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
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 结合集成对接、分子描述符、指纹和机器学习揭示 T1R1 与 T2R14 受体保守位点及识别机制

    2023
    Journal of Agricultural and Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Zhiyong Cui, Ninglong Zhang, Tianxing Zhou, Xueke Zhou, Hengli Meng, Yanyang Yu, Zhiwei Zhang, Yin Zhang, Wenli Wang, & Yuan Liu

    食品标签

    复合/即食/餐饮食品 特征风味 营养与生物功能 蛋白质与氨基酸

    计算机标签

    随机森林 梯度提升决策树 定量预测/回归分析 合成/仿真数据为主 中等规模数据集

    呈味肽是富含蛋白质食品的重要组成部分,可提升食品营养和味觉属性。其中鲜味肽和苦味肽已有大量报道,但其呈味机制仍不清楚,同时呈味肽识别仍耗时且成本高。本研究从 TPDB 收集 489 条具有鲜味或苦味的肽,用于训练基于对接分析、分子描述符和分子指纹的分类模型。研究基于线性回归、随机森林、高斯朴素贝叶斯、梯度提升树和随机梯度下降五种学习算法,以及四种分子表征方案,构建共识模型 TPDM。模型解释分析显示,分子描述符 VSA_EState、MinEstateIndex、MolLogP 以及分子指纹 598、322、952 对鲜味/苦味预测影响最大。基于共识对接结果,研究获得鲜味和苦味受体 T1Rs/T2Rs 的关键识别模式:T1R1 中 107S-109S、148S-154T、247F-249A 等残基主要形成氢键接触,T1R1 的 153A-158L、163L、181Q、218D、247F-249A 以及 T2R14 的 56D、106P、107V、152V-156F、173K-180F 构成氢键口袋。该模型可用于加速呈味肽识别和受体机制研究。

  • 代谢组学和化学计量学描绘了白羽扇豆(Lupinus albus L.)生物活性代谢物在种子发芽过程中化学特征的变化

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Safa M. Shams Eldin, Eman Shawky, Doaa A. Ghareeb, Samah M. El Sohafy & Shaimaa M. Sallam

    食品标签

    豆类与坚果(及籽类) 营养与生物功能 光谱/色谱/质谱等分析方法 代谢组学

    计算机标签

    偏最小二乘法

    本研究采用超高效液相色谱-三重四极杆质谱联用技术结合化学计量学方法,探究白羽扇豆种子在不同萌发天数过程中化学及生物特征的变化规律。脱落酸在未萌发种子中含量达到峰值,随着种子萌发其含量开始下降;而赤霉素在未萌发种子中无法检出,萌发过程中含量逐渐升高。香豆酮色原酮类物质是未萌发种子中检出的主要成分,萌发第2天的芽苗中黄酮类物质则大量积累。生物碱含量在种子萌发后显著上升,并在萌发第14天的芽苗中达到最高值。正交偏最小二乘回归模型系数图分析表明,白羽扇豆素D、白羽扇豆素F、芹菜素己糖苷、山奈酚己糖苷、白羽扇豆碱及羟基羽扇豆碱与受试样品的α-淀粉酶抑制活性呈强正相关;而白羽扇豆素A、白羽扇豆异黄酮、白羽扇豆酸及多花羽扇豆碱与α-葡萄糖苷酶抑制活性呈正相关。研究结果表明,种子萌发对白羽扇豆种子的化学组分特征及其体外降糖活性均具有显著影响。

  • 液相色谱-高分辨质谱联用技术用于坚果分类与标志物鉴定

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Guillem Campmajó, Javier Saurina, & Oscar Núñez

    食品标签

    豆类与坚果(及籽类) 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他植物化学物质

    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 组学数据

    坚果籽类制品掺假行为不仅构成经济欺诈,其含有的过敏原还会对人体健康造成威胁。本研究基于非靶向液相色谱 - 高分辨质谱联用技术(LC-HRMS),对 10 种不同品类坚果的代谢组学多样性展开全面分析。研究首先对 LC-HRMS 指纹图谱数据进行偏最小二乘判别分析(PLS-DA),所构建的多类别判别模型经外部验证后,分类准确率达到 100%。随后,通过构建一对一偏最小二乘判别分析模型(即单一坚果品类与其他所有品类样品两两比对),依据模型输出的变量投影重要性(VIP)值,筛选出 136 种判别性化合物,并结合高分辨质谱数据对其进行初步定性与鉴定。最后,本研究以实际案例验证技术可行性:选取部分筛选得到的特征标志物,结合偏最小二乘(PLS)回归法,通过靶向 LC-HRMS 分析,成功实现对杏仁基制品掺假(掺杂榛子或花生)的定性检测与定量分析。综上,基于本研究筛选得到的特征标志物,未来可进一步开发成本更低的检测技术,构建新型坚果籽类制品成分表征与掺假鉴别方法。

  • 便携式可见-近红外高光谱成像与Snapscan短波红外高光谱成像在肉类真实性评估中的比较

    2023
    Food Chemistry: X
    中科院一区
    JCR一区
    查看原文

    Abolfazl Dashti, Judith Müller-Maatsch, Emma Roetgerink, Michiel Wijtten, Yannick Weesepeol, Hadi Parastar & Hassan Yazdanpanah

    食品标签

    畜肉 食品安全与风险评估 显微与成像技术 光谱/色谱/质谱等分析方法

    计算机标签

    支持向量机 其他深度学习结构 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱

    评估了可见-近红外高光谱成像(Vis-NIR-HSI,400-1000 nm)和短波红外高光谱成像(SWIR-HSI,1116-1670 nm)结合不同分类和回归(线性和非线性)多元方法在肉类真实性鉴别中的性能。在Vis-NIR-HSI中,SVM和ANN-BPN(最佳分类模型)预测集的总准确率分别为96%和94%,超过了SWIR-HSI的88%和89%。在Vis-NIR-HSI中,猪肉掺入牛肉、羊肉和鸡肉的预测集最佳决定系数((mathbb{R}_0^2))分别为0.99、0.88和0.99,预测均方根误差(RMSEP)分别为9%、24%和4%(w/w)。在SWIR-HSI中,最佳(mathbb{R}_0^2)分别为0.86、0.77和0.89,RMSEP分别为16%、23%和15%(w/w)。结果证实,Vis-NIR-HSI结合多元数据分析比SWIR-HSI具有更好的性能。

  • 将联邦学习应用于打击食品供应链中的食品欺诈

    2023
    npj Science of Food
    中科院一区
    JCR一区
    查看原文

    Anand Gavai, Yamine Bouzembrak, Wenjuan Mu, Frank Martin, Rajaram Kaliyaperumal, Johan van Soest, Ananya Choudhury, Jaap Heringa, Andre Dekker & Hans J. P. Marvin

    食品标签

    食品安全与风险评估

    计算机标签

    逻辑回归/贝叶斯 智能手机/其他 定量预测/回归分析 质构/流变/感官数据

    由于食品供应链的复杂性及其对包括食品欺诈在内的许多内外因素的脆弱性,确保安全健康的食品是一项重大挑战。最近的研究表明,基于人工智能(AI)的算法,特别是数据驱动的贝叶斯网络(BN)模型,非常适合作为预测未来食品欺诈的工具,从而使食品生产者能够采取适当行动以避免此类问题的发生。当能够使用供应链中所有参与者的数据时,此类模型变得更加强大,但数据共享受到不同利益、数据安全和数据隐私的阻碍。联邦学习(FL)可以规避这些问题,正如在生命科学的多个领域所展示的那样。在本研究中,我们利用数据驱动的BN展示了FL技术在食品欺诈方面的潜力,整合了不同数据所有者的数据,而数据无需离开数据所有者的数据库。为此,我们构建了一个由三个地理上不同的数据站组成的框架,这些数据站承载着不同的食品欺诈数据集。使用该框架,实现了一个BN算法,该算法在不同数据站的数据上进行训练,同时数据保留在其物理位置,遵守隐私原则。我们证明了联邦BN在食品欺诈中的适用性,并预期这种框架可以支持食品供应链中的利益相关者更好地做出关于食品欺诈控制的决策,同时仍能保持这些数据的隐私和保密性。

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