01 / 01

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
新鲜水果

标签记录(计算机学者)

暂无筛选

共 236 条结果

  • 基于深度特征和主成分分析的果蔬新鲜度检测

    2024
    Current Research in Food Science
    中科院一区
    JCR一区
    查看原文

    Yue Yuan & Xianlong Chen

    食品标签

    新鲜水果 新鲜蔬菜 品质、结构与理化性质 显微与成像技术

    计算机标签

    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 可见光/RGB/视频数据

    果蔬新鲜度检测能够确保消费者获得口感良好、营养丰富的果蔬,提高饮食健康水平,并保障农业和食品行业提供高质量产品以满足消费者需求,同时增加销售额和市场份额。目前,果蔬新鲜度检测主要依靠人工观察和判断,存在主观性强、准确性低的问题,难以满足大规模、高效率、快速检测的需求。尽管有研究表明,可以基于人工提取的特征对果蔬新鲜度进行大规模检测,但人工提取的特征仍存在适应性差的问题,导致新鲜度检测效率低下。为解决这一问题,本文提出了一种新方法,即利用不同架构的预训练深度学习模型提取的深度特征,更客观、准确、高效地检测果蔬新鲜度。首先,将调整尺寸后的果蔬图像输入预训练深度学习模型进行深度特征提取。然后,对深度特征进行融合,并通过主成分分析将融合后的深度特征降维到具有代表性的低维特征空间。最后,采用三种机器学习方法对果蔬新鲜度进行检测。实验结果表明,将GoogLeNet、DenseNet-201和ResNeXt-101这三种架构的预训练深度学习模型提取的深度特征相结合,并进行PCA降维处理,果蔬新鲜度检测的最高准确率达到了96.98%。本研究得出结论,所提出的方法有望提高果蔬新鲜度检测的效率。

  • 基于近红外高光谱成像与几何影响校正的苹果早期碰伤三维可视化与检测

    2024
    Postharvest Biology and Technology
    中科院一区
    JCR一区
    查看原文

    Bin Li, Te Ma, Leshang Bai, Tetsuya Inagaki, Hayato Seki & Satoru Tsuchikawa

    食品标签

    新鲜水果 颜色与外观品质 显微与成像技术

    计算机标签

    主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 缺陷/异物检测与定位 高光谱/多光谱光谱 小规模数据集

    可见-近红外(Vis-NIR)光谱成像在水果缺陷自动检测方面具有巨大潜力。然而,由水果几何形状导致的亮度不均以及单向成像的局限性,极大地将当前检测范围限制在有限区域内。本研究提出了一种旋转测量系统,该系统将线扫描近红外高光谱成像(HSI)相机与激光轮廓仪相结合。共准备了72个苹果样本,这些样本的中心区域和边缘区域均有瘀伤。研究采用360°扫描方法,在瘀伤后的6小时内收集样本整个表面的高光谱成像数据和形状数据。通过进行高度和角度校正,消除了表面几何形状对高光谱成像数据的影响,从而提高了反射光谱的均匀性。采用两步主成分分析方法进行图像增强,随后使用全局分割和连通域选择的简单瘀伤检测技术。结果表明,瘀伤检测效果随时间整体有所提升。此外,校正显著提高了检测精度。瘀伤6小时后,校正后的数据达到了90.3%的分类准确率,中心瘀伤的识别率为83.3%,边缘瘀伤的识别率为61.1%,而未校正的数据分别为70.8%、58.3%和31.9%。因此,本研究成功检测出了苹果整个表面的早期瘀伤,并改进了对低强度边缘区域瘀伤的检测。所提出的方法有望为具有不规则几何形状的农产品的综合评估做出贡献。

  • 通过加权基因共表达网络分析共表达代谢物与感官属性以探索不同梨品种的风味贡献因子

    2024
    Food Chemistry: X
    中科院一区
    JCR一区
    查看原文

    Wenjun Zhang, Bo Bai, Hongxia Du, Qian Hao, Lulu Zhang, Zilei Chen, Jiangsheng Mao, Chao Zhu, Mengmeng Yan, Hongwei Qin & A.M. Abd El-Aty

    食品标签

    新鲜水果 特征风味 感官评价与方法学 光谱/色谱/质谱等分析方法 代谢组学 风味组学

    计算机标签

    智能手机/其他 特征工程与选择策略 分类/鉴别/等级评定 组学数据 质构/流变/感官数据 多模态/融合数据

    不同梨属品种的风味特征存在显著差异,但其潜在的风味影响因素仍不明确。在本研究中,采用了包括代谢组学分析、挥发性指纹分析和描述性感官分析在内的综合方法,旨在阐明南果梨、库尔勒香梨和秋月梨品种之间的风味差异,并找出潜在的风味贡献物质。该研究全面表征了非挥发性和挥发性代谢物的种类与浓度,共鉴定出925种代谢物。其中,黄酮类化合物和酯类化合物的累积响应分别最高。利用加权相关网络分析(WGCNA),鉴定出7个高度相关的模块,得到407种关键代谢物。通过对差异物质的进一步相关性分析,发现了与多种感官属性密切相关的潜在风味成分;味觉因素与嗅觉特征存在一定关联。我们的研究结果表明,风味的呈现是多种化合物协同作用的结果;评估嗅觉风味需要综合考虑味觉物质。

  • 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

    2024
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    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。

  • 使用近红外光谱结合广义学习系统和混合波长选择策略测定枇杷的可溶性固形物含量

    2024
    LWT
    中科院一区
    JCR一区
    查看原文

    Peng Li, Qingting Jin, Huaming Liu, Liguo Han, Chuanzong Li, & Yizhi Luo

    食品标签

    新鲜水果 品质、结构与理化性质 光谱/色谱/质谱等分析方法 碳水化合物与糖类

    计算机标签

    机器学习/统计学习 偏最小二乘法 支持向量机 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据

    可溶性固形物含量(SSC)是评估枇杷品质的重要指标。为了实现SSC的快速、无损和准确检测,本研究开发了近红外(NIR)光谱与广义学习系统(BLS)模型的结合方法。同时,探讨了六种光谱预处理方法和六种波长选择算法对SSC预测的影响,并将BLS模型的性能与广泛使用的偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型进行了比较。结果表明,结合标准正态变换(SG-SNV)的Savitzky-Golay平滑提供了最佳预处理方法,而混合方法,即区间变量迭代空间收缩分析和连续投影算法(iVISSA-SPA),成为最有效的波长选择方法。BLS模型优于PLSR和LS-SVM模型。具体而言,基于iVISSA-SPA方法的BLS模型实现了最佳的SSC预测结果,R²P = 0.8646,RMSEP = 0.5104,RPD = 2.7481。因此,近红外光谱结合BLS模型和混合波长选择策略能够快速、无损且准确地检测枇杷的SSC,为果实SSC预测提供了可行的替代方案。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号