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 1098 条结果
-
使用智能手机比色传感器阵列和气相色谱技术鉴别水稻品种
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
大米 质量管理与追溯系统 显微与成像技术 光谱/色谱/质谱等分析方法 特征风味计算机标签
主成分分析/判别分析 K-近邻 智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据本研究构建了一套基于智能手机的比色传感器阵列系统,用于鉴别不同地理来源的水稻品种。研究采用固相微萃取 - 气相色谱 - 质谱联用技术,对 9 个水稻品种进行香气轮廓分析,检出的主要物质为醇类、醛类、烷烃类、酮类、杂环化合物与有机酸。
比色传感器阵列与稻米挥发性物质接触后,会生成特征性的色差图谱;结合主成分分析、层次聚类分析与 k 近邻算法,可实现水稻品种的有效区分。主成分分析散点图与层次聚类分析树状图均显示,同一地理来源的水稻品种聚为一类。基于该传感器阵列系统,k 近邻算法表现最优,校正集与预测集的判别准确率均达到 100%。
该智能手机比色传感器阵列系统联合气相色谱技术,可高效区分水稻品种,同时具备操作简便、检测快速、成本低廉的优势。 -
生普通豆中抗营养素与矿物质的摩尔比及其使用近红外光谱的快速预测
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
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 矿物质与微量元素 多酚与黄酮计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据普通菜豆中存在的抗营养因子会对矿物质的生物利用率产生负面影响。为此,本研究旨在利用近红外光谱(NIR)技术,对多种生鲜菜豆的抗营养因子 / 矿物质摩尔比(体外矿物质生物利用率的替代指标)进行预测。研究测定了铁、锌、植酸、单宁的含量,以及各抗营养因子与矿物质的摩尔比;随后基于磨碎菜豆的近红外光谱开展模型定标,流程包括波长筛选、光谱预处理与偏最小二乘回归(PLS-R)。
菜豆品种对单宁含量存在显著影响。植酸 / 铁(Phy:Fe)、植酸 / 锌(Phy:Zn)、单宁 / 铁(Tan:Fe)、植酸 + 单宁 / 铁(Phy + Tan:Fe)的摩尔比均值分别为 27.6、61.7、16.0 和 43.6。Phy:Zn、Tan:Fe 与 Phy + Tan:Fe 摩尔比的 PLS-R 模型,其测试集预测决定系数均高于 75%,适用于快速筛查应用。 -
利用卷积神经网络捕捉特级初榨橄榄油液滴膨胀以量化掺假
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
植物油 食品安全与风险评估 显微与成像技术计算机标签
卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据本研究采集了 5 类特级初榨橄榄油(EVOO) 共计 302000 余张图像,用于训练和验证一套基于卷积神经网络(CNN)的分类识别系统。此外,本研究还训练了可比的深度学习模型,用于检测并定量分析上述特级初榨橄榄油中掺入其他植物油的掺伪情况。
本研究共测试三组 CNN 模型,分别用于:(i) 全部特级初榨橄榄油的品类分类;(ii) 对每一类橄榄油单独进行掺伪样品检测与掺伪量定量;(iii) 将所有品类橄榄油合并,构建一体化定量 CNN 的通用模型。最后一种模型采用从原始数据库中预先独立分出的 30195 张图像完成验证,结果显示,该算法可对 5 类橄榄油及其对应掺伪浓度实现有效检测与精准分类,总识别准确率>96%。
综上,基于 CNN 的橄榄油液滴图像分析已被证实是一种可靠的橄榄油品质质控手段,可供生产商、分销商乃至终端消费者使用,助力橄榄油掺伪行为的甄别定位。 -
应用光谱技术和化学计量学方法区分真肉桂和假肉桂
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
香精香料 食品安全与风险评估 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据本研究旨在筛选可用于区分正品肉桂与伪品肉桂的有效化学标志物,并建立基于 中红外光谱(MIR) 结合化学计量学方法的快速高效鉴别方法。研究采购了来自巴西、斯里兰卡、巴拉圭 3 个国家的 129 份肉桂样品,先通过外观观察进行初步区分,随后开展生物活性成分、抗氧化活性、高效液相色谱(HPLC)及中红外光谱分析,并对所得数据进行主成分分析(PCA)与偏最小二乘判别分析(PLS-DA)。
结果表明,正品肉桂样品中丁香酚、肉桂醛含量更高,抗氧化能力更强,且香豆素含量更低。PCA 分析实现了两类肉桂样品的分组区分;PLS-DA 可有效鉴别样品,基于成分分析与中红外光谱数据的判别准确率分别达到 94.44% 和 100%。研究证实,中红外光谱可作为快速区分正品与伪品肉桂的替代技术。 -
利用近红外和中红外光谱结合多元分析预测红蜂胶中酚类物质含量和抗氧化活性
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
糖、焙烤与糖果制品 品质、结构与理化性质 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
机器学习/统计学习 定量预测/回归分析 红外/拉曼光谱数据传统测定酚类物质及其生物活性的方法成本高、耗时长、工作量大,这给红蜂胶的质量控制工作带来阻碍,而红蜂胶因含多种具有不同生物活性(如抗氧化活性)的酚类成分而广受关注。为此,本研究提出近红外与中红外光谱的新应用,结合化学计量学方法,对红蜂胶中的酚类成分、总黄酮、没食子酸、山奈酚、邻苯二酚、槲皮素,以及多项抗氧化指标(DPPH 自由基清除能力、还原力、β- 胡萝卜素 - 亚油酸体系保护作用)进行定量预测。
优化后的模型具备良好预测性能,相关系数不低于 0.70,伴随误差较低,且各项方法学评价指标均表明模型在验证阶段预测效果优良。结果证实,红外光谱技术可快速、简便地实现红蜂胶 9 项品质指标的同步预测,有效规避了传统色谱法、分光光度法繁琐的实验操作。