01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
小麦

标签记录(计算机学者)

暂无筛选

共 48 条结果

  • 未成熟香蕉粉食品欺诈评估的耦合模型:基于 XGBoost 的增强预测与 SHAP 变量重要性分析

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Paulo H.C. Simões, Alessandro M.B. Martins, Marcio F. Oliveira, Julio Cesar Siqueira, Aderval S. Luna, & Licarion Pinto

    食品标签

    小麦 玉米 食品安全与风险评估 其他安全问题 显微与成像技术 常规理化指标测定

    计算机标签

    偏最小二乘法 梯度提升决策树 定量预测/回归分析 可见光/RGB/视频数据

    本研究提出一种结合极端梯度提升和 SHAP 的化学计量策略,用于检测并定量未成熟香蕉粉中的掺假。研究使用真实样品及掺入燕麦、小麦和玉米的掺假样品数字图像颜色直方图,构建三步耦合模型:二分类模型准确率为 0.9957,多分类模型准确率为 0.9931,回归模型 RMSEP 为 0.0182-0.0297。与 PLS、MLR、PLS-DA 和 LDA 等经典模型相比,XGBoost 具有更高准确率、更宽线性范围和更强稳健性。除 XGBoost 模型外,SHAP 值通过突出关键颜色通道提供模型可解释性,为可视化 XGBoost 模型变量重要性提供了可行策略。与传统方法不同,XGBoost 只需极少预处理,并可在统一框架中整合分类和回归。结果表明,机器学习与可解释人工智能结合在质量控制和食品欺诈检测中具有应用潜力。

  • 利用近红外光谱和化学计量学快速评估面包小麦的粉质图和拉伸图特性

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Zihui Zhao, Lei Li, Wenduan Li, Yuanyuan Tian, Yan Zhang, Yong Zhang, Maria Itria Ibba, Zhonghu He, Yuanfeng Hao & Wenfei Tian

    食品标签

    小麦 品质、结构与理化性质 质构与流变测试 光谱/色谱/质谱等分析方法

    计算机标签

    偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据

    面包小麦在全球粮食安全和加工中扮演着至关重要的角色。理解面团的流变特性对于食品工业和小麦育种计划中选择高品质品种至关重要。粉质图和拉伸图等传统测试方法虽然重要,但劳动密集,不适合高通量筛选。近红外光谱是一种快速且经济有效的谷物质量评估替代方法。本研究旨在利用1082个代表性样本数据集,开发小麦面团关键流变特性的校准模型。研究采用了多种光谱预处理、变量选择和回归算法进行模型校准。针对粉质图吸水率的偏最小二乘回归模型表现出强大的预测能力(R2C = 0.92, R2V = 0.90, RPD = 3.20),而对其他特性进行定性分析的准确率高达80.23%至94.27%。所开发的近红外模型为食品加工和小麦育种中的小麦质量评估提供了一种高效方法。

  • 结合高光谱成像与WGAN数据增强算法的小麦籽粒含水量无损预测

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Dianyang Sun, Li Zhang, Haitao Li, Weijie Lan, Kang Tu, Jun Liu & Leiqing Pan

    食品标签

    小麦 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 生成对抗网络 特征工程与选择策略 定量预测/回归分析 高光谱/多光谱光谱

    含水量是显著影响谷物品质与安全的关键因素。本研究采用高光谱成像(HSI)与Wasserstein生成对抗网络(WGAN)预测单个小麦籽粒的含水量。为解决可见-近红外(Vis-NIR)与短波红外(SWIR)波段数据规模的差异,WGAN被设计为具有两种独立的网络结构,用于增强光谱与含水量数据。通过将生成数据与真实数据进行比较,并应用t-SNE降维算法,验证了生成数据的合理性。通过分别选择Vis-NIR和SWIR波段的最佳预处理方法和最有效波长,得到的最优回归模型分别为Vis-NIR波段的1st-derivative-SPA-CNN(R2p = 0.9371, RMSEP = 0.5717, RPD = 3.8955, RER = 15.2713)和SWIR波段的1st-derivative-Relieff-CNN(R2p = 0.8095, RMSEP = 1.0009, RPD = 2.3201, RER = 8.6116)。通过模型反演应用于单像素,实现了单个小麦籽粒内部含水量空间分布的可视化。总体而言,本研究提出了一种提高含水量预测准确性的新方法,从而改善了谷物加工质量和安全监控。

  • 利用人工智能和多组学技术增强酸面团发酵:从自然多样性到合成微生物群落

    2025
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    Yujuan Yu, Jiale Wang, Faizan Ahmed Sadiq, Honghong Cheng, Aowen Liu, Yan Liu, Senmiao Tian, Jingjing Liang, Ling Zhu & Guohua Zhang

    食品标签

    小麦 组学与高通量技术 菌种筛选与特性评价 发酵工艺与动力学

    计算机标签

    机器学习/统计学习 深度学习 过程控制与实时优化 组学数据

    背景:酸面团发酵由复杂的微生物群落驱动,这些群落受多种因素影响,包括面粉类型、环境和工艺条件。传统的天然酸面团依赖于原材料和环境中的自发性微生物定植,这往往导致微生物组成、代谢活性和发酵结果存在很大差异。这些不可预测的动态变化给维持产品一致性、控制发酵时间、确保食品安全和扩大生产规模带来了挑战。
    范围与方法:本综述概述了多组学方法如何应用于表征酸面团微生物群、理解微生物相互作用以及监测代谢功能。我们进一步探讨了从自然发酵到合成微生物群落(SynComs)的转变,重点阐述了人工智能(AI)与组学的整合如何指导SynCom的设计,并预测在不同发酵条件下群落的行为。
    主要发现与结论:人工智能与多组学的整合能够深入模拟酸面团生态系统中的微生物相互作用和功能输出。这些方法为构建功能稳定的SynComs以实现一致的发酵性能提供了合理的框架。尽管在将SynComs扩大到工业应用方面仍存在挑战,但人工智能驱动的多组学策略为优化酸面团发酵和促进发酵食品生产的创新提供了一条有前景的途径。重要的是,这些发现对临床和工业微生物学领域群落模型的开发具有更广泛的意义。

  • 基于智能手机的数字图像比色法用于面粉中过氧化苯甲酰的快速检测

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Harem Ahmed Ibrahim & Nabil Adil Fakhre

    食品标签

    小麦 化学污染物 光谱/色谱/质谱等分析方法

    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

    开发了一种快速、便携且经济高效的比色法,该方法利用基于智能手机的数字成像系统检测小麦粉中的过氧化苯甲酰(BPO)。通过定制的太阳能灯箱,实现了稳定且一致的图像采集。该方法基于BPO对3,3,5,5-四甲基联苯胺(TMB)的氧化作用,会产生可量化的颜色变化。分析性能显示,其线性范围为2.89–40.0 mg/kg,检测限为0.955 mg/kg。通过对加标面粉样品的回收率研究(100–102%)证实了该方法的准确性,且其真实性与传统高效液相色谱法(HPLC)高度一致。此外,AGREE评估得分为0.83,表明该方法与绿色分析化学原则高度契合,凸显出相较于参考HPLC方法,其在可持续性方面有所提升。这种基于智能手机的系统为实验室绑定技术提供了一种便捷且环保的替代方案,是现场筛查和食品安全监测的宝贵工具,尤其适用于资源有限的环境。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号