OCM-紫草素显著增强了LP/HPMC薄膜的结构和功能特性。值得注意的是,OCM对紫草素的包封率为60.12%±0.83,其储存7天的稳定性比游离紫草素高出1.5倍。这些OCM-紫草素均匀分布在LP/HPMC薄膜基质内,从而使LP/HPMC薄膜的力学性能、紫外线阻挡能力和水蒸气阻隔性能得到改善。此外,所制备的负载OCM-紫草素的LP/HPMC薄膜(OCM-紫草素薄膜)表现出pH值和氨敏感性,使它们能够在储存期间有效监测鲑鱼的新鲜度。另外,建立了一个深度学习模型,将鲑鱼的总挥发性碱性氮(TVB-N)水平与薄膜的颜色变化相关联。在这些模型中,Xception模型展现了高达0.9973的准确性,突出了这些薄膜在实际应用中用于实时可靠新鲜度监测的潜力。总之,OCM-紫草素薄膜具有出色的pH响应特性,使其非常适合用于食品安全和质量控制的智能包装。