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
-
AI4ACEIP:基于集成学习策略融合分子表征与序列信息预测ACE抑制肽的计算工具
查看原文2024
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Sen Yang, Jiaqi Ni & Piao Xu
食品标签
血糖、血脂与代谢相关功能 其他统计建模方法 蛋白质与氨基酸计算机标签
梯度提升决策树 其他深度学习结构 随机森林 分类/鉴别/等级评定 组学数据 文本/知识库/法规数据高血压是一种常见的慢性疾病,也是心血管疾病的主要危险因素。血管紧张素转换酶(ACE)将血管紧张素 I 转化为血管紧张素 II,从而导致血管收缩并升高血压。药物治疗是传统高血压治疗的主要手段,但会产生各种不良副作用。一些源自食物的肽能够抑制 ACE,这类肽被称为 ACEIP,其不良反应较少。因此,寻找强效的膳食 ACEIP 以辅助高血压治疗至关重要。在本文中,我们提出了一个名为 AI4ACEIP 的新模型来识别 ACEIP。AI4ACEIP 采用一种新颖的两层堆叠集成架构,基于从序列、大型语言模型和基于分子的信息中提取的综合视图特征来预测 ACEIP。对特征组合的分析表明,选定的四个综合特征对识别 ACEIP 的表现有增强作用。为了找到具有强大能力从综合特征对中学习信息的元模型,使用了特征选择方法 PowerShap 来选择 40 个最优特征和元模型组合。与七种最先进的方法相比,在源数据和清晰基准数据集上,AI4ACEIP 的表现显著优于其他方法,其马修斯相关系数分别高出 8.47%至 20.65%和 5.49%至 14.42%。简而言之,AI4ACEIP 是一种可靠的 ACEIP 预测模型,并可在 https://github.com/abcair/AI4ACEIP 上免费获取。
-
基于同步荧光光谱的机器学习算法用于食用油中多环芳烃的快速同时定量分析
查看原文2024
Food Control
中科院一区JCR一区Jia-Wen Wei, Jia-Rong He, Shi-Yi Chen, Yi-Han Guo, Xuan-Zhu Huo, Nuan Zheng, Shuo-Hui Cao, & Yao-Qun Li
食品标签
油脂及油脂制品 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
机器学习/统计学习 深度学习 定量预测/回归分析 红外/拉曼光谱数据多环芳烃(PAHs)是诱发人类癌症的主要诱因之一。苯并(a)芘(BaP)、苯并(b)荧蒽(BbF)、苯并(a)蒽(BaA)和䓛(Chr)这 4 种典型多环芳烃(PAH4),已被公认为表征食品中多环芳烃存在的合理指示物。本研究以 PAH4 混合体系的恒波长同步荧光光谱(CWSF)作为原始数据集,无需预处理,直接结合反向传播神经网络(BPNN)算法,建立了 PAH4 的定量分析方法。该方法可实现食用油样品中 PAH4 的免预分离浓度检测。苯并(a)芘、苯并(b)荧蒽、苯并(a)蒽和䓛的检出限分别为 0.014、0.068、0.026 和 0.013 微克 / 千克;在不同油脂样品中的加标回收率分别为 99.5±2.1%、101.0±4.6%、98.6±3.2% 和 98.5±4.9%。研究证实,所建立的方法是一种可快速检测 PAH4 的高效手段。
-
革新食品工业:人工智能的变革力量——综述
查看原文2024
Food Chemistry: X
中科院一区JCR一区Vilhouphrenuo Zatsu, Angel Elizabeth Shine, Joel M. Tharakan, Dayanand Peter, Thottiam Vasudevan Ranganathan, Sager S. Alotaibi, Robert Mugabi, Abdullatif Bin Muhsinah, Muhammad Waseem & Gulzar Ahmad Nayik
食品标签
谷物/块根/豆与坚果类 品质、结构与理化性质 食品安全与风险评估 感官科学与消费者研究 智能/指示型包装计算机标签
智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 过程控制与实时优化人工智能(AI)正通过优化流程、提高食品质量与安全以及促进创新,变革着食品工业。本综述探讨了AI在食品科学中的应用,包括供应链管理、生产、感官科学和个性化营养。文中讨论了基于知识的专家系统、模糊逻辑、人工神经网络和机器学习等技术,重点阐述了它们在预测性维护、质量控制、产品开发和废物管理中的作用。AI与先进传感器的结合,增强了食品安全和包装领域的实时监测与决策能力。然而,伦理问题、数据安全、透明度和高成本等挑战依然存在。AI有望通过优化资源利用推动可持续发展,借助作物产量的预测分析增强粮食安全,并通过个性化营养和供应链自动化驱动创新,确保产品定制化和高效配送。本文在阐述AI对食品工业变革潜力的同时,也探讨了其广泛应用所面临的障碍。
-
利用化学计量学分析GC-MS指纹图谱对伊朗红茶的挥发性成分进行全面表征
查看原文2024
Food Chemistry: X
中科院一区JCR一区Adineh Aminianfar, Mohammad Hossein Fatemi & Fatemeh Azimi
食品标签
茶/茶饮料 特征风味 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
智能手机/其他 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 组学数据红茶是一种广受欢迎的非酒精饮料,以其独特的香气闻名,且因其复杂的成分受到了广泛关注。然而,伊朗红茶的化学组成仍在很大程度上未被探索。在这项研究中,首先采用顶空固相微萃取结合气相色谱-质谱联用(HS-SPME-GC-MS)技术,对来自伊朗北部四个地理区域主要产茶区的红茶样品进行了分析,以分离、鉴定和定量其挥发性有机化合物。随后,我们运用一种可靠的研究策略,首次将著名的多元曲线分辨率-交替最小二乘(MCR-ALS)方法作为解卷积技术,来分析红茶样品复杂的GC-MS峰簇。这种方法有效解决了严重的基线漂移、峰重叠和背景噪声等问题,能够识别出导致不同样品具有独特风味和口感的微量成分。MCR-ALS技术显著提高了光谱和洗脱图谱的分辨率,实现了对茶叶成分的定性和半定量分析。定性分析包括将解析出的峰图谱与理论光谱以及保留指数进行比较,而半定量分析则采用整体体积积分(OVI)方法对挥发性化合物进行分析,使峰面积与浓度之间的相关性更准确。在GC-MS分析中应用化学计量学工具后,四个红茶样品中已识别出的成分数量从54种增加到256种,且所有成分的浓度均超过0.1%。其中,32种挥发性化合物在每个红茶样品中都存在。烃类(包括烯烃、烷烃、环烷烃、单萜和倍半萜)、酯类和醇类是三大主要化学类别,占挥发性化合物总相对含量的78%。对四个不同地区的红茶进行分析后发现,它们不仅在挥发性成分上存在差异,在相对比例上也有所不同。这种综合方法全面揭示了伊朗红茶的挥发性化学组成,增进了对不同地理来源的伊朗红茶独特特性的了解,并为其品质提升奠定了基础。
-
基于量子点与金纳米颗粒的智能手机辅助比率型FRET适体传感器用于谷物中玉米赤霉烯酮的即时检测
查看原文2024
Food Control
中科院一区JCR一区Lianjun Song, Meijun Lu, Puye Liang, Tiange Li, Xianqing Huang, Yan Ma, Libin Wan & Tianlin Wang
食品标签
谷物/块根/豆与坚果类 食品安全与风险评估 包装与智能监测 化学污染物 光谱/色谱/质谱等分析方法计算机标签
定量预测/回归分析 可见光/RGB/视频数据本文构建了一种比率型荧光适配体传感器,用于玉米赤霉烯酮(ZEN)的检测,该传感器的作用机制基于荧光共振能量转移(FRET) 原理,以适配体修饰的碲化镉量子点(CdTe QDs)作为能量供体,金纳米颗粒(AuNPs)作为能量受体。在该体系中,碲化镉量子点的荧光会因金纳米颗粒的荧光共振能量转移作用而发生淬灭,同时以具有蓝色荧光的硅量子点(Si QDs)作为荧光参比。当体系中存在玉米赤霉烯酮时,适配体修饰的碲化镉量子点会与玉米赤霉烯酮发生特异性结合,致使能量供体与受体之间的距离增大,荧光共振能量转移过程随即被阻断,碲化镉量子点的荧光也随之恢复。实验结果显示,该适配体传感器对玉米赤霉烯酮的检测限低至 3.5 pg/mL,线性检测范围为 0.01~100 ng/mL。此外,研究人员将该传感器与智能手机相集成,搭建了一套便携式检测装置,用于玉米赤霉烯酮的即时检测(POCT),并取得了理想的检测效果。这一技术为谷物中玉米赤霉烯酮的可视化即时检测提供了极具前景的应用方向。