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FT-NIR结合机器学习的陈皮掺假快速检测与掺假浓度预测
查看原文2024
Food Chemistry:X
中科院一区JCR一区Ying Chen, Si Li, Jia Jia, Chuanduo Sun, Enzhong Cui, Yunyan Xu, Fangchao Sh & Anfu Tang
食品标签
其他果蔬制品/植物类 香精香料 食品安全与风险评估 颜色与外观品质 常规理化指标测定 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据陈皮(PCR)多年来一直被用作食品和香料,以其丰富的营养成分和独特的香气而闻名。然而,价格上涨往往伴随着掺假现象。本研究通过色度分析、傅里叶变换近红外光谱(FT-NIR)和机器学习算法对两种掺假物(橙皮-OP和蜜橘皮-MR)进行了鉴别,并对掺杂浓度进行了定量预测。结果表明,色度分析无法完全区分陈皮和掺假物。采用光谱预处理结合机器学习算法,成功区分了陈皮和两种掺假物,分类准确率分别达到99.30%和98.64%。筛选特征波长后,掺假定量模型的决定系数(R²)大于0.99。总体而言,本研究首次提出采用傅里叶变换近红外光谱技术研究陈皮的掺假问题,填补了陈皮掺假研究的技术空白,为解决日益严重的陈皮掺假问题提供了重要方法。
-
解开蓝莓感官代谢组:跨品种和地理产地的综合代谢组学与机器学习方法
查看原文2024
Food Chemistry
中科院一区JCR一区Di Liu, Xinjuan Liu, Qian Hu & Ranran Xing
食品标签
新鲜水果 感官评价与方法学 代谢组学 植物化学/生物活性成分计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 定量预测/回归分析 组学数据消费者驱动的蓝莓质量提升需要更深入理解代谢成分如何影响感官感知。本研究结合非定向代谢组学和机器学习,识别影响蓝莓品种和地理来源感官属性的生物标志物代谢物。对四个地区四个品种的代谢物分析显示,挥发性和非挥发性化合物在不同品种和地理上的代谢模式存在显著差异。通过相关分析和随机森林建模,识别出27种挥发物和57种非挥发物作为颜色、口感和风味属性的生物标志物,并通过支持载体回归进一步评估其预测效度。这些生物标志物解释了特定感官属性的86%和整体喜好的66%,展现了解释力和预测稳健性。本研究通过基于生物标志物的方法,提供了一种数据驱动的策略,以优化蓝莓品质。所提出的代谢组学与机器学习框架建立了一个可扩展的模型,用于提升植物性食品中代谢物质量的特性,契合不断演变的消费者偏好。
-
利用机器学习辅助的傅里叶变换红外光谱预测食品冻干曲线
查看原文2024
LWT
中科院一区JCR一区Xihui Liu, Baolong Feng, Hongyao Liu, Yutang Wang, Bowen Luo, Yan Yang, Qi Zhang, Zhipeng Wang, Ziqi Xu, Bailiang Li, & Fengzhong Wang
食品标签
复合/即食/餐饮食品 干燥保藏 过程监测与在线检测 光谱/色谱/质谱等分析方法 动力学建模计算机标签
机器学习/统计学习 随机森林 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据随着提高冻干(FD)工艺效率和保护产品特性需求的增加,对工艺参数进行智能且稳健的分析以绘制有效的FD曲线,已成为现代FD工艺的发展方向。本研究设计了一种通过傅里叶变换红外光谱(FTIR)结合化学计量学的快速且适用的FD参数预测模型。通过光谱预处理和主成分分析,提取了34个特征波数作为建模输入变量,以量化FD参数。在18个参数预测模型中,人工神经网络被采用于预冻和解吸阶段的温度和时间的最佳模型(R² = 0.91, 0.83, 0.92, 0.84,RMSE = 0.12, 0.13, 0.08, 0.10),随机森林被确认是升华阶段参数的最佳模型(R² = 0.88, 0.77,RMSE = 0.13, 0.16)。根据模型预测,随机抽取样本进行验证,实验结果与模型输出的吻合度接近96%。
-
化学计量学分析揭示气冲击喷射干燥过程中5种红枣褐变、多酚降解、美拉德反应与风味变化的关系
查看原文2024
Food Chemistry: X
中科院一区JCR一区Wenfeng Li, Chan Liang, Fangtian Bao, Tingting Zhang, Yanru Cheng, Wanjie Zhang & Yalong Lu
食品标签
果蔬干/果脯/蔬菜干 干燥保藏 颜色与外观品质 氧化、褐变等化学变化 特征风味 抗氧化/抗炎等功能 常规理化指标测定 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 质构/流变/感官数据本研究旨在揭示红枣在气流冲击射流干燥(AJJD)过程中褐变、多酚降解、美拉德反应(MR)与风味变化之间的关系。采用60°C气流冲击射流干燥和真空冷冻干燥两种方法对五种红枣进行干燥处理。色差计和化学计量学分析发现,气流冲击射流干燥导致红枣果肉和果皮的颜色发生变化。该干燥方式还降低了红枣中的总多酚含量和总黄酮水平。红枣的Fe³⁺还原能力和2,2'-联氮双-(3-乙基苯并噻唑啉-6-磺酸)阳离子自由基清除能力分别下降了31.6%和8.2%。在红枣中鉴定出七种多酚,通过稀疏偏最小二乘(sPLS)分析发现表儿茶素与红枣果肉颜色变化相关。稀疏偏最小二乘分析还显示,3-脱氧葡萄糖酮、N-ε-羧甲基-L-赖氨酸和5-羟甲基糠醛与红枣颜色有关。此外,该分析发现,在红枣的气流冲击射流干燥过程中,美拉德反应生成了3-甲基丁酸和环丁酮。化学计量学是揭示食品颜色变化机制的有效工具。
-
基于网络方法评估碱化与非碱化商业可可粉代谢谱差异的研究
查看原文2024
Food Chemistry: X
中科院一区JCR一区Marta Palma-Morales, Oscar Daniel Rangel-Huerta, Caridad Díaz, Estela Castilla-Ortega & Celia Rodríguez-Pérez
食品标签
巧克力及含可可制品 代谢组学计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据可可可经过碱化处理以增强其颜色和溶解度。这一过程会降低可可的涩味,并改变其成分,特别是与可可健康益处相关的酚类化合物含量。本研究旨在探究碱化处理对七种商业可可粉成分的影响。研究采用基于液相色谱的代谢组学方法,评估碱化可可粉与非碱化可可粉之间的代谢差异。通过有监督的正交偏最小二乘判别分析(OPLS-DA)来识别组间最具区分性的变量,并利用基于特征的分子网络(FBMN)探索化学空间。研究获得了347种最具区分性的代谢物,其中60种进行了初步注释。碱化可可中的酚类化合物、溶血磷脂酰乙醇胺、氨基酸及其衍生物显著减少,而脂肪酸及其衍生物则随碱化处理显著增加。尽管商业可可粉之间存在差异,但化学计量学方法仍能阐明碱化处理对其成分造成的特定变化。