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
-
利用定制的Android应用,利用基于二维码的红绿蓝分析进行微型片上电膜提取,用于环境和食品样品中的铜含量测定
查看原文2023
Food Chemistry
中科院一区JCR一区Farnaz Zaroudi, Behrooz Nasihatkon, Rayhaneh Hosseinzadeh, Ali Reza Fakhari & Shahram Seidi
食品标签
显微与成像技术 矿物质与微量元素计算机标签
主成分分析/判别分析 定量预测/回归分析 可见光/RGB/视频数据本文设计了一种基于二维码红绿蓝分析的微型片上电膜萃取装置,用于检测水体、食品及土壤中的铜元素。接收液滴以抗坏血酸为还原剂、浴铜灵为显色剂。样品中若含有铜,会生成黄橙色络合物。随后,依托图像分析原理开发的定制安卓应用程序,对干燥后的接收液滴进行定性与定量分析。该应用首次对检测数据开展主成分分析,将红、绿、蓝三维数据降维至一维。研究对有效萃取参数进行了优化,检出限与定量限均为0.1微克每毫升。批内相对标准偏差为2.0%~2.3%,批间相对标准偏差为3.1%~3.7%。校准曲线线性范围为0.1~25微克每毫升,决定系数R²=0.9814。
-
橄榄油与“Galega Vulgar”的地理区分
查看原文2023
Food Chemistry
中科院一区JCR一区Nuno Rodrigues, Fátima Peres, Susana Casal, Arantzazu Santamaría-Echart, Filomena Barreiro, António M. Peres & José Alberto Pereira
食品标签
植物油 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
偏最小二乘法 分类/鉴别/等级评定 红外/拉曼光谱数据本研究选取葡萄牙七个产区的橄榄油,探究地理产地对橄榄油成分的影响。研究评估了橄榄油的品质指标、脂肪酸、生育酚、羟基酪醇与酪醇衍生物以及氧化稳定性。所有受试橄榄油均符合特级初榨橄榄油等级标准,且地理产地对橄榄油的化学组成具有显著影响。主成分分析进一步证实,地理产地对橄榄油的成分及间接对其稳定性均存在显著作用,表明所检测的各项指标可作为橄榄油产地溯源的特征标志物。此外,研究采用傅里叶变换红外光谱技术,构建了线性判别模型,经内部验证,该模型对橄榄油地理产地的平均识别准确率达99±3%,进一步印证了产地对橄榄油理化特性的影响。该研究结果预示,红外光谱技术未来可作为一种绿色、高效且无损的橄榄油产地真伪鉴别手段。
-
基于机器学习与化学动力学辅助的白酒年龄鉴定:以浓香型白酒为例
查看原文2023
Food Research International
中科院一区JCR一区Qing-Ru Liu, Xiao-Juan Zhang, Lei Zheng, Lian-Jun Meng, Guang-Qian Liu, Ting Yang, Zhen-Ming Lu, Li-Juan Chai, Song-Tao Wang, Jin-Song Shi, Cai-Hong Shen & Zheng-Hong Xu
食品标签
酒精饮料 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法 风味组学 其他植物化学物质计算机标签
智能手机/其他 分类/鉴别/等级评定 质构/流变/感官数据陈年的中国白酒因其卓越的感官品质而备受推崇。然而,由于白酒的年龄鉴定方法和陈化机理阐述仍处于探索阶段,高品质陈年白酒常被低品质、陈化时间较短的产品通过欺诈性错误标签所替代。本研究采用气相色谱-质谱联用技术对正宗优质浓香型白酒进行了分析。结果表明,总酯含量随陈化而减少,而酸、醇、醛、酮、萜烯和吡嗪类物质含量增加。尽管部分化合物的浓度在陈化过程中呈现非单调性变化,但观察到白酒均匀度指数(0.55–0.59)与陈化时间之间存在密切的正线性相关性(R2 = 0.7012),表明陈年白酒的组成更加均衡。通过相应反应物和产物浓度计算得到的每个酯化反应的反应商(Qc)趋近于相应的热力学平衡常数Kc。这一结果表明,热力学驱动的自发转化部分解释了陈化过程中的组成变化。此外,基于三种模型结合五种排序算法,建立了与陈化相关的特征选择方法和年龄鉴定方法。最终筛选出41个关键特征,包括36种化合物浓度、4个酯化反应Qc值和均匀度指数。基于神经网络并使用这41个输入特征的年龄鉴定方法能够准确预测白酒样本的年龄组(F1 = 100%)。这些发现加深了对白酒陈化机理的理解,并为白酒及其他蒸馏酒的年龄鉴定提供了一种新颖、有效的方法。
-
用于丙烯酰胺比色监测的纳米金介导apta传感器:用于现场食品控制的智能手机读出策略
查看原文2023
Food Chemistry
中科院一区JCR一区Zahra Khoshbin, Marzieh Mohsenfard, Khalil Abnous & Seyed Mohammad Tahajhazi
食品标签
食品安全与风险评估 颜色与外观品质 化学污染物 显微与成像技术计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据将一种简易适配体传感器嵌入移液枪头内壁作为传感基底,实现丙烯酰胺的无标记检测。该适配体传感器依托DNA链形成三螺旋分子开关结构,可诱导金纳米颗粒在盐离子作用下发生聚集。研究采用基于智能手机成像读数的策略对丙烯酰胺进行定量分析。所构建的适配体传感器可通过移液枪头内溶液的颜色变化实现目标物裸眼可视化检测,具有创新性。该比色适配体传感器对丙烯酰胺的检测浓度范围为0.05~200纳摩尔每升,检出限低至0.038纳摩尔每升,且具备良好的选择性。该传感器可成功对薯片、咖啡及面包样品中的丙烯酰胺进行定量检测,加标回收率为92%~102%。本研究设计的适配体传感器为目标物的便携、现场、简易、实时检测提供了高效检测装置,在食品安全管控领域具备优异应用前景。
-
基于卷积神经网络的稳定同位素和矿物元素指纹在海南山茶油产地鉴别中的应用
查看原文2023
Food Control
中科院一区JCR一区Jiashun Fu, Junhao Wang, Zhe Chen, Zhuowen Deng, Hanggui Lai, Liangxiao Zhang, Yong-Huan Yun, & Chenghui Zhang
食品标签
植物油 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
偏最小二乘法 支持向量机 随机森林 卷积神经网络 分类/鉴别/等级评定油茶籽油是我国特有的高端木本食用植物油,其中海南产油茶籽油因品质独特、价值较高而备受认可。保障海南油茶籽油的产地真实性,对维护其市场声誉与质量安全至关重要。为此,本研究探究了稳定同位素与矿质元素在海南油茶籽油产地溯源中的应用潜力,采用稳定同位素质谱仪与电感耦合等离子体质谱仪,对油茶籽油中的 3 种稳定同位素及 21 种矿质元素进行检测分析。结果表明,不同产区油茶籽油的稳定同位素比值与矿质元素含量存在显著地域差异。本研究构建的卷积神经网络(CNN)模型,分类准确率优于正交偏最小二乘判别分析(OPLS-DA)、支持向量机(SVM)及随机森林等常用分类模型:该模型不仅能以 93.33% 的准确率区分海南产油茶籽油与其他主产区产品,还能以 98.57% 的准确率精准鉴别海南省境内不同产区的油茶籽油。综上,稳定同位素与矿质元素特征可作为鉴别油茶籽油产地的有效指标,本研究成果有助于填补我国油茶籽油产地溯源技术的空白。