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 276 条结果
-
深度机器学习利用多光谱成像识别鱼肉
查看原文2024
Current Research in Food Science
中科院一区JCR一区Zhuoran Xun, Xuemeng Wang, Hao Xue, Qingzheng Zhang, Wanqi Yang, Hua Zhang, Mingzhu Li, Shangang Jia, Jiangyong Qu & Xumin Wang
食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
支持向量机 随机森林 主成分分析/判别分析 卷积神经网络 特征工程与选择策略 分类/鉴别/等级评定 高光谱/多光谱光谱食品欺诈在水产食品市场中十分普遍,因此需要快速且无损的鱼肉鉴别方法。本研究结合基于线粒体COI基因的鉴定方法,采用多光谱成像(MSI)技术对中国烟台周边海域常见的20种可食用鱼类的肉片进行了筛选。研究发现,由多光谱成像数据转换得到的nCDA图像在这20种鱼类的肉片上显示出显著差异。随后,我们采用8种模型,基于保留法(将数据集按70%用于训练、30%用于测试)对它们的预测性能进行了比较。卷积神经网络(CNN)、二次判别分析(QDA)、支持向量机(SVM)和线性判别分析(LDA)模型在交叉验证和测试数据上表现良好。其中,CNN和QDA在测试集上的准确率达到了99%以上。通过提取CNN特征并进行优化,所有物种都实现了高度的分离。此外,基于随机森林(RF)中的基尼指数,我们筛选出11个波段作为CNN的关键分类特征,准确率达到了98%。本研究成功构建了一个将机器学习模型(尤其是CNN)应用于多光谱成像鱼肉鉴别的流程,并为未来鱼肉的市场销售鉴别提供了一种便捷、无损的方法。
-
基于机器学习的双通道CRISPR/Cas12a微滴无扩增核酸传感器在食品真伪检测中的应用
查看原文2024
ACS Nano
中科院一区JCR一区Zhiying Zhao, Roumeng Wang, Xinqi Yang, Jingyu Jia, Qiang Zhang, Shengying Ye, Shuli Man & Long Ma
食品标签
畜肉 禽肉 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法计算机标签
随机森林 分类/鉴别/等级评定 可见光/RGB/视频数据开发新型肉类物种真实性检测技术势在必行。我们在此研发了一个名为CC-drop(CRISPR/Cas12a数字化单分子微滴生物传感器)的机器学习支持双通道微滴生物传感平台,用于肉类物种真实性检测。该策略使我们能够快速识别和分析食品中的动物源性成分。该生物传感器基于CRISPR/Cas12a的荧光点亮检测技术,核酸信号可被Cas12a-crRNA二元复合物识别,从而扳机旁观者报告单链(ss)DNA的顺式切割,在此过程中核酸信号可被转化并放大为荧光读数。通过将反应体积从皮升级降至超局部化微滴反应器,我们构建了可容纳上述反应的检测体系,从而进一步提高灵敏度,甚至实现了无需扩增的核酸检测。此外,我们还开发了一款智能手机应用程序,结合基于面积、荧光强度和计数等参数的随机森林机器学习模型,以确保图像记录和处理的准确性,样本到结果的分析时间控制在80分钟以内。值得注意的是,该生物传感器能够精准检测深加工肉制品中通常存在DNA片段化的ND1(猪源性特异基因)和IL-2(鸭源性特异基因),平行对比实验显示其结果比传统实时聚合酶链式反应更稳定可靠。总体而言,该生物传感器有望在未来用于食品真伪鉴别及其他核酸快速检测领域。
-
利用高通量测序结合基于超高层色谱系(UHPLC-MS/MS)的非靶向代谢组学,解析冷藏猪肉的腐败特性
查看原文2024
Food Chemistry
中科院一区JCR一区Zhengkai Yi, Xingning Xiao, Wei Cai, Zhaoyang Ding, Jiele Ma, Wentao Lv, Hua Yang, Yingping Xiao, & Wen Wang
食品标签
畜肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
随机森林 分类/鉴别/等级评定 组学数据冷藏猪肉的变质过程会导致营养物质的流失以及腐败细菌产生腐败代谢产物,但这一过程中的微生物与代谢产物之间的相互作用尚不明确。本研究采用 16S rRNA 高通量测序和基于超高效液相色谱 - 串联质谱(UHPLC-MS/MS)的非靶向代谢组学方法,揭示了冷藏过程中猪肉的核心微生物群落和代谢产物谱。通过随机森林模型分析,筛选出了 45 个潜在的生物标志物。代谢途径分析表明,包括生物胺代谢、戊糖代谢、嘌呤代谢、嘧啶代谢、磷脂代谢和脂肪酸降解在内的 11 个途径可能是猪肉变质的潜在机制。相关性分析显示,9 种代谢物——组胺、酪胺、色胺、D-葡萄糖酸、UDP-葡萄糖、黄嘌呤、谷氨酰胺、磷脂酰胆碱和十六烷酸——是变质的生物标志物,其中假单胞菌、沙雷氏菌和光细菌发挥了重要作用。这项研究为冷藏猪肉在变质过程中微生物及代谢特征的变化提供了新的见解。
-
从周边渤海湾及黄土高原区分苹果:ICP-MS与UPLC–Q-TOF-MS元素及代谢物指纹的联合研究
查看原文2024
Food Chemistry
中科院一区JCR一区Jianyi Zhang, Ning Ma, Guofeng Xu, Lixue Kuang, & Youming Shen
食品标签
新鲜水果 食品安全与风险评估 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质计算机标签
随机森林 分类/鉴别/等级评定 组学数据 中等规模数据集苹果在中国是重要的水果,其鉴定有助于质量控制。然而,苹果来自周边渤海湾(BHB)和黄土高原(LP)两个主要产区苹果的区分尚未得到充分研究。本研究结合元素和代谢物指纹及数学识别技术,区分了BHB和LP苹果。2018-2019年间共采集了235个样品。通过仪器分析获得了苹果元素和代谢物的谱面。鉴定了BHB和LP苹果之间的差异元素和代谢物,并构建了线性和非线性判别模型。非线性模型在模型优化方面表现出更高的准确性和有效性。最终的随机森林(RF)模型由11个元素和51种代谢物构建,训练准确率为91.51%,验证准确率为98.57%。该研究区分了BHB和LP苹果,为苹果认证奠定了基础。
-
通过化学计量学和随机森林方法探索由酪蛋白水解物衍生的助眠肽的结构特征
查看原文2024
Food Chemistry
中科院一区JCR一区Jingjing Qian, Fengjie Yu, Leggy A. Arnold, Arjun Saha, Lin Zheng, & Mouming Zhao
食品标签
乳及乳制品 营养与生物功能 蛋白质与氨基酸计算机标签
随机森林 分类/鉴别/等级评定 组学数据牛奶中的酪蛋白被认为能够释放具有促进睡眠作用的肽类物质。尽管各种酪蛋白水解产物都表现出促进睡眠的作用,但其背后的机制仍不清楚。本研究首次通过蛋白质组学和多变量分析揭示了从分析的酪蛋白水解产物中提取出的潜在促进睡眠肽的结构特征。此外,还建立了一个随机森林模型和一个潜在的酪氨酸基肽库,并对这些肽进行了定量,以方便快速筛选。我们的研究结果表明,具有 4 - 10 个氨基酸的 YP-、YI/L 和 YQ 型肽对酪蛋白水解产物的更高促进睡眠活性贡献更大,这是由于它们关键的结构特征和丰富的数量所致。此外,还筛选出了三种新型强效的促进睡眠肽,即 YQKFPQY、YPFGPIPN 和 YIPIQY,并在体内验证了其活性。分子对接结果阐明了酪蛋白肽 N 端的 YP/I/L/Q 结构在与 GABAA 受体中的 His-102 和 Asn-60 形成关键氢键和π-烷基相互作用方面的重要性,从而实现激活作用。