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
-
智能手机集成比色和微流控纸质分析设备,用于微量检测除虫菊酯
查看原文2023
Food Chemistry
中科院一区JCR一区Sufian Rasheed, Muhammad Anwar ul Haq, Naseer Ahmad, Sirajuddin&Dilshad Hussain
食品标签
化学污染物 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 时序传感器/物联网数据氯菊酯是一种拟除虫菊酯类农药及驱虫剂,可在热带地区预防登革热、疟疾等蚊媒传染病。本文首次报道了一种基于甲硝唑稳定银纳米颗粒(MTZ-AgNPs)的新型比色传感器,用于快速、灵敏且选择性地检测氯菊酯。该基于MTZ-AgNPs的比色传感器检出限为0.0104微摩尔每升,定量限为0.0348微摩尔每升。将该传感器与智能手机及纸基微流控分析装置(µPADs)制备技术相结合,可实现氯菊酯的实时现场检测。在最优实验条件下,各类潜在环境污染物均不会干扰氯菊酯的检测,证实该传感器具有优异的选择性。最后,通过番茄和苹果实际提取样品验证了传感器的实际应用性能。美国环境保护署推荐的超高效液相色谱法(UPLC)对该新型比色传感器的检测效果进行了方法验证。超高效液相色谱法与MTZ-AgNPs传感器的加标回收率结果表明,该传感器可对实际样品中的氯菊酯进行定量分析。
-
威尼托产区受保护原产地葡萄酒的溯源:多元素、同位素及化学计量学分析
查看原文2023
Food Chemistry
中科院一区JCR一区Mattia Rapa, Marco Ferrante, Ilia Rodushkin, Cora Paulukat & Marcello Enrique Conti
食品标签
酒精饮料计算机标签
偏最小二乘法 支持向量机 随机森林 K-近邻 逻辑回归/贝叶斯 深度学习 分类/鉴别/等级评定原产地命名保护葡萄酒的溯源与真伪鉴别,是保障其生产与流通体系的重要课题。本文选取七款威尼托原产地命名保护葡萄酒开展研究,分别为阿玛罗尼、巴多利诺、库斯托扎、灰皮诺、雷乔托、苏瓦韦及瓦尔波利切拉。为此,研究采集威尼托大区219份葡萄酒样品,利用高分辨电感耦合等离子体质谱与多接收电感耦合等离子体质谱,测定63种元素及6种同位素比值并进行特征分析。化学计量学分析表明,砷、钙、铯、硼11同位素比值与锶87/锶88同位素比值是区分各类原产地命名保护葡萄酒最具判别价值的特征指标。研究验证了七种分类模型,包括线性判别分析、二次判别分析、k近邻算法、朴素贝叶斯、随机森林、人工神经网络及支持向量机,上述模型可对阿玛罗尼、巴多利诺、灰皮诺、雷乔托原产地命名保护葡萄酒实现精准分类。本文首次融合多元素、同位素检测与化学计量学分析方法,成功构建了适用于七款威尼托原产地命名保护葡萄酒的精细化溯源技术体系。
-
基于t检验排名的判别分析用于对放养和仓养肉鸡的分类,如下:1氢核磁共振谱
查看原文2023
Food Chemistry
中科院一区JCR一区Enya Silva de Oliveira, Luciano Morais Lião, Andressa Kuhnen Silva, Cristiano Sales Prado, Marcele Martins Sena & Gerlon de Almeida Ribeiro Oliveira
食品标签
禽肉 食品安全与风险评估 小动物实验计算机标签
偏最小二乘法 分类/鉴别/等级评定 中等规模数据集出于经济利益考量,密闭鸡舍集约化养鸡模式在全球占据主流。相比之下,散养鸡的养殖福利条件更优,因其独特的风味口感深受消费者青睐,市场售价也更高,因此散养鸡也成为市场造假的重灾区。本研究以108只散养肉鸡和笼舍集约化养殖肉鸡为研究对象,采集鸡胸肉样本,基于t检验排序法与偏最小二乘判别分析(PLS-DA)两种判别模型,对比分析两类鸡胸肉的核磁共振氢谱(¹H NMR)代谢图谱。两种模型在训练集和测试集中的分类准确率均达到100%,其中基于t检验筛选的单变量模型更为简便、稳定性更强。两类肉鸡在多项指标上存在差异,集约化笼养肉鸡的肌肽和鹅肌肽含量更低,游离氨基酸含量更高。本研究建立的单变量判别方法,依托分别归属于β-丙氨酸、肌肽+鹅肌肽的两组核磁共振信号比值即可实现区分。此外,该代谢图谱检测方法还可适配应用于其他检测平台。
-
基于LIBS的元素分析与近红外分子指纹识别的合作结合,增强了大豆酱地理来源的辨别能力
查看原文2023
Food Chemistry
中科院一区JCR一区Seongsoo Jeong, Daun Seol, Hyang Kim, Yonghoon Lee, Sang-Ho Nam, Jae-Min An & Haeil Chung
食品标签
豆类与坚果(及籽类) 过程控制与数字化 微生物与发酵实验 光谱/色谱/质谱等分析方法计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据将激光诱导击穿光谱(LIBS)与近红外(NIR)光谱技术相结合,可提升不同产地豆瓣酱样品的溯源鉴别能力。由于豆瓣酱的元素组成与有机组分构成受大豆种植区域及发酵工艺条件影响,采用两种互补的光谱特征信息能够产生协同鉴别效果。将激光诱导击穿光谱中碳元素峰面积与钙元素峰面积作为线性判别分析的输入变量时,鉴别准确率可达95.4%;若采用近红外光谱经主成分分析得到的主成分得分作为输入,鉴别准确率为92.1%。为进一步提升近红外光谱的鉴别效果,研究引入双迹二维相关分析技术识别微弱的光谱差异;利用双迹二维切片光谱的第一、第二主成分得分建模后,鉴别准确率提升至95.0%。将钙碳峰面积比值与样品第二主成分得分融合建模后,整体鉴别准确率进一步提升至99.6%。
-
双通道MIRECL便携设备,具阻抗效应耦合,智能手机与机器学习系统用于酪胺的识别与定量
查看原文2023
Food Chemistry
中科院一区JCR一区Zhiwei Lu, Jun Qin, Chun Wu, Jiajian Yin, Mengmeng Sun, Gehong Su, Xianxing Wang, Yanying Wang, Jiangshan Ye, Tao Liu, Hanbing Rao & Lin Feng
食品标签
其他肉与水产品 加工污染物计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据 时序传感器/物联网数据本文基于智能手机与深度学习辅助光学设备,设计了一种新型、便携式、可视化双电位分子印迹比率型电化学发光(MIRECL)传感器,用于酪胺(TYM)检测。采用原位电聚合法制备分子印迹聚合物-锡酸铈(MIP-Ce₂Sn₂O₇)复合薄膜,作为识别捕获及信号放大探针。锡酸铈中的氧空位不仅可提升电化学氧化还原性能,还能加速能量转移,进而增强阴极电化学发光强度。在最优实验条件下,MIP-Ce₂Sn₂O₇的阴极电化学发光信号与三联吡啶钌的阳极响应信号形成比率传感体系,线性范围为0.01微摩尔每升至1000微摩尔每升,检出限低至0.005微摩尔每升。值得注意的是,结合人工智能图像识别算法与智能手机光学信号读取原理,该构建的分子印迹比率型电化学发光传感器已成功应用于水产品样品中酪胺的便携式可视化检测,其实际应用性能得到了良好验证。