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 289 条结果
-
一种全面的无靶向特征策略,用于区分黄芪基的地理起源,将质谱数据、分子网络和碰撞截面测量与化学计量分析整合
查看原文2025
Food Chemistry
中科院一区JCR一区Linyan Wang, Meihong Ding, Qingzhong Lai, Haofang Wang, Yang Guan & Changyu Li
食品标签
其他添加剂与配料 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 多酚与黄酮 碳水化合物与糖类计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据黄芪豆因其在药用和食用中的双重用途而闻名。本研究采用了综合方法,结合了超高性能液相色谱/离子迁移率四极杆飞行时间质谱、内部文库匹配、碎片离子鉴定、分子网络和碰撞截面预测,以评估黄耆基数质量。基于该方法,成功鉴定了130种化合物,分为38种皂苷、68种类黄酮、10种氨基酸、5种有机酸等。此外,基于碰撞截面测量,验证了8对异构体。此外,甘肃、山西和吉林省生产的黄芪基可通过PLS-DA和OPLS-DA模型成功区分。共鉴定出20种差异代谢物,包括8种类黄酮和12种皂苷,如黄芪苷II、新黄芪苷I、黄芪苷VII、黄芪苷VI、大豆皂苷I、花萼苷-7-O-葡萄糖苷、福莫诺丁-7-O-葡萄糖苷-6“-O-醋酸酯和洋葱,这些均可作为潜在标志物。
-
基于近红外光谱结合模型转移方法,提高高地大麦多质量属性检测准确性和普遍性的策略
查看原文2025
Food Chemistry
中科院一区JCR一区Linglei Li, Long Li, Jingfeng Li, Jingjing Yang, Lang Jia, Bei Fan, Litao Tong, Liya Liu, Yatao Huang, Xiaolong Yang, Fengzhong Wang & Lili Wang
食品标签
杂粮 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 碳水化合物与糖类 多酚与黄酮计算机标签
机器学习/统计学习 迁移学习/领域自适应 定量预测/回归分析 红外/拉曼光谱数据本研究利用直接标准化(DS)、分段直接标准化(PDS)和DS-PDS算法,促进高地大麦(HB)检测过程中模型在仪器间的转移,并校准不同状态下的HB样品。模型转移后,从属仪器结果显著改善。经过DS处理后,总淀粉(预测集相关系数R)取得了最佳结果 p = 0.903),淀粉质(Rp= 0.936),β-葡聚糖(Rp= 0.929)。经过DS-PDS处理后,蛋白质(R)获得了最佳结果p= 0.855)和总苯酚(Rp = 0.937)。此外,经过散射校正后,晶粒的结果得到了进一步提升。唐氏综合症治疗后,全淀粉(R)p = 0.873),淀粉质(Rp= 0.950),蛋白质(Rp= 0.899),β-葡聚糖(Rp= 0.899),以及总孔(Rp= 0.965)证明了最优性能。总体而言,本研究通过有效的模型转移和晶粒散射校正,显著提升了模型的普遍性和准确性。
-
机器学习引导的中国巨型蝾螈皮肤抗光老化肽:高效制备与机制见解
查看原文2025
Food Chemistry
中科院一区JCR一区ongjie Zhou, Huijuan Zhang, Chunyue Zhao, Zixin Fu, Yuting Wang, Sam K.C. Chang, Yan Zhang, Hui Hong, Yongkang Luo, Bo Li & Yuqing Tan
食品标签
其他肉与水产品 其他生物活性与健康效应 过程优化与控制策略 细胞模型 蛋白质与氨基酸计算机标签
随机森林 智能手机/其他 定量预测/回归分析 过程控制与实时优化胶原蛋白肽因其多样的生物活性被广泛应用于食品系统,但面临劳动密集型酶检测和来自陆地源的人畜共患风险的限制。本研究开发了机器学习模型,优化中国巨蝾螈皮肤(GSS)的酶促水解以获取抗光老化肽。人工神经网络(ANN)在预测弹性蛋白酶抑制率(EIR)方面优于随机森林模型(ANN R2= 0.96 对阵右翼2= 0.82)。经过遗传算法优化的水解液在100 mg/mL时实现了59.33%的EIR。在UVB照射的HaCaT细胞中,2 mg/mL水解液分别使I型胶原蛋白和弹性蛋白提升279%和274%,而40 μg/mL则使HSF细胞表达提升41%(胶原蛋白)和69%(弹性蛋白)。机理分析确定了关键四肽PFGI作为调节MMP2(基质金属蛋白酶2)和EGFR(表皮生长因子受体)激活的调节因子,通过雌激素信号通路实现。这种机器学习驱动的方法高效地将GSS衍生的胶原蛋白肽作为皮肤健康功能食品的有效成分,同时解决了安全问题。
-
赋能麦醇溶蛋白检测:用于快速可靠结果的可视编码半定量侧向层析系统
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Wen-Hao Chen, Jill Christiansen Smith, Seaton Smith, Hui-Yin Huang, Chester Yuh-Cherng Chu, Yuen-Yee Choi, Yuyu Chen, Huan-Chi Chang, Chuan-Chih Hsu, & Yu-Cheng Hsiao
食品标签
小麦 食品安全与风险评估 显微与成像技术 标准/法规/数据库分析 蛋白质与氨基酸计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据小麦是全球主粮,但其主要蛋白“麸质”可引发乳糜泻患者严重反应;乳糜泻是一种影响约 1% 人群的自身免疫性疾病,目前唯一治疗方式是终身无麸质饮食。麦醇溶蛋白是麸质中的主要触发成分,由于溶解性低而难以检测,这限制了乳糜泻患者安全外食和选择多样化食品。为解决这一问题,本研究开发了 LEO(Lateral flow Enhanced by Optical imaging)便携式麸质检测系统,将侧向层析检测与基于智能手机的图像分析结合。LEO 采用物联网增强技术,可在 3 min 内给出结果,并以超过 98% 的准确率定量检测麦醇溶蛋白,灵敏度低于 FDA 规定的 20 ppm 阈值。在真实场景试验中,LEO 成功检出标称“无麸质”餐厅菜品中的隐藏麸质。该系统具有快速、准确和易用特点,可支持乳糜泻人群做出更安全的食品选择,并适用于个人、临床、工业和监管场景。
-
利用可见-近红外和短波红外光谱数据融合对鲜猪肉主要成分的无损检测
查看原文2025
LWT
中科院一区JCR一区Zhilei Ren, Ruoxin Chen, Wei Ning, Jingran Bi, Gongliang Zhang, & Hongman Hou
食品标签
畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常规理化指标测定 蛋白质与氨基酸计算机标签
偏最小二乘法 定量预测/回归分析 多模态/融合数据 红外/拉曼光谱数据为了实现对猪肉主要成分的快速无损检测,建立了部分最小二乘回归(PLSR)模型,利用可见近红外光谱(VNIR)和短波红外光谱(SWIR)结合数据融合策略,预测猪腰长肌(PLM)的水分、脂肪和蛋白质含量。结果表明,低级数据融合策略在预测水分含量方面最有效(R P = 0.971, RMSEP = 0.192),而高级数据融合策略在预测脂肪含量(R P = 0.961, RMSEP = 0.770)和蛋白质含量(R P = 0.929, RMSEP = 0.281)方面表现更优。具体来说,与单一光谱源模型获得的最佳结果相比,通过数据融合建立的水分、脂肪和蛋白质含量模型的RPD值分别提高了1.206、0.333和0.300。总之,将VNIR和SWIR光谱数据与数据融合策略相结合,有效地解决了单一光谱检测范围有限的问题,为高效定量分析猪肉化学成分提供了一种有前景的替代传统分析方法。此外,它还为开发手持式肉类分析仪提供了核心算法,并支持快速现场检测设备的产业化。