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
-
紫外荧光成像技术用于猪肉新鲜度的实时无损监测
查看原文2022
Food Chemistry
中科院一区JCR一区Qibin Zhuang, Yankun Peng, Deyong Yang, Sen Nie, Qinghui Guo, Yali Wang & Renhong Zhao
食品标签
畜肉 品质、结构与理化性质 冷藏与冷冻保藏 显微与成像技术计算机标签
偏最小二乘法 定量预测/回归分析 可见光/RGB/视频数据本研究旨在开发一套低成本荧光成像系统,用于快速监测冷藏条件下猪肉的新鲜度指标。该系统采集猪肉的荧光图像,并从中提取颜色特征,构建偏最小二乘回归(PLSR) 模型,以预测猪肉中的总挥发性盐基氮(TVB-N)、 菌落总数(TVC) 与 pH 值。单一模型下,TVB-N、TVC、pH 的预测决定系数Rp分别为 0.92、0.88、0.74,相对预测偏差(RPD)依次为 2.24、2.03、1.19。其中 TVB-N 与 TVC 的预测效果表明,该模型的预测能力与荧光高光谱成像基本相当。将荧光成像与彩色成像联用后,模型预测性能得到提升:TVB-N、TVC、pH 的Rp分别达到 0.94、0.93、0.85,RPD 分别为 2.62、2.59、1.95。综上,本研究开发的系统在实时检测多数猪肉品质指标方面具备良好应用潜力。
-
融合电子鼻与高光谱成像通过输入修改卷积神经网络检测羊肉新鲜度
查看原文2022
Food Chemistry
中科院一区JCR一区Cunchuan Liu, Zhaojie Chu, Shizhuang Weng, Gongqin Zhu, Kaixuan Han, Zixi Zhang, Linsheng Huang, Zede Zhu & Shouguo Zheng
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
卷积神经网络 定量预测/回归分析 高光谱/多光谱光谱本研究将电子鼻(E-nose)与高光谱成像(HSI)技术联用,用于评定羊肉的总挥发性盐基氮(TVB-N)含量 —— 该指标是评价肉品新鲜度的综合指标。研究采集了 10 个电子鼻传感器的响应值,并通过直方图统计筛选出 7 个有效响应传感器;从高光谱图像中提取反射光谱与图像特征,再通过随机蛙跳算法与皮尔逊相关分析优选有效变量。基于上述多源特征,构建输入改进型卷积神经网络(IMCNN)模型以预测 TVB-N 含量。将 7 个电子鼻传感器信号、有效波长(EWs)光谱及 5 项关键图像特征联合输入 IMCNN,取得最优预测效果,其预测集的均方根误差、相关系数、性能偏差比分别为:3.039 mg/100 g、0.920、3.59。综上,该方法可实现羊肉新鲜度的精准检测,为其他肉类品质的相关研究提供技术支撑。
-
整合多源转录组信息并利用机器学习识别影响猪脂肪沉积的生物标志物
查看原文2022
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Huatao Liu, Kai Xing, Yifan Jiang, Yibing Liu, Chuduan Wang, & Xiangdong Ding
食品标签
畜肉 品质、结构与理化性质 转录组学 标准/法规/数据库分析 脂质与脂肪酸计算机标签
梯度提升决策树 小样本学习 定量预测/回归分析 组学数据 公开数据集猪脂肪沉积不仅与养猪生产效率和猪肉品质密切相关,也是研究人类肥胖的理想模型。转录组测序被广泛用于脂肪沉积研究,但小样本量、高假阳性率以及不同研究结果一致性差等问题仍然突出,亟需新策略。机器学习能够有效拟合复杂数据并准确识别样本和基因。本研究采集松辽黑猪和长白猪脂肪组织、肌肉组织和肝组织共 36 个样品并进行 mRNA 测序,同时从 GEO 数据库收集四个不同来源共 64 个样品的转录组数据。对包含 100 个样品的数据集进行标准化和缺失值填补后,研究开展传统差异表达分析,并选择不同数量的表达基因作为特征,训练 8 种机器学习模型。在 100 个样品上进行 1000 次四折交叉验证中,AdaBoost 表现最佳,对高低脂肪含量组的平均预测准确率超过 93%,平均曲线下面积最高。根据 AdaBoost 推断的性能排序,研究识别出 12 个与脂肪沉积相关基因,其中 FASN 和 APOD 在脂肪组织中特异表达,APOA1 在肝脏中特异表达,可能是影响脂肪沉积的重要候选生物标志物。
-
基于酶促金纳米星生长与智能手机读出的高分辨率比色免疫分析用于酪胺检测
查看原文2022
Food Chemistry
中科院一区JCR一区Lin Luo, Shuang-Zi Luo, Bao-Zhu Jia, Wen-Feng Zhang, Hong Wang, Xiao-Qun Wei, Yu-Dong Shen, Hong-Tao Lei, Zhen-Lin Xu & Jin-Yi Yang
食品标签
畜肉 液态乳 食品安全与风险评估 显微与成像技术计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据本研究通过全新半抗原设计,制备了特异性针对酪胺的单克隆抗体。在此抗体基础上,将酶促多色显色反应与智能手机辅助信号读取相结合,建立了一种高分辨率多色比色免疫分析法,用于酪胺检测。该体系的多色显色,源于碱性磷酸酶调控金纳米星生长,进而改变金纳米结构的局域表面等离子体共振吸收峰位置。借助智能手机拍摄检测液图像,配合颜色识别软件分析图像的红 / 蓝通道数值,即可实现酪胺的定量检测。该免疫分析法对牛肉、猪肉和酸奶中酪胺的检出限为 19.7 mg/kg(或 mg/L),平均加标回收率在83%~103%之间;经高效液相色谱法验证,检测结果准确可靠。综上,所建立的免疫分析方法为酪胺的现场快速检测提供了极具应用前景的技术平台。
-
基于拉曼光谱结合多元校准的猪肉中脱氧肌红蛋白和氧合肌红蛋白的同步定量
查看原文2022
Food Chemistry
中科院一区JCR一区Huanhuan Li, Xiangyang Wu , Suleiman A. Haruna, Yin Wang, Md Mehedi Hassan, Min Zuo de, Qin Ouyang,Quansheng Chen & Wenhui Geng
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 定量预测/回归分析 红外/拉曼光谱数据鉴于猪肉在营养层面的优势及市场接受度,保障猪肉品质至关重要。本研究采用拉曼光谱技术结合高效变量筛选化学计量学方法,对猪肉中肌红蛋白组分(脱氧肌红蛋白、氧合肌红蛋白)的含量进行定量检测。实验先测定肌红蛋白各组分的占比,再采用偏最小二乘法(PLS)、竞争性自适应重加权采样 - 偏最小二乘法(CARS-PLS)、遗传算法 - 偏最小二乘法(GA-PLS)、随机蛙跳 - 偏最小二乘法(RF-PLS)等多元校正方法建模并对比评估,以预测相关系数(Rp)、预测均方根误差(RMSEP)和剩余预测偏差(RPD)作为模型性能评价指标。0.9762、RMSEP=1.23、RPD=4.47。由此证实,拉曼光谱结合 RF-PLS 算法可用于脱氧肌红蛋白、氧合肌红蛋白的无损、快速、简便检测。