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
-
基于差示扫描量热法结合化学计量学分析的黄油中棕榈硬脂与椰子油掺杂检测
查看原文2024
Food Control
中科院一区JCR一区Rodrigo Gonzalez-Ortega, Yolanda Victoria Rajagukguk, Giovanna Ferrentino, Ksenia Morozova, & Matteo Scampicchio
食品标签
动物油脂 食品安全与风险评估 其他方法 传统统计分析与回归计算机标签
偏最小二乘法 K-近邻 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采用差示扫描量热法(DSC)结合化学计量学分析技术,具体为主成分分析(PCA)与偏最小二乘回归法(PLSR),建立黄油掺假检测方法。实验通过向黄油中添加不同浓度(质量分数 2%~30%)的棕榈硬脂与椰子油,模拟黄油的脂肪掺假场景。研究人员将差示扫描量热法测得的热谱图数据纳入化学计量学分析体系,以此检测黄油熔融特性曲线的变化规律。结果表明,差示扫描量热法灵敏度较高,即便黄油熔融特性仅发生微小变化,该技术也可实现精准检测。针对添加质量分数 10%、20% 及 30% 棕榈油与椰子油的 11 种差异化黄油样品,采用 K 近邻算法(kNN)开展判别分析,结果显示真品与掺假样品的鉴别准确率高于 92.1%。当掺假剂浓度超过质量分数 5% 时,通过系统聚类分析法(HCA)可有效区分掺假剂种类 —— 即棕榈硬脂与椰子油。相较于传统检测方法,差示扫描量热法结合化学计量学分析技术是一种简便高效的黄油掺假筛查工具,在食品行业质量管控领域具有潜在应用价值。
-
基于LC-QTOF-MS/MS、分子网络和化学计量学并结合抗氧化及抗癌活性的多重方法评估干燥对芸苔属绿叶的影响
查看原文2024
Food Research International
中科院一区JCR一区Mohammed N.A. Khalil, Sherif M. Afifi, Basma M. Eltanany, Laura Pont, Fernando Benavente, Sawsan M. El-Sonbaty & Mohamed S. Sedeck
食品标签
其他果蔬制品/植物类 加工与新加工技术 营养与生物功能 光谱/色谱/质谱等分析方法 植物化学/生物活性成分 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 定量预测/回归分析芜菁叶是多种生物活性植物化学物质的丰富来源,在食品和草药工业中具有巨大潜力。然而,干燥对其成分的影响此前从未被研究过。为此,本研究比较了三种干燥技术:冷冻干燥、真空烘箱干燥和阴干。利用液相色谱-四极杆飞行时间串联质谱结合化学计量学进行的化学谱图分析显示了不同干燥方法对醇提叶片提取物中植物化学成分的不同影响。对LC-QTOF-MS/MS数据的无监督主成分分析和有监督偏最小二乘判别分析显示,三种干燥技术之间存在明显的聚类分离。载荷图和VIP评分表明,芥子酸、异鼠李素糖苷和芥子酰苹果酸盐是冷冻干燥样品的关键标志物。同时,含氧和多不饱和脂肪酸是阴干样品的特征,而含氧多不饱和脂肪酸和毛蕊花糖苷是真空烘箱干燥样品的特征。冷冻干燥样品的总酚和总黄酮含量最高,其次是阴干和真空烘箱干燥样品。通过DPPH、氧自由基吸收能力和铁金属螯合试验测定,冷冻干燥和阴干样品的抗氧化活性远高于真空烘箱干燥样品。根据抗癌活性测试,针对结肠癌、乳腺癌、肝癌和肺癌细胞系,干燥方法的活性排序为阴干 > 冷冻干燥 > 真空烘箱干燥。在已鉴定的化合物中,如偏最小二乘回归和相关分析所揭示,黄酮类化合物和omega-3脂肪酸是负责抗癌活性的关键代谢物。总之,与冷冻干燥相比,阴干是一种经济有效的干燥方法,且不会损害芸苔属绿叶的植物化学成分和生物活性。当前研究结果为涉及芸苔属绿叶价值化的进一步研究奠定了基础。
-
乳酸菌发酵蓝莓汁外多糖产生研究:优化、发酵特性与可见近红外光谱模型
查看原文2024
Food Chemistry
中科院一区JCR一区Suqun Yang, Yang Tao, Xiayidan Maimaiti, Wei Su, Xiaoli Liu, Jianzhong Zhou, & Linlin Fan
食品标签
发酵食品及酱腌制品 营养与生物功能 过程控制与数字化 光谱/色谱/质谱等分析方法 传统统计分析与回归 植物化学/生物活性成分计算机标签
机器学习/统计学习 随机森林 序列到序列/编码-解码 定量预测/回归分析 红外/拉曼光谱数据 中等规模数据集研究了蓝莓汁发酵后外多糖的产生情况。在温度26.5°C、pH值5.5、接种量5.4%和葡萄糖添加率9.1%的条件下,使用人工神经网络和遗传算法实现了外多糖产率2.2±0.1克/升(增加32.5%)。在最佳条件下,可活细胞计数和总酸度分别增加了2.0 log CFU/mL和1.6倍,而酚类和花青素含量分别减少了9.26%和7.86%。这些成分的变化影响了外多糖的生物合成。可见光近红外光谱检测到了与外多糖主要官能团相关的-羟基和-CH吸收带。基于谱系结果构建了预测模型。采用竞争性自适应加权抽样和随机森林,提升模型在R值下的预测表现C= 0.936 和 RP= 0.835,表明发酵过程中外多糖含量的良好可预测性。
-
基于短距离编码光三维扫描仪与机器学习的榴莲成熟度评估
查看原文2024
Postharvest Biology and Technology
中科院一区JCR一区Thana Cheepsomsong, Arthit Phuangsombut, Kaewkarn Phuangsombut, Peerapong Sangwanangkul, Jingtair Siriphanich & Anupun Terdwongworakul
食品标签
新鲜水果 其他品质相关性质 显微与成像技术计算机标签
支持向量机 智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据未成熟果实的混入是榴莲出口行业中的一个难题。本研究报道了利用三维(3D)扫描仪评估榴莲果实成熟度的方法,通过测量果实体积(用于计算密度)和果皮RGB颜色值。密度、RGB值及其非线性预测项被用于建立模型,以预测果肉干物质含量作为成熟度指标。基于支持向量机回归并使用遗传算法选择预测变量的预测模型表现出最佳性能,对果肉干物质含量的预测相关系数为0.82,预测均方根误差为4.61%。此外,基于线性判别分析并使用所选预测变量的分类模型能够以1.000的召回率分离未成熟榴莲。结果表明,使用3D扫描仪结合机器学习以非破坏性方式评估榴莲成熟度是可行的。
-
基于同位素和元素含量与人工神经网络关联,开发具有广泛适用性的蜂蜜识别模型
查看原文2024
Food Chemistry
中科院一区JCR一区Ariana Raluca HATEGAN, Adriana DEHELEAN, Romulus PUSCAS, Gabriela CRISTEA, Nastasia BELC, Gabriel MUSTATEA, & Dana Alina MAGDAS
食品标签
蜂蜜等天然糖 食品安全与风险评估 理化与结构表征 常量营养素(宏量)计算机标签
深度学习 分类/鉴别/等级评定蜂蜜掺假是一个全球性问题,由生产者、贸易商或商人追求的非法经济利益所驱动。可能不公平影响价格的伪造方法之一是错误地宣报植物来源和采收年份。因此,本研究旨在测试人工神经网络(ANN)应用在开发能够基于同位素和元素指纹评估蜂蜜植物来源和采摘年份的预测模型中的潜力。对于每个分类标准,都重点投入数据预处理阶段,以增强模型的预测能力。获得的分类性能(测试阶段准确率>86%)凸显了人工神经网络在蜂蜜鉴定中的高效性,以及将开发的分类器应用于大规模应用的可行性,尽管植物来源、地理来源和采集时间差异较大,仍能识别正确产地。