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
-
逆向设计与人工智能/深度生成网络在食品设计中的应用:全面综述
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区Mahmoud Al-Sarayreh, Mariza Gomes Reis, Alistair Carr & Marlon Martins dos Reis
食品标签
品质、结构与理化性质 营养与生物功能 感官科学与消费者研究计算机标签
深度学习 设计/生成与推荐 文本/知识库/法规数据背景:食品材料科学已经发展到通过将食品结构、感官、营养、食品加工和消化与消费者的影响联系起来,以支持食品产品的开发。然而,食品设计尚未发展到能够应对食品系统日益增长的复杂性。理解、吸引注意力并将消费者需求转化为最终产品的化学和物理属性,仍然是食品行业面临的最大挑战之一。因此,支持食品设计的新方法是必要的。
范围与方法:本综述描述了在食品设计中利用人工智能(AI)/深度生成网络的应用现状,包括可用资源、新兴能力及其与逆向设计概念的关系。
主要发现与结论:食品设计和配方涉及复杂的过程,在开发数据驱动方法时需要考虑许多设计参数。已确定的大多数方法基于成分之间的关联,但对功能特性的关注较少。数据表示仍然是一个真正的挑战,也是实现真正且可应用的数字食品设计概念的一个非常重要的研究缺口。总体上,基于深度学习和自然语言处理的方法使用最多。基于深度生成网络的方法很少被描述,仍然是一个关键的研究领域。 -
通过工业4.0维度为可持续食品包装创造新机遇:食物浪费视角的新见解
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区Abdo Hassoun, Fatma Boukid, Fatih Ozogul, Abderrahmane Aït-Kaddour, Jose Miguel Soriano, José M. Lorenzo, Rosa Perestrelo, Charis M. Galanakis, Gioacchino Bono, Abdelhakim Bouyahya, Zuhaib Bhat, Slim Smaoui, Anet Režek Jambrak & José S. Câmara
食品标签
新材料/包装与接触材料 包装与智能监测 可持续性与资源高值化 感官科学与消费者研究 过程控制与数字化 智能/指示型包装 其他可持续性主题计算机标签
机器学习/统计学习背景:不可生物降解的食品包装(主要是塑料)和食物浪费是两个主要问题,它们导致了严重的环境和经济挑战,以及潜在的人类健康和粮食安全风险。因此,人们正致力于转变食品生产和消费模式,并开发替代技术解决方案以缓解这些问题。
范围与方法:本综述旨在讨论食品包装、食物浪费和可持续性之间的相互作用。简要总结了食品包装中常用的一些策略。强调了纳米生物技术、智能传感器和其他第四次工业革命(工业4.0)创新的重要性,重点聚焦这些智能技术在催生新前景方面的作用,例如开发和智能包装系统。此外,还提供了关于消费者对新型包装材料/技术的接受度的见解,并得出结论。
主要发现与结论:基于工业4.0技术的多种创新食品包装解决方案正在开发中,改变了食品包装和消费的方式。确实,越来越多的证据表明,数字技术(特别是人工智能、大数据、区块链和3D打印)将对食品包装产生更大影响,即“包装4.0”意义上的影响。然而,仍需要更多的研究来充分利用先进技术的优势,使它们能够克服当前的障碍,实现更健康、更可持续的食品未来。 -
嗅觉传感器结合化学计量学分析测定储存小麦中的脂肪酸
查看原文2023
Food Control
中科院一区JCR一区Hui Jiang, Jihong Deng, & Quansheng Chen
食品标签
小麦 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
支持向量机 机器学习/统计学习 特征工程与选择策略 定量预测/回归分析 时序传感器/物联网数据脂肪酸含量是衡量小麦储藏品质的核心指标。本研究提出一种基于嗅觉传感器技术的储藏小麦脂肪酸定量检测方法。研究采用 12 种化学染料(卟啉类化合物)制备得到4×3 阵列式嗅觉传感器,用于采集储藏小麦的挥发性气味信息。通过 蜣螂优化算法(DBO) 筛选与小麦脂肪酸值高度相关的最优特征颜色变量组合,并构建基于支持向量回归(SVR)的小麦脂肪酸值检测模型。结果表明,蜣螂优化算法可有效筛选出与小麦脂肪酸值密切相关的特征颜色变量;基于该算法筛选的 11 个特征颜色变量所构建的支持向量回归检测模型性能最优,其预测均方根误差低至 3.0384 mg/100g,预测相关系数(R p)达 0.9413。
综上,本研究制备的嗅觉传感器在粮食储藏品质检测领域具有良好的应用前景。 -
基于深紫外光谱与机器学习的猪肌肉盐分效应评估与预测
查看原文2023
Meat Science
中科院一区JCR一区Said Abou El Karam, Maxime Ferrand, Thierry Astruc & Arno Germond
食品标签
畜肉 其他品质相关性质 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 支持向量机 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 红外/拉曼光谱数据 质构/流变/感官数据本研究旨在探讨深紫外光谱结合机器学习在评估和预测不同腌制处理对肉类盐分含量影响方面的潜力。以猪的大圆肌为模型,比较了经过滚揉处理的未腌制肌肉和腌制肌肉的光谱发射情况。研究中特意使用了从1.1%到1.9%、以0.2%为梯度的低腌制浓度,以探究该方法是否足够灵敏以检测和预测如此微小的变化。采用t分布随机邻域嵌入分析来可视化八种处理对样本的影响以及不同动物样本在低维空间中的分布情况。此外,构建了支持向量机模型来预测盐处理类型,考虑了五种盐处理浓度。该模型使用径向基函数核,进行了100次迭代。采用随机抽样,将75%的数据集用于训练,25%用于建立验证数据集。预测能力在所有迭代中取平均值,并显示在混淆矩阵中。使用高效液相色谱法测得的盐浓度为目标,通过500次迭代计算了偏最小二乘回归模型以预测盐浓度。本研究证明了紫外光谱分析和机器学习的潜力,可用于在低维空间中可视化加工方法和动物变异在分离猪肉样本中的相对贡献,并预测小范围盐分变化下的盐分种类和盐分浓度。由于本研究使用了NaCl的微小变化,我们的工作很好地补充了近期关于预测大范围盐分变化及其对肌肉结构影响的研究。未来,这些预测模型有望在工业环境中现场应用,以优化加工过程或加速肉类的质量评估。
-
推动蛋品产业迈向工业4.0的无损光学传感技术综述
查看原文2023
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区Md Wadud Ahmed, Sahir Junaid Hossainy, Alin Khaliduzzaman, Jason Lee Emmert & Mohammed Kamruzzaman
食品标签
蛋类及其制品 生产管理与数字化工厂 光谱/色谱/质谱等分析方法计算机标签
分类/鉴别/等级评定 缺陷/异物检测与定位 时序传感器/物联网数据鸡蛋被认为是膳食蛋白质的最佳来源之一,在人类生长发育中发挥着重要作用。随着世界人口的增长,人均鸡蛋消费量也在不断上升。突破性的技术发展催生了物联网(IoT)、各种光学传感器、机器人技术、人工智能(AI)、大数据和云计算等众多发明,将传统产业转变为智能化、可持续发展的蛋业,也被称为蛋业4.0(EI 4.0)。蛋业4.0理念有望提高自动化水平、加强生物安全、促进动物福利保护、提升智能分级和质量检测水平以及提高效率。为了实现可持续的4.0产业转型,分析现有技术、最新研究、存在的局限性和发展前景至关重要。本综述探讨了蛋业现有的非破坏性光学传感技术,提供了关于蛋业4.0各组成部分的信息和见解,包括用于鸡蛋生产、质量检测和分级的新兴蛋业4.0技术。此外,还对当前蛋业4.0技术的缺陷、潜在的解决方法以及未来趋势进行了批判性分析。本综述有助于政策制定者、实业家和学者更好地理解非破坏性技术与自动化的融合,这种融合有望提高生产力、改进质量控制并优化资源管理,从而推动蛋业的可持续发展。