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
标签记录（计算机学者）
共 2456 条结果
-
通过将环保型荧光传感器阵列与深度卷积神经网络相融合，研发的智能蔬菜新鲜度监测系统
查看原文
2024
Chemical Engineering Journal
中科院一区JCR一区
Dayuan Wang, Min Zhang, Qibing Zhu, Benmu Adhikari & Shouming Yang
食品标签
玉米 新鲜蔬菜 品质、结构与理化性质 包装与智能监测 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 多酚与黄酮计算机标签
卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据鉴于蔬菜易腐且具有季节性的特点，监测其新鲜度对于保障食品安全和减少浪费至关重要。目前，针对新鲜蔬菜的包装系统鲜少配备智能新鲜度监测标签。本研究报道了一种3×6荧光传感器阵列的开发与应用，该阵列利用姜黄素、葛根素和非瑟酮，具有pH敏感特性。在腐败过程中，蛋白质含量较高的豇豆和菠菜会产生碱性挥发性有机化合物(VOCs)，而糖分丰富的甜玉米则释放酸性VOCs。该荧光传感器阵列与深度卷积神经网络(DCNN)相结合，通过检测上述三种蔬菜VOCs的酸碱性，实现了对其新鲜度的无损、实时和准确分类。训练后的ResNet50 DCNN模型的总体准确率达到96%。在测试集上对上述蔬菜新鲜度分类的准确率达到21%，其中长豇豆、菠菜和甜玉米的分类准确率分别为98.58%、97.15%和92.89%。该智能新鲜度监测平台具有广泛适用性，可用于监测和分类多种农产品及食品的新鲜度。
-
利用多目标机器学习方法预测多种味觉感受
查看原文
2024
npj Science of Food
中科院一区JCR一区
Lampros Androutsos, Lorenzo Pallante, Agorakis Bompotas, Filip Stojceski, Gianvito Grasso, Dario Piga, Giacomo Di Benedetto, Christos Alexakos, Athanasios Kalogeras, Konstantinos Theofilatos, Marco A. Deriu & Seferina Mavroudi
食品标签
感官科学与消费者研究 食品成分/消费数据库分析计算机标签
机器学习/统计学习 分类/鉴别/等级评定味觉在引导营养摄入和帮助避免潜在有害物质方面起着关键作用，其通过五种基本味道——甜、苦、鲜、咸、酸来实现。味觉感知源于口腔中味觉受体与化学呈味物质之间的分子相互作用。因此，味觉受体的识别以及随后的味觉感知在很大程度上依赖于食品成分的理化特性。近年来，在开发基于机器学习、利用分子结构对化合物味道进行分类的算法方面取得了一些进展。尽管付出了巨大努力，但在开发能够预测所有基本味道的多类别模型方面仍有很大改进空间。在此，我们提出一种多类别预测模型，旨在区分苦味、甜味和鲜味与其他味觉感受。多类别味觉预测模型的发展，为全面理解与每种基本味道相关的化学属性铺平了道路。它也为整合到不断发展的多感官感知领域开辟了潜力，该领域涵盖视觉、触觉和嗅觉，以整体表征风味感知。这一概念有望为食品的理性设计引入创新方法，包括预先确定特定口味以及设计互补膳食以增强传统药物治疗。
-
基于机器学习和低场核磁共振光谱数据的本地品种猪肉脂肪酸定量与分类研究
查看原文
2024
Food Control
中科院一区JCR一区
José Luis Ramiro, Ana G. Neo, Trinidad Pérez-Palacios, Teresa Antequera & Carlos F. Marcos
食品标签
畜肉 其他品质相关性质 光谱/色谱/质谱等分析方法 传统统计分析与回归 脂质与脂肪酸计算机标签
支持向量机 随机森林 K-近邻 逻辑回归/贝叶斯 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据 中等规模数据集以可持续性和卓越肉质著称的地方传统猪种，正日益受到消费者的青睐。此类猪肉的脂类成分构成，是其具备健康效益与优良感官特性的核心因素。因此，精准分析肌内脂肪的特性，对于维持品质标准、打击欺诈行为至关重要。本研究采用台式核磁共振波谱技术，对两个具有代表性的西班牙本土猪种不同部位肉品的脂类图谱进行解析。通过应用化学计量学与机器学习模型，研究实现了基于猪肉部位来源与品种来源的样本分类。此外，本研究率先将台式核磁共振技术与机器学习模型相结合并用于定量分析，成功实现了肌内脂肪中多不饱和脂肪酸、单不饱和脂肪酸及饱和脂肪酸的精准定量。这一创新方法有望提升传统猪肉制品的可追溯性与真伪鉴别水平，增强消费者信心，并推动可持续畜牧业的发展。
-
高分辨蛋白质组学与机器学习鉴定西西里黑蜂蜜的蛋白质分类标志物
查看原文
2024
Food Research International
中科院一区JCR一区
Giulia Biundo, Matteo Calligaris, Margot Lo Pinto, Danilo D’apolito, Salvatore Pasqua, Giulio Vitale, Giuseppe Gallo, Antonio Palumbo Piccionello & Simone D. Scilabra
食品标签
蜂蜜等天然糖 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质组学 蛋白质与氨基酸计算机标签
机器学习/统计学习 定量预测/回归分析 组学数据西西里黑蜂（Apis mellifera ssp. sicula）是一种慢食保护品种，其生产的蜂蜜具有卓越的营养特性，包括高抗氧化能力。本研究采用高分辨率蛋白质组学技术对西西里黑蜂所产蜂蜜进行分析，旨在鉴定能够将其与更常见的意大利蜜蜂（Apis mellifera ssp. ligustica）所产蜂蜜区分开的蛋白质分类标志物。我们在同一地理区域饲养了遗传纯正的西西里黑蜂和意大利蜜蜂，并对它们的蜂蜜蛋白质组进行了分析，以确保蜂蜜中的化学差异仅反映两个亚种的遗传背景，而非植物来源环境的影响。通过使用常用于临床蛋白质组学生物标志物发现的“矩形策略”蛋白质组学方法，我们在不同来源的西西里黑蜂蜂蜜和意大利蜂蜂蜜中验证了差异丰度蛋白质。随后，利用机器学习技术确定了哪些蛋白质在区分这两种蜂蜜时最为有效。该策略成功鉴定出两种蛋白质——漆酶-5和毒液丝氨酸蛋白酶34异构体X2，它们能够完全有效地预测蜂蜜是由西西里黑蜂还是意大利蜜蜂所生产。总之，本研究描绘了西西里黑蜂蜂蜜的蛋白质组图谱，鉴定出了两种相对于意大利蜂蜂蜜的西西里黑蜂蜂蜜蛋白质分类标志物，并证明了矩形策略可用于发现生物标志物以确定食品的真实性。
-
机器学习在体外胃肠道消化过程中揭示山羊奶蛋白中抗氧化短肽潜力的方法
查看原文
2024
Journal of Dairy Science
中科院一区JCR一区
An Du, Wei Jia, & Rong Zhang
食品标签
乳及乳制品 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 蛋白质与氨基酸计算机标签
随机森林 定量预测/回归分析 组学数据牛奶是生物活性肽的重要膳食来源，对人们具有显著的益处。从胃肠道消化过程中产生的抗氧化短肽（二肽和三肽）中，其具有更高的生物利用度和生物可利用性这一特点得到了证实，而对它们进行单独评估则是一项既费时又昂贵的任务。基于 4 种不同的氨基酸描述符（物理化学、三维结构、量子和拓扑属性）以及用于特征选择的遗传算法，针对具有 2，2-联氨基苯并(3-乙基苯并噻唑啉-6-磺酸)二铵盐自由基清除能力的二肽和三肽分别构建了 1 个和 4 个机器学习预测模型，采用随机森林回归作为机器学习算法。有趣的是，N 端氨基酸的电子性质被认为是影响含有酪氨酸和色氨酸的二肽抗氧化能力的唯一因素。由构建的预测模型预测的四种潜在二肽和三肽具有高度的预测值。随后，在体外模拟消化过程中，通过定制的工作流程对山羊奶中的总计 45 种二肽和 52 种三肽进行了筛选。除了 5 种已知的抗氧化二肽外，还有 9 种肽在消化过程中被定量检测，其浓度范围从 0.04 至 1.78 毫克/升不等。尤其值得注意的是，具有 N 端酪氨酸的抗氧化二肽在体内功能方面的良好表现，这得到了计算机模拟的验证。总体而言，这项研究探索了影响抗氧化短肽的关键分子特性以及利用机器学习从山羊奶中高通量筛选具有抗氧化活性的肽的能力，从而有助于从奶源蛋白中发现新的功能性肽，并为理解其消化过程中的代谢产物铺平道路。
