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
-
基于小样本FT-MIR数据集的机器学习和深度学习用于绒盖牛肝菌的细粒度采样点识别
查看原文2023
Food Research International
中科院一区JCR一区Jian-E Dong, Jieqing Li, Honggao Liu & Yuan-Zhong Wang
食品标签
食用菌菇 食品安全与风险评估 化学污染物 光谱/色谱/质谱等分析方法计算机标签
支持向量机 随机森林 K-近邻 梯度提升决策树 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据本研究提出了结合镉含量和环境因素识别绒盖牛肝菌采样点的必要性。基于一阶导数、二阶导数、多元散射校正、标准正态变量和Savitzky-Golay平滑预处理的傅里叶变换中红外光谱数据,构建了五种机器学习算法(朴素贝叶斯、决策树、K最近邻、随机森林、支持向量机)和三种梯度提升机算法(XGBoost、LightGBM、CatBoost)。为避免复杂的预处理,我们构建了BoletusResnet模型,首次提出了3DCOS、3DCOS投影图像、索引图像(在2DCOS之外)的概念,并将其与深度学习相结合用于分类。结果表明,梯度提升机的准确率高于传统机器学习,深度学习的准确率优于梯度提升机。本文提出的四种深度学习模型基于小样本实现了细粒度采样点识别,准确率达到100%,并在此基础上开发了一套计算机应用系统。因此,光谱图像处理结合深度学习是一种快速高效的分类方法,可广泛应用于食品鉴别领域。
-
埃洛石纳米管 / 黑磷烯纳米杂化物修饰丝网印刷碳电极构建超便携电化学传感平台,结合机器学习实现基于智能手机的抑芽丹检测
查看原文2023
Food Chemistry
中科院一区JCR一区Yu Ge, Minghui Li, Ying Zhong, Lulu Xu, Xinyu Lu, Jiaqi Hu, Quanming Peng, Ling Bai & Yangping Wen
食品标签
化学污染物 其他理化与结构表征计算机标签
支持向量机 智能手机/其他 其他深度学习结构 定量预测/回归分析 时序传感器/物联网数据借助机器学习(ML)技术,采用银纳米颗粒(AgNPs)改性稳定的黑磷烯(BP)对埃洛石纳米管(HNT)进行修饰,制备出高导电纳米复合材料HNT/BP-AgNPs,并对其开展形貌表征与元素分析研究。采用人工神经网络(ANN)与最小二乘支持向量机(LS-SVM)实现马来酰肼(MH)的智能化快速检测分析。基于HNT/BP-AgNPs修饰丝网印刷碳电极(SPCE)、智能手机及掌上微型恒电位仪构建超便携式电化学传感器,用于检测马来酰肼,其线性检测范围为0.7~55微摩尔每升,检出限(LOD)为0.3微摩尔每升。作为对照,以玻碳电极(GCE)、台式计算机及大型电化学恒电位仪制备传统电化学传感器,线性检测范围为0.3~600微摩尔每升,检出限低至0.1微摩尔每升。将该结合机器学习的超便携式电化学传感器应用于红薯和胡萝卜中马来酰肼的检测,加标回收率结果令人满意。
-
氢化物发生-智能手机RGB读取与视觉比色双模式系统用于水样和蜂蜜中无机砷的检测
查看原文2023
Food Chemistry: X
中科院一区JCR一区Chenxi Jiang, Shuang Ye, Jing Xiao, Chao Tan, Huimin Yu, Xiaoli Xiong, Ke Huang, Yujia Deng & Zhirong Zou
食品标签
蜂蜜等天然糖 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/视频数据建立了一种用于蜂蜜和饮用水样品中无机砷测定的小型化/便携式双模式比色分析系统。氢化物发生技术因其高发生效率和有效基质分离能力,被用作该比色系统的采样技术。通过氢化物发生生成AsH3,与HAuCl4反应后在试纸上形成金纳米颗粒,使试纸颜色由浅黄色变为深蓝色,可同时通过肉眼(视觉比色模式)和智能手机(RGB读取模式)读取。通过对两种水样、四种蜂蜜样品和两种标准参考水样(BWB2440-2016和GBW08650)的分析,进一步验证了该方法的准确性和现场分析潜力,所有样品及其加标样品的回收率均在90%-116%之间。
-
基于化学计量学设计的绿色、选择性且廉价的亲疏水性可切换溶剂液相微萃取程序优化,用于牛奶、蜂蜜和水样中磺胺嘧啶的预浓缩与提取
查看原文2022
Food Chemistry
中科院一区JCR一区Nail Altunay
食品标签
液态乳 蜂蜜等天然糖 化学污染物 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析本研究优化建立了一种绿色、高选择性且低成本的可切换亲水性溶剂基液相微萃取(SHS-LPME) 方法,用于牛奶、蜂蜜与水样中磺胺嘧啶(SDZ)的萃取和富集预处理,后续采用分光光度法进行检测。研究基于化学计量学中的中心复合设计,对影响该可切换亲水性溶剂基液相微萃取流程的 5 个关键变量开展了优化。该方法的核心分析性能参数如下:线性范围为15∼300 μg⋅L−1,检出限为4.5 μg⋅L−1,萃取回收率为96±3%,富集倍数为113。通过重复性与重现性试验考察了方法精密度,所得相对标准偏差介于2.4%∼4.5%之间。实际样品中磺胺嘧啶的加标回收率范围为94±4%∼99±2%。研究分别采用所建立的可切换亲水性溶剂基液相微萃取法与流动注射 - 火焰原子吸收光谱参比方法测定实际采集的样品,并对两组检测结果进行对比。统计分析表明,两种方法无显著性差异,证实该可切换亲水性溶剂基液相微萃取法可可靠应用于实际样品的检测分析。
-
基于机器学习与神经网络的脉冲电场处理红辣椒片中黄曲霉抑制及黄曲霉毒素减控预测
查看原文2022
Food Research International
中科院一区JCR一区Gulsun Akdemir Evrendilek, Nurullah Bulut, Bahar Atmaca & Sibel Uzuner
食品标签
果蔬干/果脯/蔬菜干 其他加工技术 微生物安全 化学污染物 质构与流变测试计算机标签
随机森林 梯度提升决策树 智能手机/其他 定量预测/回归分析 质构/流变/感官数据农产品中黄曲霉毒素的存在是一个世界性问题。由于其高热稳定性和对大多数食品加工技术的耐受性,黄曲霉毒素的降解仍然是一个巨大挑战。因此,本研究测试了能量范围为0.97至17.28 J的脉冲电场(PEF)的效能,以测定红辣椒片中品质特性的变化、黄曲霉毒素的减控、产黄曲霉毒素的寄生曲霉的失活、黄曲霉毒素致突变性的降低,以及除黄曲霉毒素减控外对寄生曲霉失活的建模。在平均初始寄生曲霉数量上,使用17.28 J获得了64.37%的最大失活率。在平均初始AfG1、AfG2、AfB1和AfB2浓度上分别获得了99.88%、99.47%、97.75%和99.58%的降低。经PEF处理的样品中,在1 µg/平板浓度下使用0.97、1.36、5.76和17.28 J处理的样品,在10 µg/平板浓度下使用0.97、1.92、7.78、10.80 J处理的样品,以及在100 µg/平板浓度下使用0.97、1.92、2.92、4.08、5.76、4.86、6.80、9.60、10.80和10.89 J处理的样品均无致突变性。使用梯度提升回归树(GBRT)、随机森林回归(RFR)和人工神经网络(ANN)进行建模,GBRT模型在预测寄生曲霉失活方面提供了最低的RMSE和最高的R2值,而ANN模型在预测AfG1、AfB1和AfB2减控方面提供了最低的RMSE和最高的R2值。PEF处理工艺是黄曲霉毒素降解的一种可行替代方案,能够降低致突变性且对红辣椒片的品质特性无不良影响。