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 187 条结果
-
协同天线效应驱动的多通道比率式可穿戴传感器,用于氟喹诺酮类似物的现场可视检测和精确辨别
查看原文2026
Food Chemistry
中科院一区JCR一区Shengnan Yin, Xiaofeng Chen, & Mansoor Akhtar
食品标签
化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
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/视频数据氟喹诺酮类抗生素(FQs)的滥用和过度使用构成了全球性威胁,这推动了有效检测方法的需求。本研究通过整合碲化镉量子点(CdTe QDs)和铽基配位聚合物,开发了一种多通道比率传感器,用于FQs的检测和区分。恩诺沙星(ENR)的加入触发了天线效应,增强了绿色Tb(III)发射并降低了红色CdTe QDs荧光,从而产生明显的颜色变化。此外,本研究构建了一套现场检测系统,包括智能手机检测器和可穿戴指尖传感器,用于快速实时检测ENR,在光谱仪和纸基传感器上分别实现了4.7 nM和13.1 nM的高灵敏度检测限。通过在食品样品中获得令人满意的回收率(91.7% - 110.7%),展示了其实用适用性,并确认了其抗干扰能力。最后,通过将该平台扩展为阵列格式,传感器成功区分了ENR类似物,突显了其在污染物监测方面的广阔潜力。
-
基于蒙特卡罗的预测模型用于支持快餐薯条中丙烯酰胺风险缓解
查看原文2026
Food Control
中科院一区JCR一区Jamaludin Nur Hidayah, Ahmad Faizal Abdul Razis, Nuzul Noorahya Jambari, Chai Lay Ching, Lijun You, & Maimunah Sanny
食品标签
马铃薯 植物油 化学污染物 过敏原与毒性问题 常规理化指标测定 标准/法规/数据库分析 其他特殊成分计算机标签
机器学习/统计学习 定量预测/回归分析 合成/仿真数据为主丙烯酰胺是一种可能的人类致癌物,可通过美拉德反应形成,仍是油炸马铃薯产品中的持续食品安全问题。尽管已有标准操作程序,现场观察显示快餐油炸操作仍存在显著差异,这些差异来自原料组成、油脂管理、温度、时间和人工决策。本研究开发并验证了一种基于多元线性回归的蒙特卡罗预测模型,用于利用部分快餐连锁店的实测数据量化细薯条中丙烯酰胺形成。模型在 @RISK 软件中运行,设置 10000 次迭代和 3 次重复,将真实操作变异纳入后生成概率预测,且与实测数据高度一致(Kolmogorov-Smirnov,p = 1.000)。与受控实验室条件下建立的模型不同,该方法反映了商业环境复杂性,因此更适合风险管理。敏感性分析确定葡萄糖含量、水分、油炸时间和温度是最有影响的变量。情景分析表明,将油炸温度保持在 170 °C 以下并将油炸时间限制在 3 min 以内,是影响大且可行的缓解措施。其他关于油脂类型、解冻方式和炸锅使用的情景也揭示了造成未解释变异的操作因素,为风险降低提供补充路径。该模型可在多种油炸实践中提供量化、情景化结果,使监管机构和行业利益相关方在实施前评估干预效果。虽然本文以薯条丙烯酰胺为例,但该框架可适用于其他化学危害和食品部门。
-
一种基于多孔有机聚合物的智能手机结合荧光传感器,用于水产养殖系统中硝基呋喃类的测定
查看原文2026
Food Chemistry
中科院一区JCR一区Dianwei Zhang, Kexin Li, Li Feng, Hongfei Li, & Huilin Liu
食品标签
化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据在本研究中,合成了一种基于多孔有机聚合物(POP)的荧光传感器(Tta-DHBTA),其由4,4′,4″-(1,3,5-三嗪-2,4,6-三基)三苯胺(Tta)和3,3′-二羟基-[1,1′-联苯]-4,4′-二醛(DHBTA)合成,用于检测硝基呋喃类(NFs)。该传感器通过静态猝灭工作,在465 nm激发下荧光发射峰为575 nm,且其荧光强度随NF浓度(0.5 - 50 mg/L)的增加而成比例下降,检测限(LOD)为0.302 - 0.524 mg/L。为了实现实时监测,该传感器被集成到智能手机应用程序中。利用DarkBoxUVAnalyzer将荧光变化转化为可量化信号,进一步增强了便携性和现场适用性,实现了0.278 - 1.494 mg/L的检测限。在实际样品中的加标回收实验证实了Tta-DHBTA荧光法和智能手机辅助方法的可靠性。该平台为快速现场环境监测和食品安全筛查提供了一种有前景的策略。
-
机器学习辅助的双模免疫层析用于高信噪比检测马兜铃酸I
查看原文2026
Food Chemistry
中科院一区JCR一区Xueying Li, Huiqi Yan, Li Wang, Xin Lü, & Yuting Zhuang
食品标签
化学污染物 过敏原与毒性问题 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据开发用于免疫层析的高信噪比策略仍然具有挑战性,但却非常期望。在这里,我们开发了一种"开-关"双模免疫层析测定(ICA),能够实现现场高灵敏度的比色检测(CICA)和批草酸-I的精确荧光定量(FQICA)。该测定利用多孔配位网络(PCN)作为比色信号、荧光猝灭剂和抗体载体,并配以基于镧系元素铕(金属有机框架,Eu-BTEC)作为荧光供体。得益于其多孔结构和可调吸收波长,PCN表现出良好的抗体结合能力、显著的比色强度以及对Eu-BTEC几乎完全的激发和发射猝灭能力。ICA显示的检测限(LOD)为0.45 ng/mL(CICA)和0.08 ng/mL(FQICA),分别比AuNPs-ICA的LOD提高了12倍和65倍。此外,机器学习的整合实现了精确的污染分类和定量。这项工作不仅建立了一个高效的马兜铃酸-I快速检测策略,还为免疫测定与机器学习在食品监测中的整合开辟了道路。
-
将机器学习与横向流免疫分析结合用于超快速和高灵敏度他达拉非检测
查看原文2026
Food Chemistry
中科院一区JCR一区Jiawei Chen, Zhenzhen Chen, Sha Yu, Xiaoyue Xiao, Juan Peng, Yudi Xia, & Weihua Lai
食品标签
复合/即食/餐饮食品 化学污染物 过敏原与毒性问题 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
随机森林 定量预测/回归分析 时序传感器/物联网数据 中等规模数据集他达拉非(一种常在功能性食品和膳食补充剂中检测到的磷酸二酯酶5型抑制剂)具有显著风险。为了实现灵敏的现场检测,制备了一种抗他达拉非单克隆抗体(3C5),其半数抑制浓度(IC₅₀)为0.32 ng/mL。抗体-抗原结合动力学显示在早期检测阶段存在明显差异,从而推动将侧向流免疫层析法与机器学习(LFIA@ML)结合以进一步加快检测速度。基于多维信号特征训练的随机森林模型实现了快速检测和高准确性,决定系数为0.995,平均绝对误差为0.038。在140个样品中,LFIA@ML显示预测准确率为94.3%,并将检测时间显著缩短至3分钟。该分析方法与 LC-MS/MS 显示出强相关性,回收率范围为 92.3% 至 112%(变异系数 ≤ 15.37%)。LFIA@ML 展示了利用随机森林算法缩短检测时间的能力,并在葡萄酒样品中得到了验证。