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
-
利用多种传感器技术结合化学计量学和数据融合策略,对中国大豆酱风味质量进行定性和定量评估
查看原文2023
Food Chemistry
中科院一区JCR一区Shanshan Yu, Xingyi Huang, Li Wang, Xianhui Chang, Yi Ren, Xiaorui Zhang & Yu Wang
食品标签
发酵豆制品 特征风味 质构与流变测试 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 主成分分析/判别分析 定量预测/回归分析 时序传感器/物联网数据 多模态/融合数据采用电子鼻、电子舌、色差仪、质构仪等多种传感技术,结合化学计量学与数据融合策略,对传统中式发酵豆瓣酱的风味品质进行表征分析。通过主成分分析法(PCA)将所选豆瓣酱样品划分为三类,分类结果与样品地理来源并非完全吻合。在感官属性定量预测方面,支持向量机回归(SVR)的表现优于偏最小二乘回归(PLSR)。此外,基于多传感器信息数据融合对豆瓣酱整体风味进行预测时,支持向量机回归模型的预测相关系数(Rp)可达0.9636,优于电子鼻与电子舌数据融合的预测结果(Rp=0.9267)。本研究表明,多传感技术结合化学计量学方法,可作为发酵豆瓣酱及其他食品体系风味评价与特征解析的有效手段。
-
测试两台近红外仪器预测鸡胸肉质量并利用机器学习方法鉴别基因型和肌病存在情况
查看原文2023
Food Control
中科院一区JCR一区Lorenzo Serva, Giorgio Marchesini, Marco Cullere, Rebecca Ricci, & Antonella Dalle Zotte
食品标签
禽肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
机器学习/统计学习 偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据为实现对三类禽肉(杂交白羽肉鸡、患胸肌病的杂交白羽肉鸡、慢速生长地方品种肉鸡)的鉴别,并预测鸡胸肉的常规营养成分及氨基酸(AA)组成,本研究对两台工作波段为850~2500 nm 的近红外光谱仪展开测试,结合化学计量学算法与机器学习(ML)方法构建分析模型。研究采用偏最小二乘判别分析(PLS-DA)进行品种溯源,结果显示,受光谱预处理方法及仪器选型的影响,模型的马修相关系数(MCC)介于 0.61~1.00 之间。通过偏最小二乘回归(PLSR)建模发现,模型对粗蛋白的交叉验证决定系数(Rcv2)达 0.98,对粗脂肪的Rcv2高达 0.99;而针对氨基酸的预测效果存在差异,仅天冬氨酸、丙氨酸、蛋氨酸三种氨基酸的Rcv2大于 0.55。基于上述氨基酸预测结果,研究进一步采用因子判别分析(FDA)开展品种鉴别,模型的马修相关系数为 0.67~0.95。综合实验结果表明,两台受试近红外光谱仪均能实现对鲜样及冻干鸡胸肉的化学成分测定。值得注意的是,机器学习算法的引入显著提升了近红外光谱数据的可解释性,不仅可区分不同遗传品系鸡胸肉的成分差异,还能有效识别鸡胸肉是否存在胸肌病病变。
-
一种新型“一体化”多功能明胶胶膜,用于牛肉鲜度维护和监测
查看原文2023
Food Chemistry
中科院一区JCR一区Rui Li, Di Zhuang, Haoyu Feng, Shancan Wang & Jie Zhu
食品标签
畜肉 颜色与外观品质 抗氧化/抗炎等功能 包装设计与机械性能计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据本研究将茜素(AL)与牛至精油皮克林乳液(OEOP)掺入明胶薄膜基质中,制备了一种新型多功能食品包装膜。掺入牛至精油皮克林乳液与茜素后,薄膜的紫外-可见光阻隔性能得到提升,几乎可完全阻隔紫外-可见光(400 nm波长处透光率由71.80%降至0.06%)。该薄膜的断裂伸长率为纯明胶薄膜的4.02倍,表明其力学性能得到显著改善。该薄膜在pH值3~11范围内可由黄色明显变为紫色,且能在4分钟内对氨气蒸气产生灵敏响应,这一现象源于茜素分子的去质子化作用。得益于牛至精油皮克林乳液的缓释效应,薄膜的抗氧化能力与动态抑菌性能均大幅提升。此外,该多功能包装膜可有效延缓牛肉变质速率,并通过自身颜色变化实现生鲜品质的实时可视化监测。同时,可借助智能手机应用程序,将牛肉品质的色泽变化与薄膜的RGB色彩数值建立关联。综上,本研究拓展了兼具保鲜与品质监测功能的多功能食品包装膜在食品包装行业的应用前景。
-
基于正构烷烃图谱及化学计量学分析鉴别猪油与其他动物脂肪
查看原文2023
Food Research International
中科院一区JCR一区Nur Ain Syaqirah Sapian, Muhammad Aidilfitri Mohamad Roslan, Amalia Mohd Hashim, Mohd Nasir Mohd Desa, Murni Halim, Yanty Noorzianna Abdul Manaf & Helmi Wasoh
食品标签
植物油 食品安全与风险评估 其他安全问题 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 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 质构/流变/感官数据食品生产中猪油与其他脂肪和油的掺假影响着经济、宗教和健康等多个方面。以往研究主要基于脂肪的主要成分(如甘油三酯和脂肪酸)来鉴别猪油。本研究旨在通过气相色谱-质谱法建立的正构烷烃图谱来区分猪油与其他动物脂肪(牛油、鸡油和羊油)。主成分分析和层次聚类分析能够对猪油与其他动物脂肪进行初步聚类。使用随机森林和偏最小二乘判别分析获得了良好的结果。统计模型提出二十四烷(C24)作为一个潜在的正构烷烃标志物,并且发现C24是主要的烷烃,其含量占鉴定出的总烷烃的15.72%(GC-MS数据)。基于这一发现,未来可针对广大油脂消费者的兴趣,尤其是在化学计量学分析应用方面,探索更多有意义的研究。
-
基于智能手机的数字图像作为一种低成本且简单的比色方法,用于评估多种特定越南干茶产品及其烈酒中的酚类总含量
查看原文2023
Food Chemistry
中科院一区JCR一区Do Minh-Huy, Le Thi Anh-Dao, Nguyen Thanh-Nho, Le Nhon-Duc & Nguyen Cong-Hau
食品标签
茶/茶饮料 酒精饮料 显微与成像技术 多酚与黄酮计算机标签
智能手机/其他 可见光/RGB/视频数据总酚含量(TPC)可反映植物制品的生物活性物质含量及抗氧化能力。本研究利用智能手机拍摄的数字图像,测定茶叶及其茶汤中的总酚含量。研究对自制便携式比色分析装置设计相关的各项参数进行了优化,以获得最佳拍摄条件。对所建立方法的性能进行验证,结果与美国官方分析化学家协会(AOAC)2016年版附录F标准方法一致。与传统紫外-可见分光光度标准法相比,两组结果无统计学差异(t检验,置信度95%);且该方法具备操作简便、便携性强、样品用量少、检测耗时短、运行成本低等优势,尤其适合茶叶生产商、经营管理者及消费者快速检测总酚含量。研究结果表明,各类茶叶总酚含量整体呈现绿茶>白茶>乌龙茶>红茶的递减规律(加标回收率95%~98%);同时,随着冲泡温度升高、冲泡时间延长,茶汤中的总酚含量呈上升趋势。