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
-
烤鸡中的杂环芳香胺:基于加热温度和时间的形成与预测
查看原文2023
Food Chemistry
中科院一区JCR一区Guangming Yao, Yajun Zhou, Zongping Li & Qingshu Ma
食品标签
禽肉 传统热加工 化学污染物计算机标签
主成分分析/判别分析 其他深度学习结构 定量预测/回归分析研究探究了烤鸡烤制温度与时间对杂环芳香胺(HAAs)生成量的影响,并构建了基于加热条件的杂环芳香胺预测模型。整体而言,加热条件会显著影响烤鸡中杂环芳香胺的含量。前体物质从鸡肉向鸡皮迁移、鸡皮暴露于高温环境以及鸡皮中的脂肪氧化,均可能导致鸡皮中杂环芳香胺含量高于鸡肉。主成分分析(PCA)结果表明,相对高温和长时间烤制对杂环芳香胺生成的影响,远大于低温和短时间烤制的影响。在杂环芳香胺生成量的预测中,所有回归相关系数(R)值均接近1,15组样本的实验数据与预测数据误差趋近于0。研究结果表明,反向传播人工神经网络(BP-ANN)在加热条件下预测杂环芳香胺生成量方面具备极高的应用潜力。
-
基于 N,P 共掺碳点修饰铁基金属有机框架的智能手机集成分子印迹荧光传感器用于金霉素可视化检测
查看原文2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Jinni Zhang, Yan Liu, Xueyan Cui, Yichuan Cao, Yan Li, Guozhen Fang, & Shuo Wang
食品标签
液态乳 化学污染物 过程监测与在线检测 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 红外/拉曼光谱数据 可见光/RGB/视频数据金霉素残留可能危害人体健康,因此开发便携、快速、灵敏且选择性的检测方法具有重要意义。本研究基于氮磷共掺碳点修饰的铁基金属有机框架,并结合分子印迹聚合物,成功制备了新型荧光仿生传感探针 NH2-MIL-53&N,P-CDs@MIP,用于检测金霉素。该探针基于内滤效应实现了对金霉素的荧光强度响应型“开-关”检测。在最优条件下,NH2-MIL-53&N,P-CDs@MIP 的荧光猝灭程度与金霉素浓度在 0.06-30 μg/mL 范围内呈良好线性关系,检出限为 0.019 μg/mL。该荧光探针用于牛奶样品中金霉素检测,回收率为 88.73%-96.28%。此外,研究开发了基于 NH2-MIL-53&N,P-CDs@MIP 的智能手机集成荧光传感装置,以替代昂贵笨重的荧光分光光度计,对金霉素进行定量测定,检出限为 0.033 μg/mL。该传感系统具有高选择性、强稳定性、高特异性和便携性,为抗生素残留定量检测提供了有效策略。
-
智能手机集成比色和微流控纸质分析设备,用于微量检测除虫菊酯
查看原文2023
Food Chemistry
中科院一区JCR一区Sufian Rasheed, Muhammad Anwar ul Haq, Naseer Ahmad, Sirajuddin&Dilshad Hussain
食品标签
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 时序传感器/物联网数据氯菊酯是一种拟除虫菊酯类农药及驱虫剂,可在热带地区预防登革热、疟疾等蚊媒传染病。本文首次报道了一种基于甲硝唑稳定银纳米颗粒(MTZ-AgNPs)的新型比色传感器,用于快速、灵敏且选择性地检测氯菊酯。该基于MTZ-AgNPs的比色传感器检出限为0.0104微摩尔每升,定量限为0.0348微摩尔每升。将该传感器与智能手机及纸基微流控分析装置(µPADs)制备技术相结合,可实现氯菊酯的实时现场检测。在最优实验条件下,各类潜在环境污染物均不会干扰氯菊酯的检测,证实该传感器具有优异的选择性。最后,通过番茄和苹果实际提取样品验证了传感器的实际应用性能。美国环境保护署推荐的超高效液相色谱法(UPLC)对该新型比色传感器的检测效果进行了方法验证。超高效液相色谱法与MTZ-AgNPs传感器的加标回收率结果表明,该传感器可对实际样品中的氯菊酯进行定量分析。
-
基于Au-Ag的OHCs传感器结合深度学习CNN算法,用于定量茶叶中的thiram和吡美托肼
查看原文2023
Food Chemistry
中科院一区JCR一区Huanhuan Li, Xiaofeng Luo, Suleiman A. Haruna, Muhammad Zareef, Quansheng Chen, Zhen Ding & Yiyong Yan
食品标签
茶/茶饮料 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据食品中的农药残留检测已变得愈发重要。本文构建了一种将表面增强拉曼散射(SERS)与智能算法相结合的方法,用于茶叶中农药残留的快速、灵敏检测。以八面体氧化亚铜为模板制备出金-银八面体空心笼(Au-Ag OHCs),该材料凭借粗糙边缘与中空内部结构增强了表面等离子体效应,实现了农药分子拉曼信号的放大。随后,将卷积神经网络(CNN)、偏最小二乘法(PLS)与极限学习机(ELM)算法应用于福美双和吡蚜酮的定量预测。其中卷积神经网络算法对福美双和吡蚜酮的检测效果最优,相关系数分别为0.995、0.977,检出限分别达0.286ppb、29ppb。在茶叶样品检测中,该新建方法与高效液相色谱法(HPLC)的检测结果无显著差异(P>0.05)。综上,所建立的基于金-银八面体空心笼的表面增强拉曼散射技术可用于茶叶中福美双与吡蚜酮的定量检测。
-
基于智能手机的pH响应式三通道比色生物传感器,用于非酶多抗生素残基
查看原文2023
Food Chemistry
中科院一区JCR一区Xiaotian Zhou, Siyuan Fu, Jiahua Li, Yuhan Yi, Yaqi Hu, Ji Lu, Chao Yang, Jinfeng Miao & Yuanyuan Xu
食品标签
液态乳 化学污染物计算机标签
智能手机/其他 定量预测/回归分析 时序传感器/物联网数据动物源食品中的抗生素残留会对食品安全与人体健康构成威胁。本文构建了一种基于智能手机的pH响应型三通道比色生物传感器,用于快速检测牛奶中的非酶多重抗生素残留。该体系设计了一种磁分离富集方法,可在复杂环境中特异性捕获不同种类的抗生素残留。将具有优异pH响应可视化性能的聚多巴胺-银纳米颗粒负载指示剂,以此保障检测体系具备高灵敏度。此外,引入智能手机,满足实际应用中现场便携检测的需求。该方法可同时检测土霉素、卡那霉素与链霉素,线性检测范围为1~105皮克每毫升,检出限分别为0.085皮克每毫升、0.168皮克每毫升和0.307皮克每毫升。通过对实际牛奶样品的检测,成功验证并评估了该多重抗生素残留检测体系的实际应用价值。因此,该检测体系在多重抗生素残留分析及食品安全保障领域具备广阔的应用前景。