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
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 双重视角注意力空间-光谱Transformer与高光谱成像:一种检测花生中黄曲霉污染的新方法

    2024
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Zhen Guo, Jing Zhang, Haifang Wang, Shiling Li, Xijun Shao, Haowei Dong, Jiashuai Sun, Lingjun Geng, Qi Zhang, Yemin Guo, Xia Sun, Lianming Xia & Ibrahim A. Darwish

    食品标签

    豆类与坚果(及籽类) 微生物安全 显微与成像技术

    计算机标签

    智能手机/其他 其他深度学习结构 缺陷/异物检测与定位 高光谱/多光谱光谱

    本研究引入了一种创新的双重视角注意力空间-光谱Transformer(DAASST),旨在通过检测花生中的黄曲霉污染并准确识别污染时间,来推进采后质量控制。研究认识到维持坚果采后质量和安全性的重要性,并利用高光谱成像技术在无损检测和坚果质量评估方面的巨大潜力。DAASST创新的核心在于采用了一种集成了注意力融合机制的改进Transformer架构,以实现对提取特征的有效整合。这种复杂的集成不仅提升了模型性能,而且在采后生物学与技术领域显著超越了传统机器学习方法的能力。测试中表现出卓越的准确性,检测黄曲霉污染的准确率达到99.40%,区分不同污染时间的准确率更是达到了100%。通过融合前沿的特征提取技术、注意力机制和Transformer架构来改进采后质量控制的高光谱图像分析,为采后生物学与技术领域做出了重要贡献。DAASST在准确检测黄曲霉和确定花生污染时间方面被证明是有效的,突显了其作为确保采后坚果安全与质量的有价值工具的潜力。

  • 木鳖子假种皮的泡沫垫干燥条件对干燥速率和生物活性化合物的影响:通过新型统计方法进行优化

    2024
    Food Chemistry: X
    中科院一区
    JCR一区
    查看原文

    Nguyen Minh Thuy, Vo Quoc Tien, Tran Ngoc Giau, Hong Van Hao, Vo Quang Minh & Ngo Van Tai

    食品标签

    其他果蔬制品/植物类 加工与新加工技术 理化与结构表征 多酚与黄酮 花青素与类胡萝卜素

    计算机标签

    智能手机/其他 定量预测/回归分析

    本研究旨在通过使用响应面法(RSM)和人工神经网络(ANN)结合遗传算法(GA)这两种新颖的统计技术,优化泡沫垫干燥条件,以最大化木鳖子假种皮粉末的品质[β-胡萝卜素和总多酚含量(TPC)]和干燥速率。在生产过程中,用于发泡过程的卵清蛋白(EA)用量和干燥温度主要影响粉末的干燥速率和抗氧化化合物含量。3–10–3的人工神经网络模型比响应面法模型具有更高的准确性和更快的预测能力。人工神经网络-遗传算法模型预测的最佳条件为:卵清蛋白13.31%、黄原胶0.26%、干燥温度73.1°C,此时干燥速率为1.89克水/克干物质/分钟,β-胡萝卜素含量为395.88微克/克,总多酚含量为1.68毫克没食子酸当量/克。这些结果证实了泡沫垫干燥法在木鳖子果假种皮粉末生产中的适用性和应用前景,该方法可用于生产含有高生物活性化合物的食品原料。

  • 用于挥发性有机化合物多维表面增强拉曼光谱识别的可扩展等离子体阵列气体传感器人工嗅觉系统

    2024
    Chemical Engineering Journal
    中科院一区
    JCR一区
    查看原文

    Cheng Qu, Hao Fang, Fanfan Yu, Jinai Chen, Mengke Su & Honglin Liu

    食品标签

    品质、结构与理化性质 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法

    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 红外/拉曼光谱数据

    气体传感技术作为一种前景广阔的分析手段,在高通量筛查与评估领域具有重要价值。基于表面增强拉曼光谱(SERS)的挥发性有机化合物(VOCs)检测方法虽日益兴起,但在实际应用中受复杂性、稳定性和准确性限制,通常仅针对单一VOCs种类进行检测。犬科动物凭借其大量嗅觉细胞具有敏锐的嗅觉能力。受此启发,本研究创新性地整合可扩展等离子体阵列与多维化学计量学方法,实现了多种食源性VOCs的同步SERS检测。通过在多孔阵列表面修饰MOFs材料或不同单分子层,本研究实现了直接与间接表面增强拉曼散射(SERS)策略的协同整合,从而提供多维识别与信号输出。该系统可选择性捕获四种挥发性有机物(VOCs)——细菌代谢产物、硫化氢、醛类和生物胺,并生成独特的SERS光谱特征。这种多维输出显著提升了VOCs指纹图谱的维度,从而在实际食品气味评估中大幅提高了新鲜度判别与预测的灵敏度、可靠性及准确性。基于多维SERS识别技术与机器学习算法,该阵列式气体传感器展现出优于传统SERS分析的检测精度,为原位、实时、高通量的气体传感与检测提供了极具前景的技术平台。

  • 利用红外、拉曼及荧光光谱数据多变量计量学模型预测牛奶成分:研究综述

    2024
    Food Control
    中科院一区
    JCR一区
    查看原文

    Saeedeh Mohammadi, Aoife Gowen, Jiani Luo & Colm O'Donnell

    食品标签

    液态乳 品质、结构与理化性质 营养与生物功能 光谱/色谱/质谱等分析方法 传统统计分析与回归 维生素 蛋白质与氨基酸 脂质与脂肪酸 碳水化合物与糖类

    计算机标签

    机器学习/统计学习 定量预测/回归分析 红外/拉曼光谱数据 多模态/融合数据

    牛奶是人类获取多种营养的综合性来源,同时也是生产其他乳制品的重要原料,因此乳制品行业需对其品质进行严格检测。相较于传统的湿法化学分析方法,快速、经济且无损的光谱分析技术在牛奶检测中更具应用优势。本研究的目的是,综述基于近红外光谱(NIR)、中红外光谱(MIR)、荧光光谱及拉曼光谱数据的多元化学计量学建模,以及数据融合技术,在牛奶成分预测方面的应用情况,涉及的成分既包括脂肪、蛋白质、乳糖等常量营养素,也涵盖脂肪酸、维生素等微量营养素。该综述梳理了描述牛奶样品光谱分析及多元数据分析方法应用的相关文献资料;此外,还评述了整合多种光谱技术时所采用的数据融合策略的重要性,以此评估这类策略对于提升预测模型准确率的应用潜力。近期相关研究表明,采用数据融合策略有助于改善牛奶成分预测模型的性能。

  • 基于鲸鱼优化算法和多任务卷积神经网络的近红外光谱多品种梨品质性状预测

    2024
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Qi Shi, Yanlei Li, Fan Zhang, Qianyun Ma, Jianfeng Sun, Yaqiong Liu, Jianlou Mu, Wenxiu Wang & Yiwei Tang

    食品标签

    新鲜水果 其他品质相关性质 光谱/色谱/质谱等分析方法

    计算机标签

    智能手机/其他 卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据

    准确测定多个梨品种的可溶性固形物含量(SSC)、可滴定酸度(TA)和硬度对于提升其市场吸引力至关重要。使用光谱技术的传统方法需要繁琐且试错性的预处理、特征波长选择和模型建立过程。此外,需要训练多个独立模型来预测不同属性。在本研究中,我们开发了一种基于鲸鱼优化算法(WOA)的多任务卷积神经网络(MCNN)模型,用于建立同时测定三个梨品种SSC、TA和硬度的全局模型。使用自主设计的透射光谱采集装置从单个梨样品中采集了300-900 nm范围内的光谱数据。我们建立并比较了使用三个梨品种的单品种预测模型和全局模型。优化后的MCNN模型对SSC(Rw2 = 0.977,残差预测偏差RPD = 5.414)、TA(Rw2 = 0.970,RPD = 5.057)和硬度(Rw2 = 0.978,RPD = 6.326)实现了最佳预测精度。将全局建模策略与优化的MCNN架构相结合,增强了模型对品种变异的鲁棒性,并提高了检测梨品质性状的准确性。该模型为无需对原始光谱进行任何进一步处理即可对水果中多个质量指标进行端到端、同步预测提供了一种新颖、便捷且自动化的方法。

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