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
-
基于大数据和机器学习的大中华区食品安全公众舆论分析
查看原文2023
Current Research in Food Science
中科院一区JCR一区Haoyang Zhang, Dachuan Zhang, Zhisheng Wei, Yan Li, Shaji Wu, Zhiheng Mao, Chunmeng He, Haorui Ma, Xin Zeng, Xiaoling Xie, Xingran Kou & Bingwen Zhang
食品标签
食品安全与风险评估计算机标签
机器学习/统计学习 分类/鉴别/等级评定 知识抽取与语义理解 文本/知识库/法规数据互联网上包含大量关于食品安全的公众意见,其中包括对食品掺假、食源性疾病、农业污染、食品流通不规范以及食品生产问题的看法。为了系统地收集和分析大中华地区的食品安全公众意见,我们开发了IFoodCloud,该平台能自动从3100多个公共来源收集数据。同时,我们结合IFoodCloud,利用多种基于词典和基于机器学习的算法构建了情感分类模型,为理解公众对特定食品安全事件的情感提供了前所未有的快速方法。我们最优模型的F1分数达到0.9737,这表明其具有出色的预测能力和稳健性。借助IFoodCloud,我们分析了大中华地区公众对食品安全的情感以及2019年冠状病毒病疫情初期公众意见的变化趋势,展示了大数据和机器学习在促进风险沟通与决策方面的潜力。
-
基于机器学习虚拟筛选发现昆虫几丁质降解酶多靶点抑制剂
查看原文2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Yi Ding, Sizhe Chen, Huan Liu, Tian Liu, & Qing Yang
食品标签
玉米 咖啡饮料 化学污染物 营养与生物功能 转录组学 其他特殊成分计算机标签
机器学习/统计学习 设计/生成与推荐 组学数据 合成/仿真数据为主昆虫几丁质降解酶的多靶点抑制剂是绿色杀虫剂的重要候选来源。机器学习作为新兴虚拟筛选方法,可加速候选化合物发现并降低成本。本研究利用前期高通量筛选数据,建立整合机器学习和分子对接的筛选策略,从 17600 个天然产物组成的大型化合物库中筛选亚洲玉米螟四种几丁质降解酶 OfChtI、OfChtII、OfChi-h 和 OfHex1 的新型多靶点抑制剂。研究识别出 3,5-二-O-咖啡酰奎宁酸和 γ-倒捻子素,它们均可抑制上述四种酶,Ki 值达到微摩尔水平,并对鳞翅目害虫表现出显著生物活性。对化合物处理昆虫的转录组分析进一步提示,这些化合物与几丁质降解酶之间存在生理关联。该研究展示了机器学习在杀虫剂发现中的潜力,并为昆虫几丁质降解酶多靶点抑制剂提供了新型、低成本的先导骨架。
-
基于高光谱成像的灵芝子实体多糖含量预测
查看原文2023
Analytical Methods
中科院一区JCR一区Yu Liu, Yongbing Long, Houcheng Liu, Yubin Lan, Teng Long, Run Kuang, Yifan Wang & Jing Zhao
食品标签
食用菌菇 品质、结构与理化性质 显微与成像技术 光谱/色谱/质谱等分析方法 碳水化合物与糖类计算机标签
偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱灵芝是一种传统的健康食品,具有多种营养成分,其中多糖是其主要的活性成分之一。灵芝多糖在提高人体免疫力和抗氧化方面发挥着重要作用。目前,灵芝多糖含量的检测方法多为破坏性方法,步骤复杂且耗时。本研究旨在探索使用高光谱成像技术在灵芝生长过程中无损预测多糖含量的可能性。采用Savitzky-Golay和标准正态变量变换进行预处理,结合连续投影算法进行特征选择,建立的偏最小二乘回归模型表现出良好的预测性能(Rp2 = 0.924,RPDp = 3.622)。研究表明,高光谱成像技术可以快速、无损地检测灵芝多糖含量,为灵芝种植产业提供指导,并提高其经济效益。
-
基于智能手机的现场检测牛奶中的双氧水,使用便携式比例荧光探头
查看原文2023
Food Chemistry
中科院一区JCR一区Zhongyong Xu, Conghui Zeng, Yutian Zhao, Mei Zhou, Taoyuze Lv, Chao Song, Tianyi Qin, Lei Wang, Bin Liu & Xiaojun Peng
食品标签
液态乳 化学污染物计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据过氧化氢(H₂O₂)的现场检测对保障食品安全具有重要意义,人体摄入过氧化氢后会引发严重的病理反应。然而,目前已报道的大多数荧光探针均需借助荧光分光光度计,才能获得可读的信号输出与可靠的检测结果,这也使得过氧化氢的荧光检测仅能在标准实验室环境中开展。本文提出一种新型超分子策略,可将过氧化氢传统的开关型荧光响应成功转变为比率型荧光响应;该策略搭配基于智能手机的3D打印微型检测系统,即可实现过氧化氢的现场检测。与标准检测方法相比,该检测方法灵敏度达标、抗干扰能力优异且检测准确度理想。更为重要的是,这种便携式比率检测方法仅需简易检测设备,便可实现市售牛奶样品中过氧化氢残留量的检测。
-
利用E鼻、E舌和比色计,基于整条鱼冷冻储存过程中分析的生化指标,预测马鲭鱼(Trachurus japonicus)的鲜度
查看原文2023
Food Chemistry
中科院一区JCR一区Hongyue Li, Yang Wang, Jiaxin Zhang, Xuepeng Li, Jinxiang Wang, Shumin Yi, Wenhui Zhu, Yongxia Xu & Jianrong Li
食品标签
鱼肉 冷藏与冷冻保藏 品质、结构与理化性质 理化与结构表征 风味组学 蛋白质与氨基酸 脂质与脂肪酸计算机标签
支持向量机 随机森林 梯度提升决策树 其他深度学习结构 定量预测/回归分析 时序传感器/物联网数据 多模态/融合数据电子鼻、电子舌与色差仪结合数据融合策略及多种机器学习算法(人工神经网络、极端梯度提升、随机森林回归、支持向量回归),对90天冷冻贮藏期间日本竹荚鱼的新鲜度开展定量评价与预测研究。结果表明:电子鼻、电子舌和色差仪的融合数据相较于单一设备检测数据可包含更多有效信息,总方差贡献率达94.734%。人工神经网络、随机森林回归、极端梯度提升在生化指标预测中表现优异,测试集决定系数分别不低于0.929、0.936、0.888;而支持向量回归模型预测效果较差,测试集决定系数均不超过0.835。此外,在构建的各类定量模型中:随机森林回归模型对新鲜度指标K值的预测效果最优,测试集决定系数为0.936;人工神经网络模型对蛋白质氧化程度羰基含量的拟合度最高,测试集决定系数为0.978;极端梯度提升模型对脂质氧化程度硫代巴比妥酸值预测性能最佳,测试集决定系数为0.994;随机森林回归模型对蛋白质变性程度钙离子-腺苷三磷酸酶活性的预测效果最好,测试集决定系数为0.969。研究结果证实,融合电子传感器信号可有效实现冷冻鱼类新鲜度的精准评价与预测。