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
-
一种识别红糖产地的新方法:多重化学谱结合机器学习构建准确可靠的产品溯源策略
查看原文2026
Food Control
中科院一区JCR一区Xinyao Li, Yashu Zhang, Haiqin Lu, Kai Li, & Zhi Huang
食品标签
糖、焙烤与糖果制品 其他安全问题 品质、结构与理化性质 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
支持向量机 随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据可靠的产地识别对于红糖质量保障和产品溯源具有重要意义。本研究提出了一种将多重化学谱与机器学习结合的溯源策略,用于识别红糖地理来源。研究收集了来自中国广西、广东、贵州、香港和云南 11 家糖企的 55 批红糖样品。研究采用 ICP-OES 测定 K、Ca、Mg、P、Mn 和 Fe 等 6 种矿物元素,并采用 LC-MS/MS 测定 15 种酚类化合物。研究利用方差分析和主成分分析评价区域差异,并通过三折交叉验证建立随机森林和支持向量机模型进行产地分类。结果显示,K 是最具区分能力的矿物标志物;基于 6 个主成分的 PCA 能揭示区域差异,但不能完全区分所有产地。机器学习显著提升了产地判别效果:随机森林模型准确率约为 96.4%,支持向量机模型准确率约为 98.2%,召回率、精确率和 F1 值同样较高。结果表明,矿物元素和酚类化合物谱结合机器学习可为红糖产地溯源提供准确可靠的策略。
-
基于傅里叶变换近红外光谱结合机器学习的沙门氏菌、大肠杆菌 O157:H7 与单核细胞增生李斯特氏菌分类检测
查看原文2026
Food Research International
中科院一区JCR一区Samet Ozturk, Lihan Huang, Cheng-An Hwang & Shiowshuh Sheen
食品标签
微生物安全 光谱/色谱/质谱等分析方法 菌种筛选与特性评价计算机标签
偏最小二乘法 支持向量机 随机森林 智能手机/其他 卷积神经网络 特征工程与选择策略 分类/鉴别/等级评定 红外/拉曼光谱数据本研究旨在探究傅里叶变换近红外(FT-NIR)光谱结合机器学习(ML)算法在精准识别三种食源性病原体方面的潜在应用,这些病原体包括沙门氏菌属、单核细胞增生李斯特氏菌以及大肠杆菌O157:H7。每种病原菌(各选取两株菌株)均单独培养,并通过乙醇-去离子(DI)水溶液依次洗涤的方式进行纯化。将各纯化培养物转移至铺有定制切割滤纸的96孔细胞板的各孔中,随后在50℃、20千帕条件下真空干燥1小时。利用与傅里叶变换近红外过程分析仪相连的漫反射探头,采集脱水细菌细胞在1000–2400纳米波长范围内的吸收光谱。为确定最优分类流程,采用十种不同预处理方法、三种特征选择方法以及多种监督算法对采集的光谱进行分析,其中监督算法包括偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)、随机森林(RF)、人工神经网络(ANN)和卷积神经网络(CNN)。此外,通过欠采样与提升步骤进一步提升所构建机器学习流程的识别准确率。结果表明,支持向量机、随机森林、人工神经网络和卷积神经网络的性能优于偏最小二乘判别分析,其分类准确率均超过90%。研究结果显示,采用萨维茨基-戈莱一阶导数(SG1)滤波对全光谱进行预处理后再结合支持向量机分类,可获得最高准确率,该机器学习流程的总体准确率达95.3%。本研究凸显了傅里叶变换近红外光谱结合机器学习算法在加工环境中对脱水表面食源性病原体进行检测与识别的强大能力。
-
整合元素指纹和全反射 X 射线光谱指纹与机器学习用于高级海产品追溯
查看原文2026
Food Control
中科院一区JCR一区Nuno M. Rodrigues, Vanessa F. Fonseca, Renato Mamede, Susanne E. Tanner, Bernardo Duarte, & Sara Silva
食品标签
鱼肉 新鲜水果 食品安全与风险评估 其他安全问题 标准/法规/数据库分析 矿物质与微量元素计算机标签
随机森林 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据海产品消费和需求增加导致食品欺诈问题上升,也推动了海产品追溯法规的发展,以保障海洋资源可持续利用和食品安全。头足类是具有商业价值的海产品资源,容易发生错误标识。普通章鱼在葡萄牙等南欧地区具有较高市场价值。本研究从葡萄牙大西洋沿岸 5 个捕捞区域和 3 个采样时期收集 450 个普通章鱼个体,评估其可食肌肉组织的元素指纹和光谱数据作为机器学习模型输入用于产地判别。研究在多时间数据上训练多种机器学习模型,揭示了模型性能和可解释性之间的权衡。分析显示不同季节之间存在明显分布偏移,可能与该物种复杂生命周期有关。模型性能显著依赖所用季节数据;10 月、9 月及其合并秋季数据训练的模型明显优于 4 月数据训练的模型。无论采用元素指纹还是光谱分析,这一趋势均存在,但多数模型中元素指纹数据总体具有统计学优势。总体性能方面,提升树模型表现突出;保持测试集结果显示,9 月数据的全元素指纹随机森林模型 F1 分数达到 73%。所建立模型具有较好的预测性能和泛化能力,基于 SHAP 的特征重要性分析显示模型决策可得到生物学解释,其中砷在所有采样时期均是区分捕捞区域的关键元素。
-
基于 GC-MS 代谢组学的牛肉腐败标志物时间进程追踪:关联机器学习识别挥发物与理化品质下降
查看原文2026
LWT
中科院一区JCR一区Qiqi Di, Jiachen Lv, Hongman Hou, Jingran Bi, Hongshun Hao, & Gongliang Zhang
食品标签
畜肉 食品安全与风险评估 质构与流变性质 光谱/色谱/质谱等分析方法 常规理化指标测定 含硫植物化合物计算机标签
随机森林 分类/鉴别/等级评定 红外/拉曼光谱数据 组学数据冷鲜牛肉因质构嫩、风味良好和营养价值高而受到消费者重视。然而,其易受微生物污染并发生腐败,导致货架期有限。本研究评价了冷鲜眼肉在 4 摄氏度下贮藏 0、3、6、9 和 12 天期间的品质变化。研究采用气相色谱-质谱鉴定出 140 种挥发性代谢物。通过方差分析和随机森林算法,筛选出 20 种差异丰度代谢物,如 trimethylamine、undecanone 和 2,3-dimethylpyrazine。代谢通路富集分析表明,硫代谢、苯丙氨酸代谢和烟酸/烟酰胺代谢在眼肉腐败中发挥核心作用。相关分析进一步阐明了品质指标与关键挥发性代谢物之间的关系。总菌落数与 2,3-dimethylpyrazine 和 2-(methylthio) acetaldehyde 强正相关,而与 2,6,10-trimethyltridecane 和 2-methyldecane 强负相关(|r| > 0.8)。6-Methylindole 与 pH、硫代巴比妥酸反应物和挥发性盐基氮强正相关(|r| > 0.86)。这些结果为理解冷藏期间牛肉品质演变提供了重要依据。
-
天然着色传统中国淀粉的形态学表征及基于机器学习的高光谱鉴定
查看原文2026
Food Chemistry
中科院一区JCR一区Zhiwei Wan, Chenghao Zhang, Xuewen He, Yuanwei Tang, Liangyu Xia, Xiujuan Li, Chenhua Liao, & Liping Liu
食品标签
碳水化合物配料 食品安全与风险评估 其他安全问题 常规理化指标测定 显微与成像技术 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 支持向量机 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 高光谱/多光谱光谱 可见光/RGB/视频数据作为一种非物质文化遗产,由天然着色传统淀粉制成的食品产品由于染色淀粉掺假而面临市场信任危机。本研究旨在开发一个综合识别系统,以区分天然着色淀粉和商业作物淀粉。实验设计结合了形态学、比色法和彩色光谱分析。数据使用机器学习算法进行处理,并通过五折交叉验证评估模型性能。结果显示颗粒形态存在显著差异,平均尺寸分别为 19.86 μm(鱼腥草淀粉)、26.41 μm(姜黄淀粉)、27.29 μm(金薯淀粉)和 18.26 μm(青冈栎淀粉)。从色度学上看,天然着色的淀粉分布在紫红色、黄色和棕色区域,而商业作物淀粉则集中在白色区域。主成分分析显示,前三个主成分分别占方差的92.71%、2.32%和2.10%,累计解释了97.13%的方差。使用基于机器学习的方法,支持向量机(SVM)模型实现了完美准确率(100%),优于随机森林(94.52%)和人工神经网络(99.60%)模型。这种多技术融合系统为鉴定和保护非物质文化遗产食品提供了一种无损、高效且实用的解决方案。