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
-
使用便携式近红外光谱仪与化学计量学预测黑水虻幼虫粉中的蛋白质与脂质含量
查看原文2023
Food Control
中科院一区JCR一区J.P. Cruz-Tirado, Matheus Silva dos Santos Vieira, José Manuel Amigo, Raúl Siche, & Douglas Fernandes Barbin
食品标签
昆虫蛋白 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 脂质与脂肪酸计算机标签
偏最小二乘法 支持向量机 主成分分析/判别分析 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据黑水虻幼虫可将废弃物转化为优质蛋白质与脂质,契合循环经济发展要求。鉴于黑水虻幼虫从孵化至成熟阶段的生长周期较短(14 天~2 个月),昆虫养殖产业亟需建立高效快速的检测分析方法。本研究评估了两台便携式近红外光谱仪(光谱仪 1:900~1700 nm;光谱仪 2:1350~2562 nm)的检测性能,并结合偏最小二乘回归法(PLSR)与支持向量机回归法(SVMR),构建黑水虻幼虫粉中蛋白质与脂质含量(%)的预测模型。研究首先采用主成分分析(PCA)对光谱数据集进行降维与特征探索。模型性能结果显示,在蛋白质含量预测方面,基于两台光谱仪数据建立的 PLSR 模型与 SVMR 模型表现相近,残差预测值(RPD)均大于 2.5,预测均方根误差(RMSEP)均为 1.9%;而在脂质含量预测中,SVMR 模型的性能优于 PLSR 模型,其预测均方根误差为 3.51%,残差预测值达 4.32。此外,工作波段范围更宽的光谱仪 2,整体检测性能优于光谱仪 1。研究进一步引入变量筛选步骤,通过区间偏最小二乘法(iPLS)与遗传算法(GA)优化 PLSR 模型,显著提升了模型预测精度。综上,便携式近红外光谱仪结合化学计量学方法,可为昆虫养殖产业提供高效快速的检测分析技术支撑。
-
利用便携式近红外光谱仪监测天车加工过程中叶绿素变化
查看原文2023
Food Chemistry
中科院一区JCR一区LiHua Liu, Muhammd Zareef, Zhen Wang, Haoquan Li, Qunsheng Chen & Qin Ouyang
食品标签
茶/茶饮料 其他品质相关性质 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据碾茶(抹茶的原料)加工过程中叶绿素的监测,对判定抹茶的色泽与品质至关重要。本研究旨在探究碾茶加工过程中叶绿素的变化机理,并评估利用便携式近红外光谱仪预测叶绿素含量的可行性。首先采用多种预处理方法对碾茶样品的光谱数据进行预处理,随后分别运用迭代变量子集优化算法、自助软收缩算法以及竞争性自适应重加权采样算法,对偏最小二乘模型进行变量优化与模型构建。其中竞争性自适应重加权采样-偏最小二乘模型的预测精度最优,叶绿素a的预测相关系数为0.9204,叶绿素b为0.9282,总叶绿素为0.9385。研究结果表明,近红外光谱技术可替代传统方法,用于碾茶加工过程中叶绿素的快速定量检测与实时监测。
-
便携式近红外(NIR)光谱仪和化学计量仪器,用于快速识别黄油奶酪掺假
查看原文2023
Food Chemistry
中科院一区JCR一区Maria Lucimar da Silva Medeiros , Adriano Freitas Lima, Mônica Correia Gonçalves, Helena Teixeira Godoy & Douglas Fernandes Barbin
食品标签
奶酪 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据手工奶酪因其独特的感官特性在全球备受推崇,也因此容易被以廉价原料(如植物油)替代正宗原料进行掺假。本研究构建了一种基于便携式近红外光谱仪的检测方法,可作为无损、低成本的手段用于甄别黄油奶酪的掺假情况。研究数据集包含实验室制备的正品奶酪、人为掺假奶酪以及市售奶酪样品;经脂肪酸谱分析后,已将这些样品划分为正品样品和植物油掺假样品。偏最小二乘判别分析(PLS-DA)分类模型对掺假样品的识别准确率达94.44%;偏最小二乘(PLS)预测模型对掺假比例的预测效果优异(相对分析误差RPD>3.0)。研究结果表明,近红外光谱技术可有效识别黄油 换的掺假行为,所建立的模型也能对外部样品实现稳定且效果良好的掺假鉴别。
-
代谢组学与机器学习相结合,区分柔鬼无依岩茶的地理来源
查看原文2023
npj Science of Food
中科院一区JCR一区Yifei Peng, Chao Zheng, Shuang Guo, Fuquan Gao, Xiaxia Wang, Zhenghua Du, Feng Gao, Feng Su, Wenjing Zhang, Xueling Yu, Guoying Liu, Baoshun Liu, Chengjian Wu, Yun Sun, Zhenbiao Yang, Zhilong Hao & Xiaomin Yu
食品标签
茶/茶饮料 食品安全与风险评估 特征风味 光谱/色谱/质谱等分析方法 风味组学计算机标签
梯度提升决策树 智能手机/其他 分类/鉴别/等级评定 质构/流变/感官数据农产品的地理来源对其质量和市场价值贡献巨大。在此,我们开发了一种结合代谢组学和机器学习(ML)的稳健方法,用于鉴别优质乌龙茶——武夷岩茶的地理来源。使用气相色谱-飞行时间质谱分析了333个茶叶样品(174个来自核心产区,159个来自非核心产区)的挥发性成分,并测试了一系列ML算法。来自两个产区的武夷岩茶具有不同的香气特征。多层感知器(MLP)在使用176个挥发性特征时取得了最佳性能,在训练数据上的平均准确率达到92.7%。该模型用两个独立的测试集进行了基准测试,准确率超过90%。梯度提升(GB)算法在使用仅30个挥发性特征时获得了最佳准确率(89.6%)。所提出的方法在鉴别其他高价值农产品的地理来源方面具有广泛的应用前景。
-
机器学习介导的光致发光碳点条码阵列用于真实食品样品中桔青霉素及相关真菌毒素超灵敏检测
查看原文2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Maansi Aggarwal, Pranab Sahoo, Sriparna Saha, & Prolay Das
食品标签
小麦 玉米 食品安全与风险评估 过程监测与在线检测 显微与成像技术 常规理化指标测定 其他特殊成分计算机标签
梯度提升决策树 分类/鉴别/等级评定 可见光/RGB/视频数据 时序传感器/物联网数据利用少量化学试剂对食源性污染物进行经济可行的远程传感并实现同步自动化,需要将化学检测策略与人工智能深度整合。本研究报道了利用茜素红 S 和胱胺衍生碳点超灵敏检测桔青霉素及黄曲霉毒素 B1、赭曲霉毒素 A 等相关真菌毒素的方法,并与机器学习算法结合实现自动化。碳点在不同溶剂和 pH 条件下的光致发光响应被用于生成阵列通道,在真菌毒素存在时进一步调制;研究采集数字图像并进行像素化处理,形成条码。条码输入机器学习算法后,可处理复杂数据库;在测试的 8 种算法中,极端梯度提升(XGBoost)为最优模型。研究使用小麦、大米、鹰嘴豆、玉米、咖啡和牛奶加标样品评价模型,在真菌毒素浓度低至 10 pmol 时仍实现 100% 准确率。更重要的是,碳点阵列与 XGBoost 的协同作用还能检测真菌毒素共存情况,提示该方法可扩展用于食源性污染物智能检测。