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 393 条结果
-
利用基于数字图像的指纹和化学计量学,分层认证速溶咖啡的地理来源
查看原文2025
Food Chemistry
中科院一区JCR一区Dâmaris Naara Chaves Candeias, Karoline Mendes Silva, Lucas Passos Bezerra, David Douglas de Sousa Fernandes & Paulo Henrique Gonçalves Dias Diniz
食品标签
咖啡饮料 显微与成像技术计算机标签
机器学习/统计学习 偏最小二乘法 分类/鉴别/等级评定 可见光/RGB/视频数据本研究引入了一种新的两步分层框架,结合了基于数字图像的指纹和化学计量学,用于验证冻干速溶咖啡的地理来源。灰度、RGB和HSV色彩空间中的彩色直方图作为样本指纹,用于构建化学计量模型。利用HSV直方图、数据驱动的软独立类比建模(DD-SIMCA)和偏最小二乘判别分析(PLS单键DA)展示了最佳预测性能。这些模型分别在第一步和第二步准确分类了南巴伊亚和埃斯皮里图桑托的所有样本,并成功将它们与未申报来源的样本区分开来。这使得该测试集在类别建模和判别方法中均实现了100%的灵敏度、特异性和准确性。所提方法简单、经济且无损,提供了一个高效、环保且可靠的工具,用于现场验证速溶咖啡的真实性和地理来源。
-
基于G-四链体DNA酶的生物催化与智能电磁驱动微流控芯片联用技术用于四环素检测
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Li Wang, Wanwan Wang, Shumin Zhang, Jie Wei, Qingmin Chen, Tianhui Jiao, Anhui Lin, Quansheng Chen & Xiao-Mei Chen
食品标签
鱼肉 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 其他统计建模方法 其他特殊成分计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据本研究开发了一种智能电磁驱动微流控芯片,集成G-四链体DNA酶生物催化平台,用于四环素(TC)的快速灵敏检测。该传感系统通过荧光磁性碳点(M-CDs)的内滤效应和动态猝灭(激发/发射波长350/440 nm)实现TC信号响应,随后M-CDs-适配体上的G-四链体与血红素结合形成DNA酶,催化显色底物产生比色信号。微流控芯片通过编程控制磁性材料在功能槽中的穿梭,实现自动化检测。荧光法和比色法的检测限分别为11 μmol/L和43 μmol/L,罗非鱼样本的检测结果与高效液相色谱法一致。该平台为食品和环境中的痕量污染物检测提供了便携式智能解决方案。
-
数字图像处理结合机器学习:蜜蜂花粉分类的新方法
查看原文2025
Food Research International
中科院一区JCR一区Caroline Simão, José Elton de Melo Nascimento, Vagner de Alencar Arnaut de Toledo, Vanderlei Aparecido de Lima & Maria Lurdes Felsner
食品标签
其他新资源食材 品质、结构与理化性质 显微与成像技术计算机标签
机器学习/统计学习 分类/鉴别/等级评定 可见光/RGB/视频数据蜜蜂花粉的分类对于确保产品真实性、质量控制和防止欺诈至关重要,尤其是鉴于无刺蜂罐装花粉的高商业价值。尽管传统的花粉分析方法可用,但它们通常耗时且复杂。为应对这一挑战,本研究整合数字图像处理和机器学习,基于颜色模式高效分类由意大利蜜蜂生产的蜂粮和无刺蜂物种的罐装花粉。共收集了来自五种蜜蜂(意大利蜜蜂、缘边麦蜂、四带麦蜂、双斑盾齿蜂和棒腹四蜂)的246份蜂粮和罐装花粉样本,并使用智能手机拍摄高分辨率图像。分析了从图像中提取的R、B、H和V等颜色参数,并测试了采用CatBoost、XGBoost、随机森林和k近邻算法的分类模型。在这些模型中,CatBoost实现了最高性能,训练阶段准确率达100%,测试阶段达98.9%。线性判别分析进一步验证了分类结果,将花粉样本分为与研究蜜蜂物种相对应的五个不同簇。XGBoost和随机森林的测试准确率分别为77%和78%,kNN也达到78%。这些结果表明,数字图像处理与机器学习相结合为不同蜜蜂物种的花粉分类提供了一种有效方法,在养蜂业中具有确保产品质量和真实性的应用前景。
-
DPPH分子在可重复使用的智能聚合物中的共价固定及其在甜菜根抗氧化能力评估中的应用
查看原文2025
Food Chemistry
中科院一区JCR一区María Gaona-Ruiz, Alba Torija-López, Miriam Trigo-López, Ana Arnaiz Carlos Sedano Ana Rodríguez Jorge Lucas Vallejo-García Celia Carrillo & Saúl Vallejos
食品标签
新鲜蔬菜 抗氧化/抗炎等功能 光谱/色谱/质谱等分析方法 植物化学/生物活性成分计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据抗氧化剂被用作衡量食品功能潜力的标志物,因此对抗氧化剂进行准确量化对于评估生物活性及可能的健康益处至关重要。研究人员通过N-乙烯基吡咯烷酮、甲基丙烯酸甲酯与二苯胺功能化单体的本体聚合,再经固相反应引入2,2-二苯基-1-苦基肼(DPPH)功能基团,合成了一种包含DPPH基序的智能聚合物(FDPPH)。傅里叶变换红外光谱(FTIR)和热分析证实合成取得成功。FDPPH传感器呈现出与溶液中DPPH一致的比色响应,彰显了其可靠性。研究人员采用传统DPPH测定法和FDPPH法对23个甜菜样品进行了分析,其中FDPPH法是将聚合物圆盘浸入样品中,通过智能手机记录颜色变化。HSV色彩空间中的色调(H)参数显示出最高的相关性。使用甜菜样品进行校准比使用Trolox校准更准确。最佳响应时间为3小时,检测限(LOD)和定量限(LOQ)分别为0.063 mmol Trolox/L和0.191 mmol Trolox/L。
-
基于数字图像分析的马黛茶枝条含量质量评估
查看原文2025
Food Chemistry
中科院一区JCR一区Thyago Mellinger Silva, Sheila Catarina de Oliveira, Paulo Henrique Gonçalves Dias Diniz & Noemi Nagata
食品标签
其他果蔬制品/植物类 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据马黛茶是南美洲的一种重要作物,因其宜人的口感和较高的感官品质而备受珍视,这通常与较低的枝条含量有关。为了量化枝条含量并鉴定高品质样本(枝条含量低于30% m/m),研究采用了化学计量学辅助的基于颜色直方图的分析系统(CACHAS)。利用色调-饱和度-明度(HSV)直方图,偏最小二乘(PLS)模型表现出优异的预测性能,其预测均方根误差(RMSEP)为4.05% m/m,相关系数(rpred)为0.96,性能偏差比(RPD)为3.64,预测相对误差(REP)仅为10.79%。此外,在测试集中,数据驱动的类别类比软独立建模(DD-SIMCA)的灵敏度为100%,特异性为91.2%,总效率达96.4%。符合绿色化学原则,CACHAS成为一种高效、环保的马黛茶质量评估和鉴定工具。