01 / 01

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
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 对Smilax glabra Roxb质量的快速评估。采用基于傅里叶-近红外的QADS结合多种智能算法

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Geng-zhi Zhan, Xin-yue Guo, Zi-chao Qiu, Lu-yao Cai, Qian Hu, Ye Gao, Shu-wan Tang, Cun-yu Li, Yun-feng Zheng, & Guo-ping Peng

    食品标签

    水果/蔬菜与菌菇类/植物类 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质

    计算机标签

    偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据

    (SGR)以其高营养和治疗价值著称。然而,假冒产品的频繁出现导致SGR品种间的混淆和质量不一。本研究收集了SGR掺假比例,并利用高效液相色谱(HPLC)测量SGR中的astilbin含量。随后,采用傅里叶变换近红外(FT-NIR)技术结合多元智能算法,建立了偏最小二乘回归定量模型,分别用于检测SGR掺假和测量无星菌素含量。该方法通过单谱数据采集(QADS)对双指标进行了定量分析,全面评估SGR的真实性和优越性。确定系数(R2校准和预测集均超过0.96,成功利用FT-NIR与多元智能算法结合,显著提升了定量模型的准确性和可靠性。总体而言,这项研究在功能性健康食品的综合质量评估中具有重要价值。

  • 利用前表面同步荧光光谱检测孜然粉掺假:掺假物自然变异的影响

    2024
    Food Control
    中科院一区
    JCR一区
    查看原文

    Jin Tan, Jia-Yuan Liu, Hong Su, Xiao-Han Yang, & Hui-Fen Li

    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 传统统计分析与回归

    计算机标签

    偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据

    在粉状香辛料的真伪鉴别研究中,掺杂剂的自然变异对分类或预测模型的潜在影响往往被忽视,且该领域的相关研究仍较为匮乏。本研究以正面同步荧光光谱技术(FFSFS)在掺假孜然粉快速无损鉴别中的应用为案例展开分析 —— 掺杂剂为花生壳粉与玉米粉,旨在揭示掺杂剂自然变异对模型预测性能的作用机制。研究选取每种掺杂剂的 3 份样品,设计两种样品集模式进行对比分析:模式 1 采用第一种掺杂剂样品构建校正集,其余两种用于外部验证;模式 2 则选取两种掺杂剂样品纳入训练集,第三种作为外部验证集。基于主成分分析 - 线性判别分析(PCA-LDA)的掺杂剂分类结果显示,模式 2 的外部验证预测准确率(82%)显著高于模式 1(63%)。定量分析方面,本研究通过偏最小二乘回归(PLS)算法构建预测模型,并采用交叉验证与外部验证相结合的方式完成模型验证。结果表明,模式 2 的定量建模效果优于模式 1,其预测决定系数(R p2)均大于 0.93,预测均方根误差(RMSEP)低于 4.2%,残差预测偏差(RPD)则不低于 2.7。本研究证实,在构建高稳健性的掺假检测模型时,必须充分考量掺杂剂的自然变异因素。

  • 基于多光谱数据融合策略的快速判别分析,用于确定特殊山药的来源

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Xin Gao, Wenliang Dong, Zehua Ying, Guoxiang Li, Quanxiang Cheng, Zijian Zhao, & Wenlong Li

    食品标签

    其他谷物与块根 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

    支持向量机 分类/鉴别/等级评定 多模态/融合数据

    为了实现对河北山药的快速、准确识别,基于近红外(NIR)、中红外(MIR)以及显微拉曼光谱,并结合单个光谱和多光谱数据融合策略,构建了一个定性鉴别模型。结果表明,通过中层融合使用这三种特征光谱构建的灰狼优化器支持向量机(GWO-SVM)模型在区分山药的产地方面表现最佳,在训练集和测试集中的预测准确率均为 100.00%,F1 分数为 1.00。这些结果表明,由于光谱的互补性,NIR、MIR 和拉曼光谱结合特征级融合可以作为一种强大的、非破坏性的、快速且可行的工具,用于河北山药的地理产地分类和品牌保护。这项工作有望成为食品和制药行业产地识别分析和质量监测的一种潜在方法。

  • 结合机器学习和化学计量学技术,利用整体光学特性对苹果质量进行定性和定量评估

    2024
    LWT
    中科院一区
    JCR一区
    查看原文

    Kai Tian, Weijie Zhu, Minjie Wang, Ting Chen, Fuqi Li, Jianchao Xie, Yumeng Peng, Tong Sun, Guoquan Zhou, & Dong Hu

    食品标签

    新鲜水果 品质、结构与理化性质 理化与结构表征 传统统计分析与回归

    计算机标签

    偏最小二乘法 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析

    本研究旨在了解苹果的体光学性质 (BOP)、可溶性固形物含量 (SSC) 与果实硬度 (FF) 之间的定量关系,以及苹果品种和货架期的定性区分。在 500-1000 nm 范围内,采用单积分球技术测定了来自四个品种的 200 个苹果在 36 天货架期内的吸收系数 (μa) 和约化散射系数 (μs′)。基于苹果的 BOP,使用偏最小二乘回归 (PLSR) 和随机森林 (RF) 算法建立了 SSC 和 FF 的定量预测模型。结果表明,基于 μa 和 μs′ 的 PLSR 模型在 SSC (R²p = 0.749, RMSEP = 0.507) 和 FF (R²p = 0.745, RMSEP = 0.571) 的定量预测中最为理想。随机森林(RF)和线性判别分析(LDA)被用于建立区分苹果品种和保质期的定性模型,结果表明,基于μɑ和μɑ μs′的RF模型在苹果品种和保质期的判定中分别具有最高的准确性,预测集的准确率分别达到93.2%和85.7%。总体而言,RF在定性判别上优于LDA;然而,在定量建模方面,它不如偏最小二乘回归(PLSR)有效。

  • 基于理化性质分析和结构光照反射成像的稳定YOLOv8苹果损伤检测分类模型的构建

    2024
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Junyi Zhang, Liping Chen, Liwei Luo, Zhonglei Cai, Ruiyao Shi, Letian Cai, Xuhai Yang & Jiangbo Li

    食品标签

    新鲜水果 微观结构与成像 其他品质相关性质 显微与成像技术

    计算机标签

    目标检测网络 分类/鉴别/等级评定 可见光/RGB/视频数据

    苹果损伤各阶段的有效、准确检测一直是苹果无损分级中的一个挑战。本研究提出结合深度学习方法的可见光结构光照反射成像技术,用于识别富士苹果在四个不同时间阶段(0、6、12和24小时)的损伤。测量并分析了损伤组织的宏观/微观结构和理化性质,以确定损伤时间与这些性质之间的关系,以及它们如何影响损伤检测的准确性。结果表明,分类准确率随着损伤组织水分和总酚含量的降低,以及颜色褐变和损伤面积的增加而提高。YOLOv8模型取得了最高的检测准确率(99.5%)和稳定性。这项研究增强了对苹果损伤光学的理解,有助于发展先进的非破坏性检测技术。

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号