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 2456 条结果
-
结合GC-MS与GC-IMS表征不同烹饪方法对鱼糕挥发性化合物的影响
查看原文2024
Food Chemistry: X
中科院一区JCR一区Xuebo Yang, Qiuhan Chen, Shouchun Liu, Pengzhi Hong, Chunxia Zhou & Saiyi Zhong
食品标签
鱼肉 传统热加工 特征风味 光谱/色谱/质谱等分析方法 其他组学方法计算机标签
偏最小二乘法 特征工程与选择策略 分类/鉴别/等级评定 组学数据本研究采用气相色谱-质谱联用技术(GC-MS)和气相色谱-离子迁移谱技术(GC-IMS),对蒸制、烘烤、空气炸制、煎制和油炸五种烹饪方式制作的鱼糕中的挥发性物质进行了分析。通过气味活性值(OAV)和相对气味活性值(ROAV)筛选主要香气化合物,利用正交偏最小二乘判别分析(OPLS-DA)和变量重要性投影(VIP)确定鱼糕中的特征风味化合物。GC-MS共鉴定出72种挥发性化合物,GC-IMS检测出41种挥发性化合物。3-乙基-2,5-二甲基吡嗪和2,5-二甲基吡嗪在对照组(CK)和蒸制组(SS)中均未检出。基于VIP值构建了GC-MS和GC-IMS分析的OPLS-DA模型,分别筛选出8种和7种特征香气化合物。本研究结果为复热鱼糕风味形成的动态变化提供了新见解,并为该食品生产工艺的优化提供了理论依据。
-
阵列优化的人工嗅觉传感器实现成本效益高且无损地检测受霉菌毒素污染的玉米
查看原文2024
Food Chemistry
中科院一区JCR一区Maozhen Qu, Yingchao He, Weidong Xu, Da Liu, Changqing An, Shanming Liu, Guang Liu, & Fang Cheng
食品标签
玉米 微生物安全 风味组学计算机标签
深度学习 分类/鉴别/等级评定 时序传感器/物联网数据基于MobileNetV3的改进正弦-余弦算法(ISCA-MobileNetV3)与人工嗅觉传感器(AOS)结合,解决嗅觉阵列中的冗余问题,从而实现低成本且高精度地检测霉菌毒素污染玉米。具体来说,挥发性玉米有机化合物与含有8种卟啉和8种染料结合纳米复合材料的未优化AOS相互作用,获得了用于构建初始数据集的气味指纹。最优决策模型是MobileNetV3,分类准确率超过98.5%,其输出训练损耗将输入优化器ISCA。值得注意的是,ISCA-MobileNetV3将嗅觉阵列数量从16个减少到6个,分类准确率下降约1%。此外,系统显示每次在线评估平均不到一秒,展现了卓越的实时表现以确保食品安全。因此,AOS与ISCA-MobileNetV3结合将促进开发一个经济实惠且现场化的玉米质量检测平台。
-
从食品工业4.0到食品工业5.0:关键使能技术与未来应用前景
查看原文2024
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区Abdo Hassoun, Sandeep Jagtap, Hana Trollman, Guillermo Garcia-Garcia, Linh N.K. Duong, Prateek Saxena, Yamine Bouzembrak, Horst Treiblmaier, Carlos Para-López, Carmen Carmona-Torres, Kapal Dev, David Mhlanga & Abderrahmane Aït-Kaddour
食品标签
生产管理与数字化工厂计算机标签
机器学习/统计学习 深度学习 大语言模型 模拟与数字孪生尽管多个与食品相关的领域尚未完全把握第四次工业革命(也称为工业4.0)的速度和广度,但来自其他行业的越来越多的文献表明,工业5.0(指第五次工业革命)已经在进行中。食品工业4.0的特点是食品科学与技术在物理、数字和生物方面的进步相融合,而未来的食品工业5.0可以被视为一种更全面、多学科和多维度的方法。本综述将重点识别工业5.0中可能被利用来塑造未来几年食品领域的潜在赋能技术。我们将回顾过去5年中关于创新技术在各种食品和农业应用中的最新研究。此外,还将强调机遇和挑战,并得出未来的发展方向和结论。初步证据表明,工业5.0是一个进化过程的结果,而并非如人们常说的那样是一场革命。我们的研究结果显示,再生式和/或对话式人工智能、万物互联网、微型和纳米传感器、4D打印及更先进的打印技术、协作机器人和先进无人机、边缘计算、可编辑区块链、元宇宙和沉浸式技术、信息物理系统、数字孪生以及第六代及更先进的无线技术,很可能成为食品工业5.0的主要驱动技术。尽管工业5.0的框架、愿景和价值正在成为各个学术和工业领域的热门研究课题,但农业食品领域才刚刚开始接纳工业5.0的某些方面和维度。
-
通过基于树的回归模型中的适口性评分预测识别苹果风味的芳香化合物
查看原文2024
LWT
中科院一区JCR一区Taku Shimizu, Yuuhi Hattori, Shoji Ogami, Yuriko Imayoshi, Shigeki Moriya, Kazuma Okada, Yutaka Sawamura, & Kazuyuki Abe
食品标签
新鲜水果 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
随机森林 梯度提升决策树 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 质构/流变/感官数据苹果风味与香气化合物的组成有关;然而,不同浓度的香气化合物的影响仍然知之甚少。虽然感官评价通常用于分析食品的可口性,但评估所有香气化合物浓度的影响仍具有挑战性。本研究使用回归模型、气相色谱质谱分析和感官可口性评分筛选了174种苹果基因型中的重要香气化合物。采用了两种模型,即随机森林和XGBoost来预测可口性评分,超越了相关性分析的局限性。Shapley加性解释值分析确定了5-己醇、乙基2-甲基丁酸酯、2-甲基丁基乙酸酯、(E,E)-α-法呢烯和(Z)-3-己醇为关键香气化合物。在一项验证香气化合物浓度影响的感官评估中,(E,E)-α-法尼烯浓度的变化对感官可口性评分产生了负面影响。这项研究展示了一种识别影响苹果风味的香气化合物的新方法,为提升苹果质量和可口性提供了有价值的见解。
-
食品加工中人工智能的发展与应用新趋势
查看原文2024
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Riya Barthwal, Deepika Kathuria, Saloni Joshi, R.S.S. Kaler & Narpinder Singh
食品标签
品质、结构与理化性质 可持续性与资源高值化计算机标签
分类/鉴别/等级评定 过程控制与实时优化 时序传感器/物联网数据食物在人类生存中扮演着重要角色。减少食物浪费、加强食品管理和安全协议是必要的。计算网络的日益普及和先进性增强了现代工业和物流框架。这些网络持续从传感器、系统、智能设备、机器和人类交互中生成数据,并进行深度分析。这些进步推动了变革,催生了一种名为人工智能(AI)的技术。本综述旨在提供有关最新人工智能技术的宝贵见解,为农民和食品加工企业提供帮助。本文从产品开发、分选分级、质量安全提升、供应链管理和废弃物管理等视角,探讨了人工智能的众多应用场景和用例。最后,本综述也讨论了人工智能在促进可持续食品生产中的关键作用。