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 167 条结果
-
基于高光谱成像光谱与纹理数据融合预测亚硝酸盐腌制羊肉中肌红蛋白含量
查看原文2023
Food Control
中科院一区JCR一区Guoling Wan, Shuxiang Fan, Guishan Liu, Jianguo He, Wei Wang, Yan Li, Lijuan Cheng, Chao Ma, & Mei Guo
食品标签
畜肉 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
偏最小二乘法 支持向量机 定量预测/回归分析 高光谱/多光谱光谱肌红蛋白的含量与化学状态通常与肉色密切相关,而肉色是评判肉类新鲜度与食用安全性的重要指标之一。为精准测定羊肉中氧合肌红蛋白(OxyMb)与高铁肌红蛋白(MetMb)的含量,本研究探索了基于光谱图像融合的优化检测技术的可行性。研究采用三种方法筛选特征波长,同时提取肌肉组织的纹理特征。模型性能对比结果显示,耦合光谱与纹理参数的最小二乘支持向量机(LSSVM)模型,预测效果均优于偏最小二乘回归(PLSR)模型。其中,用于氧合肌红蛋白预测的iVISSA-COR-LSSVM 模型表现优良,校正决定系数(Rc2)达 0.9525,校正均方根误差(RMSEC)为 2.2955,预测决定系数(Rp2)为 0.8956,预测均方根误差(RMSEP)为 3.0036;用于高铁肌红蛋白预测的VCPA-IRIV-COR-LSSVM 模型则展现出更具实效性的预测性能,其Rc2为 0.8809、RMSEC 为 2.2009、Rp2为 0.8353、RMSEP 为 3.2096。最终,本研究生成了氧合肌红蛋白与高铁肌红蛋白在羊肉组织中分布的伪彩色图谱。该研究证实,数据融合技术为肌红蛋白含量的快速检测提供了一种全新方法。
-
食品标签
畜肉 食品安全与风险评估计算机标签
机器学习/统计学习 定量预测/回归分析 文本/知识库/法规数据本研究的核心目的是构建三种基于机器学习的回归模型,即决策树回归(DTR)、广义加性模型回归(GAMR)和随机森林回归(RFR),并将其用于牛肉中细菌菌落总数的预测。为实现这一目标,研究从 ComBase 数据库(网址:www.combase.cc)中采集了共计 2654 组细菌数据,涉及单核细胞增生李斯特氏菌、大肠杆菌及假单胞菌属 —— 这三类细菌是牛肉微生物研究领域中最受关注的菌种。研究选取温度、盐浓度、水分活度及酸度作为核心预测变量,以此表征牛肉中微生物的生长与存活规律。通过嵌套交叉验证法对所构建的机器学习回归模型进行超参数优化,并基于决定系数(R2)和均方根误差(RMSE)两项统计指标,对比各模型的拟合性能。结果显示,针对三种微生物的菌落预测,所有回归模型均表现出良好的预测效果,其决定系数介于 0.931~0.949 之间,均方根误差介于 0.597~0.692 之间。其中,随机森林回归模型的预测性能最优,因此研究对其进行了进一步的外部验证。验证结果表明,该模型的偏差因子介于 1.017~1.151 之间,准确度因子介于 1.137~1.370 之间。这一结果证实,随机森林回归模型可作为一种可靠的替代方法,用于同步表征牛肉中微生物的存活与生长规律;同时,该模型能够省略传统预测微生物学领域两步建模法中的次级模型构建环节,具备成为新型模拟方法的巨大潜力。
-
基于¹H NMR和多变量数据融合快速鉴定和定量牛肉碎中猪肉和鸭肉的二元与三元掺假
查看原文2023
Food Control
中科院一区JCR一区Tuo Leng, Xiaoyi Hu, Yi Chen, Bei Gan, Jianhua Xie, & Qiang Yu
食品标签
畜肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据本研究采用氢核磁共振波谱(¹H NMR)结合化学计量学方法,成功实现了牛肉糜中掺杂猪肉、鸭肉的快速定性鉴别与定量检测。主成分分析(PCA)结果显示,牛肉中蛋氨酸与谷氨酰胺的含量相对更高,这或许是区分牛肉与猪肉、鸭肉的关键特征。通过正交偏最小二乘判别分析(OPLS-DA)模型,无论是二元掺杂(牛肉中掺入单一肉类)还是三元掺杂(牛肉中掺入两种肉类)的牛肉样品,均能实现 100% 准确判别。研究筛选出亮氨酸、异亮氨酸、蛋氨酸及谷氨酰胺这四种物质,作为牛肉掺假检测的潜在标志物。经外部样品验证,偏最小二乘(PLS)定量模型对二元与三元掺假比例的预测结果准确可靠,其预测决定系数(R p2)分别达 0.9153 和 0.9348,预测均方根误差(RMSEP)则分别为 0.1112 和 0.0821。上述研究结果为牛肉掺假检测提供了全面的技术视角,进一步完善了肉类制品真伪鉴别体系。
-
基于340 nm激发荧光光谱的牛肉品质快速评估方法
查看原文2023
Food Control
中科院一区JCR一区Huan Liu, Wenying Zhu, Ning Zhang, Zengtao Ji, Siyang Deng, & Xinting Yang
食品标签
畜肉 品质、结构与理化性质 颜色与外观品质 其他品质相关性质 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据本研究探究了340 nm 激发波长荧光光谱技术在冷藏贮藏期间牛背最长肌品质指标快速检测中的应用潜力。监测的品质指标包括沃布剪切力、持水性(蒸煮损失与汁液流失率)、pH 值及色泽参数(亮度值L ∗、红度值a ∗、黄度值b ∗)。实验发现,烟酰胺腺嘌呤二核苷酸(NADH)与卟啉类物质的荧光特性与上述品质指标均呈高度相关。为消除各牛肉品质指标间的多重共线性,本研究通过主成分分析法构建了一个全面有效的综合评价指标。基于该指标,采用偏最小二乘算法建立牛肉品质定量预测模型。结果显示,综合指标模型的预测效果良好:校正决定系数(R c2)达 0.912,预测决定系数(R p2)为 0.903;校正均方根误差(RMSEC)为 0.488,预测均方根误差(RMSEP)为 0.581。
综上,该方法可用于冷藏牛肉品质的可靠评估。 -
基于比色传感器阵列技术和仿生算法的便携式牛肉新鲜度检测平台用于总挥发性盐基氮测定
查看原文2023
Food Control
中科院一区JCR一区Weidong Xu, Yingchao He, Jiaheng Li, Jianwei Zhou, Enbo Xu, Wenjun Wang, & Donghong Liu
食品标签
畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析本研究将比色传感阵列(CSA) 与仿生优化算法相集成,构建了一套便捷的挥发性盐基氮(TVB-N)定量检测平台。
研究首先制备了包含 12 种显色敏感材料的比色传感阵列,用于采集牛肉的气味信息并生成可视化气味指纹图谱。其次,采用四种仿生优化算法 —— 蚁群优化算法(ACO)、粒子群优化算法(PSO)、模拟退火算法(SA)及鲸鱼优化算法(WOA),从比色传感阵列的指纹图谱中筛选特征变量。最后,构建结合特征显色组分的反向传播神经网络(BPNN)模型,实现对牛肉贮藏过程中 TVB-N 含量的定量检测,有效提升了模型的检测精度、稳健性与泛化能力。结果表明,四种算法中鲸鱼优化算法的优化性能最优,其余算法性能排序依次为粒子群优化算法、蚁群优化算法、模拟退火算法。经 WOA 优化后,仅需 2 种显色材料即可实现牛肉贮藏期 TVB-N 的检测。基于这 2 种材料筛选出的 3 个特征变量所构建的 BPNN 模型,检测效果最佳,其校正均方根误差(RMSEC)为2.502±0.083 mg/100g,校正决定系数(Rc2)为0.966±0.002,预测均方根误差(RMSEP)为2.903±0.143 mg/100g,预测决定系数(Rp2)为0.952±0.006,残差预测值(RPD)为3.430±0.185。综上,WOA-BPNN 模型可实现牛肉贮藏过程中 TVB-N 含量的高精度定量检测,同时减少比色传感阵列的制备耗材。比色传感阵列与高性能仿生算法的结合,有望成为一种便捷的食品新鲜度现场快速检测传感平台。