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 1098 条结果
-
基于非靶向化学指纹图谱区分大西洋鲑鱼的地理来源
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
鱼肉 质量管理与追溯系统 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 组学数据同一物种养殖水产品的产地虚假标注行为难以甄别。本研究采用非靶向小分子指纹图谱技术,对产自智利与挪威的大西洋鲑开展产地判别分析。研究获取了智利(样本量n=32)和挪威(样本量n=29)大西洋鲑的液相色谱 - 高分辨质谱数据,并通过化学计量学方法进行处理。
偏最小二乘判别分析(PLS-DA)模型在正、负离子电离模式下均成功实现智利与挪威大西洋鲑的区分(决定系数R 2>0.96,预测能力系数Q 2>0.81)。单变量分析筛选出约 100 个统计置信度>95% 的候选标志物,其中 37 个经确证的产地标志物主要与饲料配方相关,涵盖脂质衍生物与饲料添加剂类物质,且所有标志物均不属于存在食品安全潜在风险的残留物质或污染物。 -
基于非靶向肽组学与化学计量学区分超高温灭菌乳和复原乳
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
液态乳 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据本研究采用基于超高效液相色谱 - 四极杆飞行时间质谱联用技术结合化学计量学的非靶向多肽谱分析方法,对超高温灭菌乳与复原乳进行鉴别区分。研究共鉴定出 33 种标志性多肽,这些多肽主要裂解自 β- 酪蛋白与 αₛ₁- 酪蛋白的 C 端或 N 端,由加热作用与蛋白酶水解共同产生。
后续的加热强化与贮藏时长试验表明:18 种标志性多肽的含量随热负荷与贮藏时间的增加而上升,另有 15 种多肽仅受热负荷影响。相较于 αₛ₁- 酪蛋白来源的多肽,β- 酪蛋白来源的多肽对热胁迫表现出更高的敏感性。此外,研究还鉴定出 8 种酪蛋白修饰多肽,可作为牛乳热加工工艺的指示标志物。
上述鉴定得到的标志性多肽能够有效区分超高温灭菌乳与复原乳,适用于牛乳加热工艺监控与贮藏过程监测。 -
不同窨制工艺下茉莉花茶关键挥发性化合物及香气品质研究
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
茶/茶饮料 过程优化与控制策略 光谱/色谱/质谱等分析方法 特征风味计算机标签
偏最小二乘法 定量预测/回归分析 过程控制与实时优化茉莉花茶的香气品质是指茉莉花香的浓郁度、鲜爽度,及其与茶香的协调程度,该品质受多种挥发性化合物调控。本研究采用气相色谱 - 质谱联用技术(GC–MS),对采用不同窨制工艺加工的茉莉花茶中的 70 种挥发性化合物进行定性与定量分析,并结合加权基因共表达网络分析(WGCNA)、正交偏最小二乘判别分析(OPLS-DA)及气味活性值(OAV),筛选确定出 7 种关键挥发性化合物。依据构建的 7 种关键挥发性化合物与茉莉花茶品质的关联方程,得到最优窨制工艺参数:配花量(AF)为 65%~78%,窨制时间(ST)为 15~17 小时,窨制温度(SW)为 35~40 摄氏度。本研究为茉莉花茶香气特征的相关研究奠定基础,同时可为企业优化茉莉花茶加工工艺提供指导。
-
基于HS-SPME/GC-MS代谢组学的比较方法区分中国不同地区粳稻品种的生米和熟米
查看原文2022
Food Chemistry
中科院一区JCR一区食品标签
大米 质量管理与追溯系统 其他理化与结构表征 特征风味计算机标签
偏最小二乘法 分类/鉴别/等级评定粳稻在我国不同地区广泛种植,不同地理产地的稻米在经济价值上可能存在显著差异。本研究采用基于顶空固相微萃取 - 气相色谱 - 质谱联用技术(HS‑SPME/GC‑MS)的非靶向代谢组学方法,分别对产自我国南方、北方及东北地区的 27 个粳稻品种的生米和熟米进行产地判别分析。正交偏最小二乘判别分析(OPLS‑DA)模型实现了良好的地理来源区分效果。研究分别筛选出 16 种和 22 种挥发性物质作为生米、熟米的判别标志物,其中仅己醛、3,5‑辛二烯‑2‑酮和 2‑丁基‑2‑辛烯醛在生米与熟米中均被选定为标志物。生米的标志物主要参与萜类、脂氧合酶、吲哚、莽草酸及苯甲酸代谢通路,熟米的标志物则主要来源于脂质氧化反应。上述研究结果为深入解析我国不同地理产地稻米的挥发性物质差异提供了理论依据。
-
利用近红外光谱和多元建模快速定量检测黑胡椒和孜然粉的掺假
查看原文2020
Food Control
中科院一区JCR一区食品标签
香精香料 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 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/拉曼光谱数据香辛料属于高附加值配料,其所处供应链环节复杂,易发生各类掺伪造假行为,因此需要快速高效的质量管控手段。本研究建立检测方法,采用近红外光谱(NIRs)结合化学计量学模型,测定黑胡椒粉、孜然粉中针对性与非针对性掺伪情况,掺杂物为木薯淀粉、玉米粉,添加比例范围5%~50%。
所构建的非靶向模型结果显示,相较于黑胡椒样品,孜然样品中的掺伪更易被识别。在区分掺杂物种类方面,模型对两种香辛料均表现出良好判别效果。研究采用 多元线性回归(MLR)与偏最小二乘(PLS) 方法建立靶向模型,结果表明模型对不同掺杂物均具备高预测能力:相关系数均高于 0.90,均方根误差(RMSE)介于 2.2~7 之间。
研究在超市与农贸市场售卖的香辛粉样品中开展模型实际应用验证,结果显示掺伪比例较高,黑胡椒与孜然的掺伪率分别为62%和79%。上述结果证实,在黑胡椒、孜然中添加木薯淀粉、玉米粉(或类似物)的掺伪行为普遍存在,体现了此类检测研究的重要意义。