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 289 条结果
-
化学计量学辅助近红外光谱用于薏苡的快速生化成分分析与多样性评价
查看原文2026
LWT
中科院一区JCR一区Antil Jain, Chubasenla Aochen, Simardeep Kaur, Christine Jeyaseelan, Praveen Kumar Singh, Subarna Hajong, Rakesh Bhardwaj, & Amritbir Riar
食品标签
杂粮 品质、结构与理化性质 营养与生物功能 光谱/色谱/质谱等分析方法 发酵工艺与动力学 蛋白质与氨基酸计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据薏苡是在亚洲广泛栽培的一种营养丰富但利用不足的谷物。然而,其大规模成分分析和快速筛选工具开发仍存在不足。本研究采用整合多变量分析和近红外光谱的方法来解决这一问题。研究对 119 份种质材料的 14 项生化性状进行评价,建立了稳健的参考数据集,用于营养多样性的多变量探索以及近红外模型的校准和验证。聚类、PCA 和相关分析等多变量分析揭示了不同材料之间的营养模式差异,使其能够被区分并识别潜在营养结构。结果表明,种质中的系统性变异受多种生化响应共同影响。为建立近红外模型,研究采用 SNV、去趋势和 Savitzky-Golay 等光谱预处理技术提升信号质量并降低基线噪声,从而支持偏最小二乘回归。模型对蛋白质(RSQval = 0.95,RPD = 4.64)和膳食纤维(RSQval = 0.81,RPD = 2.32)取得较高预测性能。研究还使用 Cronbach's alpha(alpha = 0.52-0.98)和相关系数(r = 0.48-0.97)验证一致性。该高通量、无损检测框架有助于工业规模营养筛选,支持品质改良育种、功能食品原料成分评价和发酵相关应用。
-
结合高光谱成像和卷积双向长短期融合网络的稻米组分快速多任务检测
查看原文2026
Food Control
中科院一区JCR一区Yuanyuan Xia, Jianping Tian, Yifei Zhou, Dan Huang, Liangliang Xie, Xinjun Hu, Haili Yang, & Jie Shang
食品标签
大米 酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 显微与成像技术 蛋白质与氨基酸计算机标签
卷积神经网络 循环神经网络 定量预测/回归分析 高光谱/多光谱光谱 红外/拉曼光谱数据稻米组分的快速测定对酿酒原料质量控制具有重要意义。本研究提出将卷积双向长短期融合网络(DBiL-Net)与高光谱成像结合,用于酿酒米中脂肪、蛋白质、水分和直链淀粉含量的多任务预测。研究采集了 11 个稻米品种共 220 个样品的可见-近红外和近红外高光谱图像。经过光谱预处理和样本划分后,研究建立单任务和多任务模型,并与偏最小二乘回归和一维卷积神经网络模型进行比较。DBiL-Net 结合一维卷积特征提取与双向长短期记忆建模,可同时捕捉光谱特征和序列依赖关系。近红外多任务 DBiL-Net 获得最佳整体表现,平均 Rp2 为 0.9703,平均 RPD 为 9.0218。结果表明,高光谱成像结合深度学习能够快速、同步检测稻米多种组分,并支撑酿酒米质量评价。
-
基于机器学习解析含乳蛋白乳制品加工废水水解物中降压、降糖与抗氧化肽的鉴定
查看原文2026
Food Research International
中科院一区JCR一区Diala Damen, Hairati Aboubacar, Aurore Cournoyer, Mathieu Bazinet, Juan de Toro-Martín, Sami Gaaloul, Safia Hamoudi, Benoit Cudennec & Laurent Bazinet
食品标签
其他乳制品 抗氧化/抗炎等功能 血糖、血脂与代谢相关功能 副产物与废弃物高值利用 光谱/色谱/质谱等分析方法 其他理化与结构表征 蛋白质组学 蛋白质与氨基酸计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据 质构/流变/感官数据乳制品白色废水是工业清洗过程中产生的副产物,其中含有的残留乳蛋白可通过酶法转化为生物活性肽。本研究采用胃蛋白酶、胰蛋白酶、嗜热菌蛋白酶和链霉蛋白酶E四种酶对乳蛋白废水进行长达240分钟的水解,并对所得水解产物的血管紧张素转换酶抑制活性、二肽基肽酶Ⅳ抑制活性及抗氧化能力进行评价。嗜热菌蛋白酶水解产物表现出最强的血管紧张素转换酶抑制活性,其半数抑制浓度低至21.0微克蛋白/毫升;而胃蛋白酶和链霉蛋白酶E水解产物则具有二肽基肽酶Ⅳ抑制活性,半数抑制浓度为2.4–3.1毫克蛋白/毫升。胃蛋白酶水解产物的抗氧化能力最高,达到每毫克蛋白3.5微摩尔水溶性维生素E当量。液相色谱-串联质谱分析结合多元统计学方法鉴定出60种特征性肽段,其中17种肽段已有文献报道具有降压、抗糖尿病和/或抗氧化生物活性。基于偏最小二乘判别分析载荷、定量构效关系评分、与已知生物活性肽的新颖性对比及理化多样性,合成并实验验证了20种肽段。包括亮氨酸-精氨酸-苯丙氨酸、谷氨酰胺-色氨酸、甘氨酸-丙氨酸-色氨酸-酪氨酸、脯氨酸-脯氨酸-苯丙氨酸、甘氨酸-脯氨酸-异亮氨酸-缬氨酸-亮氨酸和丝氨酸-苯丙氨酸-天冬酰胺-脯氨酸-苏氨酸-谷氨酰胺-亮氨酸在内的多种肽段表现出强效抑制作用,对血管紧张素转换酶和/或二肽基肽酶Ⅳ的半数抑制浓度达到微摩尔级。与卡托普利等化学合成的血管紧张素转换酶抑制剂相比,活性最强的肽段亮氨酸-精氨酸-苯丙氨酸在摩尔基础上的活性高出五倍(11.34微摩尔对比63.06微摩尔)。上述研究结果表明,乳制品白色废水是多功能肽段的理想来源,而蛋白质组学与机器学习相结合的方法可加速肽段的发现与验证。
-
机器学习指导的GRAS微藻蛋白提取优化及其面向可持续食品应用的理化特性
查看原文2026
Food Hydrocolloids
中科院一区JCR一区Wei Han Foo, Mingmin Chen, Yu Xuan Lim, & Lin Chen
食品标签
微藻及藻类产品 蛋白质配料 物理辅助加工 过程优化与控制策略 品质、结构与理化性质 常规理化指标测定 光谱/色谱/质谱等分析方法 响应面分析与多因素优化 蛋白质与氨基酸计算机标签
机器学习/统计学习 定量预测/回归分析微藻是具有潜力的可持续蛋白质来源,但其难以破坏的细胞包被以及提取过程造成的品质损失限制了蛋白质回收和应用。本研究筛选了6种公认安全(GRAS)微藻,并选择蛋白核小球藻、钝顶螺旋藻和索罗金小球藻开展超声辅助碱法提取研究,内容包括超声浴与探头超声的对比、工艺优化及结构–功能评价。探头超声的效果显著优于超声浴和单纯碱法对照(p<0.05)。钝顶螺旋藻的蛋白质回收率和单位生物质蛋白质产量分别达到96.38%和365.30 mg/g,而对照组分别为71.93%和272.65 mg/g;两种小球藻的提升幅度较小,与其富含纤维素和藻胶素的细胞壁结构一致。响应面法确定了不同藻种的最优条件,基于机器学习的高斯过程回归则提供了不确定性感知建模,改善了小球藻数据集的交叉验证表现,并在响应趋于平台期时支持稳健操作窗口的选择。研究还量化了工艺能耗:优化后的探头超声方案每批需要22.5 kJ,约相当于每千克生物质6.94 kWh;以优化的钝顶螺旋藻为例,每千克回收蛋白约需19 kWh。所得蛋白浓缩物的蛋白质含量为63%–79%(干基);SDS-PAGE和傅里叶变换红外光谱结果显示,蛋白质特征总体得到保留,未发生广泛断裂。其功能特性高度依赖介质和pH:在去离子水中的溶解度低于25%,但在pH≥7的缓冲液中显著升高。钝顶螺旋藻浓缩物具有较高的吸水能力,约为3.7 g/g;优化后的蛋白核小球藻分离物则具有较高的吸油能力,约为4.2 g/g。乳化性和起泡性均对pH敏感,工艺优化提高了碱性条件下的乳液稳定性,并以藻种依赖方式调节了泡沫性能。总体而言,超声辅助碱法提取为制备多功能微藻蛋白提供了一条能耗透明的路径,并建立了多响应优化框架。
-
便携式近红外光谱仪、FTIR 与软建模用于食用蟋蟀粉、黄粉虫粉和水牛虫粉真实性鉴别
查看原文2026
Food Control
中科院一区JCR一区J.P. Cruz-Tirado, Simon A. Haughey, Christopher T. Elliott, & Douglas Fernandes Barbin
食品标签
复合/即食/餐饮食品 过敏原与毒性问题 其他安全问题 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 主成分分析/判别分析 定量预测/回归分析 红外/拉曼光谱数据人口增长推动了对新食品来源的探索。食用昆虫能够将农业废弃物转化为高质量蛋白质和脂质,是一种具有环境可持续性的食品选择。然而,其较高价值也使其容易受到掺假影响,因此需要可靠的真实性鉴别方法,以保证产品完整性并保护消费者免受潜在过敏原风险。本研究评估了两台便携式近红外光谱仪(900-1700 nm 和 1450-2450 nm)以及一台台式 FTIR 设备(4000-550 cm-1),用于鉴别英国市场销售的食用昆虫粉,包括水牛虫粉、蟋蟀粉和黄粉虫粉。研究采用适合真实性鉴别任务的软建模方法,包括数据驱动软独立建模类比和软偏最小二乘判别分析。主成分分析显示,纯昆虫粉的光谱数据在得分图中形成聚类。使用 FTIR 时,DD-SIMCA 在所有昆虫粉测试集中均达到 100% 灵敏度。1450-2450 nm 近红外光谱仪对水牛虫粉和黄粉虫粉达到 100% 灵敏度和 100% 特异性。sPLS-DA 在三种设备上的类别灵敏度为 75%-100%,其中 1450-2450 nm 光谱仪的类别效率和总效率达到 93%-100%。此外,PLSR 的 RMSEP 最低达到 0.44%,表明其作为定量工具具有较好稳健性。总体而言,本研究表明红外光谱结合软建模可作为一种新颖、无损的昆虫粉真实性鉴别方案,弥补该新兴产业中快速可靠分析工具的不足。