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
-
基于蛋白质含量的X射线荧光光谱法大豆分选
查看原文2023
Food Chemistry
中科院一区JCR一区Rachel Ferráz de Camargo, Tiago Rodrigues Tavares, Nicolas Gustavo da Cruz da Silva, Eduardo de Almeida & Hudson Wallace Pereira de Carvalho
食品标签
豆类与坚果(及籽类) 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
逻辑回归/贝叶斯 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据本研究旨在评估能量色散X射线荧光(XRF)传感器依据蛋白质含量对大豆进行分类的性能。研究假设:硫元素信号及其他X射线荧光光谱特征可作为替代指标,用于推算大豆蛋白质含量。本研究针对该应用场景,测试了可优化硫元素及其他特定发射谱线检测效果的样品制备方法与仪器参数设置。基于X射线荧光光谱数据和蛋白质含量实测值,构建了可将大豆划分为高蛋白和低蛋白类别的逻辑回归模型,并采用独立样本集对该模型进行验证。该方法在训练集和测试集上的整体分类准确率分别为0.83和0.81,对应的卡帕系数分别为0.66和0.61。各项数据表明该传感器具备良好的检测分类性能,也证实X射线荧光光谱特征可应用于大豆蛋白质含量的快速筛查。
-
利用多组学分析和机器学习揭示黄龙病影响柑橘品种中植物代谢与植物相关细菌的相互作用
查看原文2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Jingwen Li, Fred G. Gmitter, Boce Zhang, & Yu Wang
食品标签
新鲜水果 肠道健康与微生物相关功能 代谢组学 微生物组/宏基因组学 其他植物化学物质计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据黄龙病是全球柑橘产业中高度破坏性的病害,会造成显著经济损失且目前尚无有效治愈方法。然而,柑橘植物形成的微生物组可能作为病害拮抗因子,提高对黄龙病的耐受水平。本研究建立了不同柑橘品种非靶向代谢组学和微生物组学数据的整合分析框架,为理解黄龙病发展过程中植物代谢与植物相关细菌之间的相互作用提供了关键见解。研究采用机器学习模型在多种柑橘材料中筛选重要代谢物和细菌,并进一步分析所选代谢物,以识别植物中富集的关键通路并与所选细菌进行关联。结果表明,植物通路调控,尤其是 ABC 转运蛋白、泛醌及其他萜类-泛醌生物合成通路,可能影响微生物群落结构。这些发现提示,可通过调节柑橘植物中的细菌或培育耐受性柑橘品种,为黄龙病控制提供潜在解决方案。
-
一种基于近红外和中红外光谱结合的草药中微分挥发成分的新型同步定量方法
查看原文2023
Food Chemistry
中科院一区JCR一区Yao Fan, Xiuyun Bai, Hengye Chen, Xiaolong Yang, Jian Yang, Yuanbin She & Haiyan Fu
食品标签
食用花卉 特征风味 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 定量预测/回归分析 红外/拉曼光谱数据建立了一种基于气相色谱-质谱联用(GC–MS)、近红外(NIR)和中红外(MIR)光谱技术并结合化学计量学的新方法,可同时分析中药材样本的差异挥发性组分(DVCs)。本研究以杭白菊为代表性研究样本。通过引入自动数据分析工作流(AntDAS)及单类偏最小二乘判别分析(O-PLSDA)模型,高效筛选出5种萜类物质和5种醇类物质作为差异挥发性组分。利用筛选出的近红外-中红外特征光谱区间结合O-PLSDA模型,可实现杭白菊与亳菊的精准鉴别。此外,由于所选光谱区间与差异挥发性组分的结构及含量高度相关,将其结合基于粒子群优化的变量加权最小二乘支持向量机(PSO-VWLS-SVM)优化模型,还可用于差异挥发性组分的同步定量分析。该方法仅采用同一组近红外-中红外光谱区间即可完成多组分精准定量,具备操作简便、实用性强的突出优势。
-
利用人工智能和台式实验数据预测抗氧化剂协同作用
查看原文2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Lucas Ayres, Tomás Benavidez, Armelle Varillas, Jeb Linton, Daniel C. Whitehead, & Carlos D. Garcia
食品标签
过敏原与毒性问题 氧化、褐变等化学变化 脂质与脂肪酸计算机标签
深度学习 定量预测/回归分析 质构/流变/感官数据脂质氧化是含不饱和脂肪酸产品面临的重要问题,会生成带有不同官能团的低分子量物质并产生异味。为控制这一过程,产品中常加入抗氧化剂,且通常以两种或多种化合物组合使用,以在降低用量的同时提高配方整体抗氧化能力。尽管该策略有助于减少潜在感官和毒性影响,但预测抗氧化剂混合物的行为一直很困难,常出现加和、拮抗或协同效应。既有研究多依赖经验方法,效率较低且难以解释抗氧化反应的复杂性。为弥补这一空白,本研究使用基于深度学习架构的人工智能模型,预测抗氧化剂组合的相互作用类型(协同、加和和拮抗)。每种混合物对应一个组合指数(CI)并作为模型输入,在 140 个测试数据集上进行验证。尽管初步结果具有一定鼓舞性,该算法对内部开展的酚类二元抗氧化剂和猪油样品氧化实验预测并不准确。随后,研究用不同数量的实验数据(TBARS 测定的抗氧化能力数据)增强 AI 算法,证明化学相关实验数据对提高模型性能和获得具有统计意义的预测十分重要。该方法可作为基准分析流程的辅助工具,为更理性预测抗氧化剂混合物行为提供新策略。
-
基于UHPLC-HRMS数据的葡萄酒品种真实性鉴定化学计量学模型的严格评估
查看原文2023
Food Control
中科院一区JCR一区Leos Uttl, Kamila Bechynska, Mona Ehlers, Vaclav Kadlec, Klara Navratilova, Zbynek Dzuman, Carsten Fauhl-Hassek, & Jana Hajslova
食品标签
酒精饮料 品质、结构与理化性质 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/等级评定近年来,代谢指纹图谱技术结合先进化学计量学工具在葡萄酒真伪鉴别中的应用日益广泛。尽管已有大量文献报道了各类鉴别策略,但针对所建分类模型长期稳定性的研究却鲜少受到关注。本研究提出一种可靠且稳健的、基于代谢指纹图谱的多类别葡萄酒品种鉴别策略。实验采用超高效液相色谱 - 高分辨串联质谱联用技术(UHPLC-HR-MS/MS) 开展检测分析,共涉及两组商品葡萄酒样品:一组用于构建分类模型,包含 201 份样品,涵盖 5 个红葡萄品种与 5 个白葡萄品种;另一组用于验证模型的长期有效性,包含 138 份样品,涉及 3 个白葡萄品种。研究人员基于第一组样品的检测数据,构建了正交偏最小二乘判别分析(OPLS-DA)模型。经有效性验证后,利用所建模型进一步构建决策树,实现对葡萄酒样品的品种分类判别。结果显示,各 OPLS-DA 模型的单品鉴别准确率达 90%~100%;决策树模型对红葡萄酒与白葡萄酒的综合鉴别准确率分别为 94% 与 96%。针对白葡萄酒决策树模型,研究团队采用间隔 4 个月采集的第二组样品开展长期有效性验证。结果表明,该模型对新增样品的正确分类率达 87%,证实了 OPLS-DA 分类模型具备良好的长期稳定性。此外,本研究还初步鉴定出 25 种具有显著统计学意义的品种特征标志物,此类标志物多为黄酮类化合物、酚酸及其衍生物。