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 91 条结果
-
基于柚皮废胶/藻酸钠-紫玉米芯提取物结合深度学习的pH指示膜,用于鲑鱼新鲜度可视化和检测
查看原文2026
Food Control
中科院一区JCR一区Shuyang Sun, Yibing Ding, Chunjun Chen, Chanchan Sun, Xiulian Li, Hansheng Gong, Xiangquan Zeng, Handong Zhao, Jinwang Li, & Xinguang Fan
食品标签
玉米 鱼肉 颜色与外观品质 抗氧化/抗炎等功能 常规理化指标测定计算机标签
卷积神经网络 其他深度学习结构 分类/鉴别/等级评定 质构/流变/感官数据本研究开发了一种以柚皮废弃果胶和海藻酸钠为基材、负载紫玉米芯提取物作为 pH 响应指示剂的 pH 指示膜,用于三文鱼新鲜度的可视化监测。研究考察了紫玉米芯提取物负载量(2%、2.5% 和 3%)对复合膜性能的影响。最优 PRP/SA-3PCCEs 膜厚度为 0.103 mm,抗拉强度为 74.13 MPa,并具有良好抗氧化活性。该膜在 pH 2-12 范围内呈现由粉红色到灰绿色的明显颜色变化,同时 L、a、b 等色度参数显著变化。当用于监测三文鱼新鲜度时,随着贮藏过程中三文鱼劣变,膜颜色逐渐由粉红色转为灰绿色。此外,研究比较了 ResNet-18、DenseNet-121、EfficientNet-B0 和 MobileNetV2 四种卷积神经网络模型在三文鱼新鲜度评估中的准确性,其中 ResNet-18 总体准确率达到 98.96%。该 PRP/SA-PCCEs 智能膜结合深度学习,为三文鱼新鲜度即时、无损、可视化检测提供了有效策略,并实现了柚皮和紫玉米芯等农业废弃物的高值利用。
-
AI 引导挖掘和表征植物乳杆菌素 LP2150:对腐败希瓦氏菌的抑制机制及大黄鱼保鲜作用
查看原文2026
Food Control
中科院一区JCR一区Jie Yang, Yangfan Fu, Shuang Kong, Xiucheng Shang, Meizhong Hu, Antuo Hu, Saikun Pan, Ting Nie, & Yanan Liu
食品标签
鱼肉 食品安全与风险评估 氧化、褐变等化学变化 微生物计数与生长曲线 转录组学 含硫植物化合物计算机标签
机器学习/统计学习 设计/生成与推荐 组学数据腐败希瓦氏菌是一种可在低温下生长的腐败菌,会显著缩短水产品货架期。本研究利用人工智能辅助从植物乳植杆菌 MMB-07 中发现植物乳杆菌素 LP2150,LP2150 对腐败希瓦氏菌的最小抑菌浓度为 1 μg/mL。实验数据表明,LP2150 可诱导腐败希瓦氏菌细胞中核酸、蛋白质和碱性磷酸酶等大分子泄漏。转录组分析显示,LP2150 诱导腐败希瓦氏菌中 107 个基因差异表达,并显著下调氨基酸代谢、硫代谢和甲烷代谢通路,导致能量代谢失衡。此外,LP2150 调控的 ABC 转运系统破坏了细胞膜结构和功能,抑制腐败希瓦氏菌生长并诱导细胞凋亡。第 8 天时,0.02% 和 0.04% LP2150 处理组总活菌数分别为 5.71 和 5.15 log CFU/g,较对照组降低 1.88-2.44 log CFU/g。LP2150 还显著抑制脂质氧化,实验组 TBA 值较对照组(0.682 mg/kg)降低 29.5%-41.6%,且抑制效果呈剂量依赖性。综上,本研究为利用人工智能从植物乳植杆菌中发现抗菌肽并阐明其在水产品保鲜中抗腐败希瓦氏菌机制提供了新见解,也为 LP2150 在食品安全领域的应用提供参考。
-
基于鱼眼高光谱成像和跨模态深度学习的大黄鱼冻融循环无损判定
查看原文2026
Food Control
中科院一区JCR一区Kai Yan, Wude Yang, Tianzhe Wen, Wenkai Wang, Siyuan He, Mingqian Tan, Xiaoyang He, Yang Liu, & Huihui Wang
食品标签
鱼肉 特征风味 冷藏与冷冻保藏 显微与成像技术计算机标签
循环神经网络 其他深度学习结构 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱在冷链贮藏和运输过程中,大黄鱼容易因温度波动经历冻融循环,从而显著损害品质和风味。鱼眼作为可见外部器官,在冻融过程中会出现晶状体浑浊和形态变化,可在不破坏鱼体的情况下提供相关信息,因此具有反映冻融循环的潜力。本研究提出一种基于鱼眼高光谱信息的无损检测方法,通过分析瞳孔区域反射光谱变化和眼部形态退化,实现冻融循环准确判别。首先,研究利用瞳孔区域反射光谱构建具有局部特征提取和全局模式识别能力的 LSTM-Transformer 光谱分类模型,用于区分不同冻融循环样品。为充分利用晶状体浑浊和眼部结构变化信息,研究进一步引入融合鱼眼图像与光谱数据的跨模态注意力机制,建立跨模态冻融预测模型。实验结果表明,冻融导致的晶状体浑浊变化可能是通过瞳孔反射光谱区分鲜鱼与冻融鱼的关键因素。LTscModel 在冻融预测中优于传统模型,准确率达到 87.5%;CmFTpModel 通过多模态融合进一步提升预测性能,准确率达到 92.5%,超过单模态模型。该研究为水产品冻融循环快速检测和品质追溯提供了新方法和技术支持。
-
一种开源 Python 工作流:通过高光谱图像分析结合机器学习表征食品样品和食品过程
查看原文2026
LWT
中科院一区JCR一区Yendoubouam Lalle, Yuri Kominami, & Arno Germond
食品标签
畜肉 鱼肉 品质、结构与理化性质 加工与新加工技术 光谱/色谱/质谱等分析方法 显微与成像技术计算机标签
图像分割网络 偏最小二乘法 缺陷/异物检测与定位 高光谱/多光谱光谱 红外/拉曼光谱数据食品工业需要快速、无损的监测手段,以防止腐败并保证质量。高光谱成像可快速量化大分子成分,但复杂光谱数据缺乏易用处理工具,限制了其应用。为解决这一障碍,本文提出了一个可定制的开源 Python 包,集成数据预处理、分割和机器学习。研究将该端到端工作流应用于两个不同食品过程,使用相对小规模数据集和两个光谱范围,即可见近红外至短波红外。首先,研究在干发酵香肠成熟过程中绘制空间水分损失和色素氧化图谱。其次,研究了一种传统保藏过程,该过程使 Na+ 从海藻转移至鱼肉;考虑到盐渍不足可能导致微生物腐败,研究旨在识别盐对鱼片间接影响的潜在光谱生物标志物。最佳模型以 97.9%(VNIR)和 89.6%(SWIR)的准确率区分盐渍和未盐渍样品,F1 分数分别超过 0.98 和 0.89。此外,PLS 回归模型表现出具有竞争力的预测性能(VNIR 的 R2 为 0.73,SWIR 的 R2 为 0.78),可生成定量的逐像素钠分布图。该适应性工具包通过降低计算门槛并保证 HSI 部署中的方法可重复性,为研究人员和工业应用提供支持。
-
利用多模态分子光谱融合,深度学习算法辅助无损检测鲑鱼肉的TBARS值
查看原文2025
Food Chemistry
中科院一区JCR一区Minqiang Guo, Hong Lin a, Hua Feng, Limin Cao, Jianxin Sui, Xiudan Wang & Kaiqiang Wang
食品标签
鱼肉 氧化、褐变等化学变化 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 卷积神经网络 循环神经网络 定量预测/回归分析 红外/拉曼光谱数据 多模态/融合数据本研究提出了一个深度学习框架,用于在不同储存条件下(−20、0、4、20°C及动态温度)下,通过硫代巴比妥酸反应物质(TBARS)量化鲑鱼肉脂质氧化的无损性评估。通过将多模态分子光谱(近红外和拉曼)与卷积神经网络(CNN)整合,研究在预测TBARS值方面相较于偏最小二乘回归(PLSR)和长短期记忆(LSTM)模型实现了更高的准确性。CNN在R语言中取得了更优的表现2p = 0.866,RPD = 4.136。其端到端架构和频谱数据融合提升了预测的鲁棒性,并实现了鲑鱼质量的实时、非侵入式监测。该方法满足行业对高效冷链质量评估的需求,提供可扩展的解决方案,优化新鲜度评估和消费者满意度。总体而言,该方法论展示了将多模态光谱与深度学习结合的强大潜力,能够推动动态储存环境中的食品质量分析。