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
-
基于酒精/盐基水相两相系统结合化学计量学分析区分绿茶的采摘季节
查看原文2023
Food Research International
中科院一区JCR一区Xiao-Hua Zhang, Hui-Na Cui, Jing-Jing Zheng, Xiang-Dong Qing, Kai-Long Yang, Ya-Qian Zhang, Lu-Meng Ren, Le-Yuan Pan & Xiao-Li Yin
食品标签
茶/茶饮料 品质、结构与理化性质 食品安全与风险评估 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据 中等规模数据集绿茶的风味和香气品质与采摘季节密切相关。本研究旨在通过酒精/盐基水相两相系统结合化学计量学分析来区分绿茶的采摘季节。本文通过单因素实验和响应面法优化,设计并筛选了最优的水相两相系统。本研究共分析了180个绿茶样本,包括86个春茶和94个秋茶。使用最优的乙醇/(NH4)2SO4水相两相系统提取绿茶样本中的活性成分后,基于高效液相色谱-二极管阵列检测器结合交替三线性分解辅助多元曲线分辨算法实现了定性和定量分析,加标回收率令人满意(86.00 %–112.45 %)。将ATLD-MCR模型得到的定量结果进行化学计量学模式识别分析。所构建的偏最小二乘判别分析和正交偏最小二乘判别分析模型的结果优于主成分分析模型,其R2Xcum值(>0.835)和R2Ycum值(>0.937)接近1,Qcum2值大于0.75(>0.933),且R2Ycum与Qcum2的差值不超过0.2,表明模型具有出色的交叉验证预测性能。此外,基于层次聚类分析的分类结果与主成分分析、偏最小二乘判别分析和正交偏最小二乘判别分析的结果一致,在茶叶活性成分与绿茶采摘季节之间建立了良好的相关性。总体而言,水相两相系统与化学计量学方法的结合对于茶叶活性成分的定性和定量测定具有准确、灵敏、快速和可靠的特点,为绿茶的质量控制提供了指导。
-
基于近红外光谱和化学计量学识别苦荞粉中掺杂的普通荞麦
查看原文2023
Current Research in Food Science
中科院一区JCR一区Yinghui Chai, Yue Yu, Hui Zhu, Zhanming Li, Hao Dong & Hongshun Yang
食品标签
杂粮 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
偏最小二乘法 支持向量机 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据近红外光谱(NIRS)因其具有无损、操作简便等优点,在食品掺假鉴别方面展现出巨大潜力。本文提出了一种基于近红外光谱和化学计量学的方法,用于预测苦荞(Fagopyrum tataricum (L.) Gaertn)粉中普通荞麦(Fagopyrum esculentum Moench)粉的含量。采用偏最小二乘回归(PLSR)和支持向量回归(SVR)模型对掺假样品的光谱数据进行分析,并预测掺假水平。运用多种预处理方法、参数优化方法和竞争性自适应重加权采样(CARS)波长选择方法来优化模型的预测精度。偏最小二乘回归和支持向量回归模型在预测苦荞掺假含量方面的结果令人满意,最优鉴别模型的相关系数均在0.99以上。综上所述,近红外光谱与化学计量学相结合的方法在分析苦荞粉中普通荞麦粉的掺假情况时,表现出优异的预测性能和适用性。本研究为苦荞粉的掺假鉴别提供了一种有前景的方法,所得结果可为农产品的掺假鉴别提供理论和数据支持。
-
通过超声辅助预处理,对军夏草培养基残基中ACE抑制肽的两阶段酶制进行现场和实时监测
查看原文2023
Food Chemistry
中科院一区JCR一区Yining Wang, Chang Huang, Feng Lu, Xiaofei Ye & Haile Ma
食品标签
物理辅助加工 过程监测与在线检测 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 随机森林 红外/拉曼光谱数据采用双步酶解工艺(淀粉酶+蛋白酶),建立了从蛹虫草培养基残渣中制备血管紧张素转换酶(ACE)抑制肽的工艺方法。在5种不同超声频率(20、28、35、40、50千赫兹)的单频、双频及三频组合模式中,20/28千赫兹超声预处理可使酶解液的ACE抑制率提升63.30%。随后采用近红外光谱仪,结合光谱预处理方法与偏最小二乘法(PLS)、协同区间偏最小二乘法(Si-PLS)、随机蛙跳偏最小二乘法(RF-PLS)、竞争性自适应重加权采样偏最小二乘法(CARS-PLS)等多元统计分析方法,对ACE抑制活性进行检测分析。采用相关系数(Rp)和均方根误差(RMSEP)对模型性能进行评价,结果表明:CARS-PLS模型在淀粉酶酶解与蛋白酶酶解体系中均取得最优建模效果,其中淀粉酶酶解模型相关系数为0.9693、均方根误差为0.01,蛋白酶酶解模型相关系数为0.9454、均方根误差为0.03。近红外光谱仪结合CARS-PLS模型可应用于超声预处理条件下ACE抑制肽制备过程的原位实时监测。
-
中国云南发酵咖啡果实处理后对烘焙豆化学和感官特性的比较研究
查看原文2023
Food Chemistry
中科院一区JCR一区Yanbing Wang, Xiaoyuan Wang, Guilin Hu, Zhirun Zhang, Abdulbaset Al-Romaima, Xuehui Bai, Jinhong Li, Lin Zhou, Zhongrong Li & Minghua Qiu
食品标签
咖啡饮料 特征风味 感官科学与消费者研究计算机标签
主成分分析/判别分析 定量预测/回归分析 质构/流变/感官数据本研究以经过四种不同发酵咖啡果实后处理方式(干法、湿法、半干法及热风干燥)的中度烘焙咖啡为试验原料。通过化学成分图谱与感官分析,从多个维度综合探究后处理方式对咖啡风味特征的影响。在烘焙咖啡中共鉴定出31种水溶性化学成分和39种挥发性化合物,不同后处理方式可依据化学特征使咖啡产生显著品质差异。此外,对化学成分整合数据集进行主成分分析(PCA)结果显示,前两个主成分可解释54.9%的样本变异度。依据精品咖啡协会(SCA)评定标准,四种后处理方式制备的咖啡均达到“精品咖啡”等级,且具备各异的感官特征与风味属性。研究表明,发酵咖啡果实后处理工艺可进一步决定咖啡的品质特征,能够满足不同细分市场的消费需求。
-
利用便携式荧光胶片传感器实时快速预测三层畜禽肉的TVB-N,以评估新鲜度
查看原文2023
Food Chemistry
中科院一区JCR一区Duoduo Zhang, Li Zhu, Qingwei Jiang, Xinyu Ge, Yu Fang, Junxia Peng & Yongfen Liu
食品标签
畜肉 禽肉 品质、结构与理化性质 常规理化指标测定计算机标签
偏最小二乘法 定量预测/回归分析传统肉类新鲜度检测方法操作繁琐且耗时较长。本研究采用荧光薄膜传感器监测−1℃、4℃、10℃和25℃条件下山羊肉与鸭肉的新鲜度,同时采用传统方法测定样品的挥发性盐基总氮(TVB-N)和生物胺(BAs)含量。对传感器响应强度(RI)与新鲜度指标进行相关性分析及偏最小二乘(PLS)回归分析。结果表明,皮下取样深度0~1 cm处山羊肉和鸭肉的传感器响应强度、挥发性盐基总氮含量及生物胺含量之间具有高度相关性;且挥发性盐基总氮偏最小二乘模型的决定系数(R²)均高于0.8,其中25℃条件下鸭肉偏最小二乘模型的决定系数(R²)达到1。本研究首次利用荧光薄膜传感器实现对畜禽肉类挥发性盐基总氮含量的精准预测,该检测方式可实时、快速检测,在今后肉类新鲜度检测生产应用中具备巨大发展潜力。