类目筛选（食品学者）
清除筛选
-
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）
清除筛选
-
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）
清除全部筛选
标签记录（计算机学者）
共 187 条结果
-
植物油中化学污染物的安全风险评估与早期预警
查看原文
2021
Food Control
中科院一区JCR一区
Bing Niu, Hui Zhang, Guangya Zhou, Shuwen Zhang, Yunfeng Yang, Xiaojun Deng, & Qin Chen
食品标签
植物油 化学污染物计算机标签
支持向量机 随机森林 深度学习 定量预测/回归分析 文本/知识库/法规数据食用植物油是人们日常饮食中的必需品，其安全问题受到政府与消费者的高度关注。近年来，食用植物油安全事件屡有报道，其中苯并芘、重金属及黄曲霉毒素 B₁等化学性危害物引发的食用植物油安全问题尤为突出。本研究通过膳食暴露评估与暴露限值（MOE）分析，构建风险评估模型，对食用植物油中苯并芘、黄曲霉毒素 B₁及重金属的健康风险进行评估。在此基础上，结合层次分析法（AHP）与反向传播神经网络（BP 神经网络），建立食用植物油安全风险预警模型。该风险预警模型依据国家相关标准及抽样检测数据，确定了八项食用植物油质量安全评价指标，并采用 熵权 - 层次分析法（EW-AHP） 对植物油的化学性污染风险值进行量化计算。研究将八项评价指标数据作为模型输入变量，以综合风险值作为输出变量，开展模型训练工作；同时选取支持向量机（SVM）、随机森林（RF）、径向基函数神经网络（RBF）及反向传播神经网络（BP）四种算法分别构建模型，并对模型性能进行对比分析。研究将食用植物油化学性危害物的日常抽样检测数据，转化为具体的化学性危害风险等级，最终实现对食用植物油中化学性危害风险等级的预测。本研究为食用植物油安全监管工作提供了针对性的参考建议，以期提升监管效率，保障食用植物油的消费安全。
-
大米供应链中重金属镉的深度网络预测模型
查看原文
2021
Journal of Future Foods
中科院一区JCR一区
Xuebo Jin, Jiashuai Zhang, Xiaoyi Wang, Xin Zhang, Tianyang Guo, Ce Shi, Tingli Su, Jianlei Kong & Yuting Bai
食品标签
大米 化学污染物计算机标签
循环神经网络 定量预测/回归分析镉及其化合物目前被列为一类致癌物，人体过量摄入会遭受严重健康损害。水稻对镉具有较强的富集吸收能力，镉含量超标的稻米制品已引发多起重大公共卫生污染事件。预判稻米供应链中镉污染风险的发展趋势，以此制定防控措施降低危害，具有重要现实意义。本文基于正则化方法，构建稻米供应链镉污染风险深度预测模型。首先，采用长短期记忆网络结合正则化方法搭建深度预测模型，引入噪声惩罚项，减弱模型对噪声数据的拟合程度，避免噪声引发过拟合问题；随后采用贝叶斯优化算法对模型超参数进行调优，提升模型预测性能。在此基础上，依托本文所提深度预测模型，采用面向服务架构搭建稻米供应链镉污染风险预警系统，系统分为数据资源层、业务逻辑层与应用服务层三层结构。经稻米供应链镉污染实测数据集验证，本文所构建模型预测效果良好，数据拟合度优异。
-
近红外高光谱成像用于根据脱氧雪腐镰刀菌烯醇水平对小麦单粒进行分选的标准化
查看原文
2021
Food Research International
中科院一区JCR一区
Antoni Femenias, Maria Belén Bainotti, Ferran Gatius, Antonio J. Ramos, & Sonia Marín
食品标签
小麦 化学污染物 过敏原与毒性问题 显微与成像技术 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
K-近邻 主成分分析/判别分析 逻辑回归/贝叶斯 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱近红外高光谱成像（HSI-NIR）的空间识别特性使其在单粒小麦中管理赤霉病菌和脱氧雪腐镰刀菌烯醇（DON）方面具有潜在适用性，可以突破批次小麦污染的异质性，朝向单粒排序，并提供比湿化学技术更快速、环保和无损的分析。本研究的目的在于标准化HSI-NIR用于单粒分析赤霉病损伤和DON存在情况，以预测污染水平并根据欧盟最大限量（1250 µg/kg）对谷物进行分类。赤霉病感染症状的目视检查和用于DON测定的高效液相色谱（HPLC）分析被用作参考方法。对小麦谷粒进行了褶皱朝上和褶皱朝下位置的扫描，并进行不同图像采集。光谱经过乘法散射校正（MSC）和标准正态变换（SNV）、一阶和二阶导数以及归一化处理，也通过去除光谱尾部进行评估。最佳拟合预测模型是在SNV预处理数据上（R² 0.88，RMSECV 4.8 mg/kg），使用了7个特征波长。线性判别分析（LDA）、朴素贝叶斯和K近邻模型能够根据症状学以100%的准确率对一阶导数和SNV预处理的光谱进行分类，并且对一阶导数和SNV光谱的正确率分别为98.9%和98.4%。初步结果为未来在单个小麦籽粒中应用HSI-NIR技术进行镰刀菌及DON管理，以克服其污染异质性提供了鼓舞人心的依据。
-
利用时域核磁共振与化学计量学检测生鲜牛奶中的甲醛
查看原文
2020
Food Control
中科院一区JCR一区
Pablo T. Coimbra, Celso F. Bathazar, Jonas T. Guimarães, Nathalia M. Coutinho, Tatiana C. Pimentel, Roberto P.C. Neto, Erick A. Esmerino, Mônica Q. Freitas, Marcia C. Silva, Maria I.B. Tavares & Adriano G. Cruz
食品标签
液态乳 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析本研究旨在评估 时域核磁共振（TD‑NMR） 结合化学计量学方法（主成分分析、偏最小二乘回归、类比软独立建模，即 PCA、PLS、SIMCA），测定牛乳样品中甲醛含量（体积分数 1.75%～21%）的有效性，并与官方比色法进行对比。实验在冷藏储存的不同时间点（0 小时与 48 小时）开展检测分析。与对照组相比，甲醛浓度升高（17.5%、21%）时，样品白度指数由对照组的 77.8～78.7 降至 65.3～72.8，亮度值由对照组的 85.2～90.3 降至 70.5～85.3，黄度指数则由对照组的 27.40～29.92 升至 36.31～38.73。时域核磁共振检测结果显示，冷藏储存过程中样品出现T 2,1、T 2,2两个弛豫组分，整体横向弛豫时间T 2值升高。PCA 与 PLS 构建的模型拟合效果良好，SIMCA 则可依据掺伪水平对样品进行判别，且判别指数与预测指数均表现优良。综上，时域核磁共振可作为乳品工业中原料乳甲醛含量快速检测的有效手段，具备实际应用价值。
-
利用表面增强拉曼光谱快速检测和预测动物饲料中的氯四环素和氧四环素
查看原文
2020
Food Control
中科院一区JCR一区
Kyung-Min Lee, Danielle Yarbrough, Mena Medhat Kozman, Timothy J. Herrman, Jinhyuk Park, Rui Wang & Dmitry Kurouski
食品标签
其他复合食品 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 K-近邻 主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据本研究对表面增强拉曼光谱（SERS） 进行考察，探究采用该技术建立一种快速、无损、可靠的光谱方法，用于定性与定量分析动物饲料中金霉素（CTC）和土霉素（OTC） 的可行性。实验样品采用无四环素类添加的动物饲料，经不同浓度梯度加标制备。在包含特征峰的多个拉曼位移区间内，不同浓度的金霉素、土霉素组间的光谱差异与拉曼强度变化可被清晰观测，且差异特征与四环素种类相关。k 近邻（KNN） 与线性判别分析（LDA） 模型取得优异的正确判别率，加标样品仅出现零次或一次假阴性误判。用于分类的化学计量模型中，前两个典型变量可解释 SERS 光谱中超过 95% 的变异信息。在针对金霉素、土霉素含量预测所构建的模型里，用于金霉素定量的多元线性回归（MLR） 和偏最小二乘回归（PLSR） 模型表现出极佳的性能与预测能力：决定系数（r2）＞0.94，预测误差较低（＜10.0 mg/kg），线性回归斜率理想（接近 1.0）。土霉素定量的 MLR 与 PLSR 模型预测能力与拟合效果略低。本研究结果表明，SERS 可作为现有标准化学方法的替代或补充检测技术，在灵敏度与准确度满足要求的前提下，实现动物饲料中特定四环素类药物的快速检测，可作为优良的筛查体系，用于四环素污染饲料样品的实时监测。
