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
-
基于小样本FT-MIR数据集的机器学习和深度学习用于绒盖牛肝菌的细粒度采样点识别
查看原文2023
Food Research International
中科院一区JCR一区Jian-E Dong, Jieqing Li, Honggao Liu & Yuan-Zhong Wang
食品标签
食用菌菇 食品安全与风险评估 化学污染物 光谱/色谱/质谱等分析方法计算机标签
支持向量机 随机森林 K-近邻 梯度提升决策树 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据本研究提出了结合镉含量和环境因素识别绒盖牛肝菌采样点的必要性。基于一阶导数、二阶导数、多元散射校正、标准正态变量和Savitzky-Golay平滑预处理的傅里叶变换中红外光谱数据,构建了五种机器学习算法(朴素贝叶斯、决策树、K最近邻、随机森林、支持向量机)和三种梯度提升机算法(XGBoost、LightGBM、CatBoost)。为避免复杂的预处理,我们构建了BoletusResnet模型,首次提出了3DCOS、3DCOS投影图像、索引图像(在2DCOS之外)的概念,并将其与深度学习相结合用于分类。结果表明,梯度提升机的准确率高于传统机器学习,深度学习的准确率优于梯度提升机。本文提出的四种深度学习模型基于小样本实现了细粒度采样点识别,准确率达到100%,并在此基础上开发了一套计算机应用系统。因此,光谱图像处理结合深度学习是一种快速高效的分类方法,可广泛应用于食品鉴别领域。
-
近红外反射模型在确定秋葵(Abelmoschus esculentus L.)类黄酮成分时的优化
查看原文2023
Food Chemistry
中科院一区JCR一区Yutong Cui, Jianguo Wu, Yingying Chen, Fangchen Ji, Xinyuan Li, Jing Yang, Seung-Beom Hong, Zhujun Zhu & Yunxiang Zang
食品标签
新鲜蔬菜 基本营养价值评价 光谱/色谱/质谱等分析方法 多酚与黄酮 其他植物化学物质计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据秋葵荚因其活性成分组成丰富,尤其是黄酮类化合物含量较高,常被当作功能性食品加以利用。本研究以219份秋葵荚样品的黄酮成分为研究对象,开展近红外光谱(NIRS)建模优化及外部验证试验。通过光谱相关性分析,筛选出两类光谱响应模式,分别对应槲皮素-3-O-木糖(1–2)葡萄糖苷(QOXG)与总黄酮含量(TFC),共涵盖六个不同光谱区间。对不同光谱区间组合进行分析发现,槲皮素-3-O-木糖(1–2)葡萄糖苷和总黄酮含量的建模效果存在差异,且低波数区间对两种黄酮类物质的校正模型均有更大贡献。研究确定标准正态变量变换/1,9,3卷积平滑/偏最小二乘法组合,为构建两种黄酮类物质校正模型的最优方案。所建模型外部验证的预测均方根误差小、决定系数高,可用于秋葵荚黄酮组分的快速检测预测。
-
基于气味活度值与多元统计分析的不同陈酿年限谢村黄酒香气活性化合物变化特征研究
查看原文2023
Food Chemistry
中科院一区JCR一区Min Li, Ping Zhan, Peng Wang, Honglei Tian, Jingzhang Geng & Lixia Wang
食品标签
酒精饮料 感官科学与消费者研究 特征风味 光谱/色谱/质谱等分析方法 风味组学计算机标签
偏最小二乘法 分类/鉴别/等级评定陈酿是赋予黄酒醇厚怡人香气不可或缺的工艺过程。为探究陈酿时间对谢村黄酒香气特征的影响,本研究选取5款陈酿年限不同(3~9年)的谢村黄酒样品,采用感官品评、气相色谱-质谱-嗅闻联用/检测频率法(GC–MS-O/DF)及香气活度值(OAV)分析开展研究。感官评价结果表明,不同陈酿年限的谢村黄酒风味存在显著差异。经气相色谱-质谱联用技术共鉴定并定量检测出谢村黄酒中54种挥发性风味化合物,其中16种因具有较高香气活度值与检测频率,被认定为关键香气活性化合物。偏最小二乘回归分析(PLSR)显示,陈酿9年的陈年样品与多数香气活性化合物关联性极强,整体风味更为协调醇厚。结合正交偏最小二乘判别分析(OPLS-DA),最终确定琥珀酸二乙酯、糠醛、壬醛及异戊醇4种化合物,可作为区分9年陈酿样品与其他年限陈酿样品的特征标志物。
-
通过多元曲线解析与交替最小二乘进行分段分析的应用1氢核磁共振光谱以识别不同的糖源
查看原文2023
Food Chemistry
中科院一区JCR一区Cristian A. Fuentes, Mecit Halil Öztop, Macarena Rojas-Rioseco, Martín Bravo, Aylin Özgür Göksu, Marena Manley & Rosario del P. Castillo
食品标签
蜂蜜等天然糖 光谱/色谱/质谱等分析方法 碳水化合物与糖类计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据食品工业中使用的各类糖类具有化学相似性,且大多以蔗糖为主。由于糖类的原料来源与生产工艺存在差异,其含有的部分微量有机化合物组分也有所不同。为实现依据植物来源、地理产地及储存条件对糖类进行溯源区分,研究采用核磁共振氢谱(¹H NMR)技术,结合多元曲线分辨-交替最小二乘法(MCR–ALS)分段解析方法,对商用红糖与甜菜糖提取物开展检测分析。采用该预处理策略后,通过主成分分析与偏最小二乘判别分析,可在不丢失化学信息、结果可直接解析的前提下,对不同来源的糖类实现精准区分。将多元曲线分辨-交替最小二乘法分段解析应用于糖类核磁共振氢谱数据后,能够区分谱图特征相近的糖类样本。该方法提升了核磁共振氢谱技术在糖类来源鉴别中的选择性,可为工业领域的糖类真伪溯源鉴定提供技术支撑。
-
一种基于HN-几代聚糖聚合物探针的新型三维荧光传感策略,用于快速识别和量化藏红花中潜在掺假
查看原文2023
Food Chemistry
中科院一区JCR一区Wanjun Long, Gaoqiong Deng, Yanmei Zhu, Qingyang Han, Hengye Chen, Yuanbin She & Haiyan Fu
食品标签
食用花卉计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据藏红花因存在高额利润空间,成为各类掺假造假行为的高发品类。本研究基于亲水型肼基-萘酰亚胺功能化壳聚糖(HN-壳聚糖)聚合物探针,构建了一种高效的三维荧光传感新策略,可实现藏红花潜在掺假成分的快速鉴别与定量检测。HN-壳聚糖探针中的氨基官能团能够与藏红花活性成分中的含氧基团发生特异性反应,放大藏红花与掺假物之间的荧光信号差异,并通过三维荧光技术对其进行全面表征。研究采用四种先进化学计量学方法对纯正藏红花与掺假藏红花进行分类判别,在训练集与预测集中均取得了良好的分析效果。此外,将偏最小二乘回归模型用于藏红花掺假比例的定量预测,检测精度表现优异。该研究策略为藏红花潜在掺假的快速鉴别与定量分析提供了全新技术方案,助力藏红花产业健康有序发展。