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 236 条结果
-
碰伤诱导成熟过程中猕猴桃的理化、微观结构及可见/近红外光学特性
查看原文2026
Postharvest Biology and Technology
中科院一区JCR一区Youhua Bu, Shuai Li, Mingzhuang Lin, Chengxu Gong, Rui Wang, & Wenchuan Guo
食品标签
新鲜水果 颜色与外观品质 微观结构与成像 光谱/色谱/质谱等分析方法 显微与成像技术 碳水化合物与糖类计算机标签
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 可见光/RGB/视频数据为揭示机械碰伤对猕猴桃采后成熟过程中品质劣变和光学特性的影响,本研究分析了三种不同果肉类型猕猴桃碰伤后的理化指标、微观结构和光学特性变化。结果表明,碰伤猕猴桃在后熟过程中颜色变化和软化速率加快,pH 和可溶性固形物含量升高,水分含量和硬度下降。扫描电子显微镜观察显示,健康果肉组织致密且细胞完整,而碰伤导致细胞塌陷、细胞壁破裂和细胞间隙扩大。计算机断层成像分析还显示,碰伤组织孔隙率增加,平均体素灰度值下降。光学特性分析表明,吸收系数和约化散射系数均随成熟降低。其中,吸收系数在 680 nm 和 970 nm 对碰伤高度敏感,而约化散射系数在近红外区域对组织水分和结构变化响应强烈。相关性分析表明,吸收系数与 pH 和 SSC 正相关,与硬度和水分含量负相关;约化散射系数则与硬度和水分含量正相关。基于光学特性的偏最小二乘判别分析(PLS-DA)模型在三种品种中识别碰伤猕猴桃的准确率超过 80%。本研究揭示了猕猴桃后熟过程中光学特性、理化性质和微观结构变化,为后续猕猴桃隐性碰伤无损光学检测提供理论基础。
-
用于番石榴贮藏期间无损实时品质监测的新型多模态数据融合策略
查看原文2026
Postharvest Biology and Technology
中科院一区JCR一区Jingxiao Yu, Zongxin Liu, Hongbin Pu, & Da-Wen Sun
食品标签
新鲜水果 颜色与外观品质 特征风味 光谱/色谱/质谱等分析方法 显微与成像技术 碳水化合物与糖类计算机标签
深度学习 偏最小二乘法 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱番石榴是全球重要经济水果,因其特征风味和丰富营养价值而受到重视。然而,番石榴采后强烈的生理和生化活动会加速品质劣变并造成大量采后损失,因此亟需快速、无损的品质监测方法。本研究结合高光谱成像、近红外光谱和拉曼光谱,利用不同传感技术的互补信息建立番石榴品质评价的多模态数据融合框架。研究比较了随机森林回归、支持向量回归和偏最小二乘回归在单传感器建模中的表现,其中 SVR 模型表现最佳。基于最优 SVR 模型,系统评估了低层级(数据拼接)、中层级(特征拼接)和高层级(决策堆叠)融合策略,中层级融合取得最佳结果。此外,研究比较了连续投影算法和注意力机制的特征提取效果,并进一步评估了 SVR 与多层感知机模型的预测性能。结果表明,基于 SPA-SVR 的中层级融合模型对红绿值 a、黄蓝值 b 和总可溶性固形物的预测效果最佳,R2 分别为 0.8413、0.7537 和 0.8808,对应预测均方根误差分别为 2.1743、2.9091 和 0.5336。结果证明,多光谱融合能够有效克服单一光谱技术的局限,为热带水果智能品质监测提供高效方案,并在农产品质量追溯和供应链优化中具有应用前景。
-
大型语言模型像人类一样购物吗?使用离散选择实验比较 GPT 和人类的食品选择
查看原文2026
Food Quality and Preference
中科院一区JCR一区Giovanbattista Califano, & Francesco Caracciolo
食品标签
巧克力及含可可制品 新鲜水果 消费者偏好与接受度 行为实验与选择实验计算机标签
大语言模型 定量预测/回归分析 文本/知识库/法规数据 质构/流变/感官数据大型语言模型越来越多地被用于人们搜索、比较和评估产品的场景中,但它们推断出的偏好与消费者的实际偏好之间的匹配程度仍不清楚。本研究考察了最先进的大型语言模型 GPT 在结构化食品选择任务中的表现,并将其行为与人类参与者进行比较。我们复制了三项关于食品产品的离散选择实验,涉及:3D 打印巧克力、来自社会农业的番茄酱,以及带有环境品质标签的新鲜西红柿。人类和 GPT 生成的选择都在相同的离散选择框架下进行分析,使用的提示语要么没有信息,要么包含社会人口统计和态度概况。在所有研究中,GPT 再现了人类偏好的定性结构,仅有少数例外情况下,它能够正确识别影响因素及其效应方向。然而,其估计效用系统性地更加确定,需要显著的概率重新调整以近似人类选择的变异性。GPT 在处理与文化熟悉度或感官预期相关的属性时也存在困难。通过个人资料信息进行个性化并未始终改善一致性,有时甚至增加了偏差。当在设计模拟中使用 GPT 衍生的参数作为先验时,相较于无信息先验,设计效率有所提升,这表明在早期实验设计中具有价值。对八个商业模型进行的比较分析显示,模型之间的一致性较高,并且与典型人类选择高度对应。总体而言,大型语言模型可以作为构建和预测试选择架构的有用模拟消费者工具,但目前其校准有限、上下文基础和个性化不足,限制了它们作为食品选择情境中消费行为独立替代品的作用。
-
从感官代谢组学到快速分析和机器学习:葡萄酒口感建模展望
查看原文2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区María-Pilar Sáenz-Navajas, Chelo Ferreira, & David W. Jeffery
食品标签
新鲜水果 酒精饮料 氧化、褐变等化学变化 特征风味 代谢组学计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据 质构/流变/感官数据葡萄酒是一类复杂的天然产物,涉及葡萄成分的生物转化以及陈酿过程中的持续化学演化。尽管人们已经积累了大量关于葡萄酒化学和感官性质的知识,但仍存在研究空白,并不断出现新的挑战。感官代谢组学正在推动相关边界拓展,可用于识别与感官接受度和产品质量相关的重要化学贡献物。对于数字化转型中的葡萄酒行业,快速分析方法和及时获得结果同样关键,但这些方法会产生大量数据。机器学习正快速成为处理多维数据集和建模复杂葡萄酒现象的灵活而有力的方法。本文从感官代谢组学、快速分析和机器学习角度讨论葡萄酒口感建模,为涩感、质感和感官品质相关的数据驱动研究提供展望。
-
结构光反射成像结合快速解调和深度学习用于不知火柑早期腐烂检测
查看原文2026
Postharvest Biology and Technology
中科院一区JCR一区Qicheng Li, Wei Luo, Xin Li, Hailiang Zhang, Jinyang Li, & Jiangbo Li
食品标签
新鲜水果 品质、结构与理化性质 显微与成像技术计算机标签
图像分割网络 缺陷/异物检测与定位 红外/拉曼光谱数据 可见光/RGB/视频数据由指状青霉引起的腐烂是柑橘采后品质损失的主要原因之一。早期腐烂缺乏明显外部症状,使有效检测面临挑战。紫外诱导荧光成像能够检测具有强荧光信号的腐烂柑橘(如橙子),但其对某些无荧光响应的柑橘品种(如本研究中的不知火柑)适用性有限。结构光反射成像是检测水果表面缺陷的有前景方法。然而,传统三相移法通常需要采集 3 张相移图像,限制了成像和检测速度;此外,由于果实表面曲率,结构光图像解调后获得的振幅分量图像可能出现明显亮度不均,从而影响腐烂区域识别。为解决这些问题,本研究提出一种将结构光反射成像、快速解调和深度学习分割算法相结合的方法,用于检测早期腐烂不知火柑。研究在 0.25 cycles mm^-1 空间频率下采集 3 张相移图像,并分别使用传统三相移法和螺旋相位变换法恢复振幅分量图像。随后,分别采用全局阈值、分水岭分割和深度学习模型 DeeplabV3+ 分割腐烂区域。DeeplabV3+ 模型在二相 AC 图像(基于两张相移图像并使用 SPT 方法解调)上表现最佳,总体准确率为 99.27%,交并比为 0.812。结果表明,结构光反射成像结合快速解调和深度学习能够有效检测无荧光特征的腐烂柑橘,并为此类腐烂柑橘的快速检测提供可行方案和参考。