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
-
基于高光谱成像光谱与纹理数据融合预测亚硝酸盐腌制羊肉中肌红蛋白含量
查看原文2023
Food Control
中科院一区JCR一区Guoling Wan, Shuxiang Fan, Guishan Liu, Jianguo He, Wei Wang, Yan Li, Lijuan Cheng, Chao Ma, & Mei Guo
食品标签
畜肉 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
偏最小二乘法 支持向量机 定量预测/回归分析 高光谱/多光谱光谱肌红蛋白的含量与化学状态通常与肉色密切相关,而肉色是评判肉类新鲜度与食用安全性的重要指标之一。为精准测定羊肉中氧合肌红蛋白(OxyMb)与高铁肌红蛋白(MetMb)的含量,本研究探索了基于光谱图像融合的优化检测技术的可行性。研究采用三种方法筛选特征波长,同时提取肌肉组织的纹理特征。模型性能对比结果显示,耦合光谱与纹理参数的最小二乘支持向量机(LSSVM)模型,预测效果均优于偏最小二乘回归(PLSR)模型。其中,用于氧合肌红蛋白预测的iVISSA-COR-LSSVM 模型表现优良,校正决定系数(Rc2)达 0.9525,校正均方根误差(RMSEC)为 2.2955,预测决定系数(Rp2)为 0.8956,预测均方根误差(RMSEP)为 3.0036;用于高铁肌红蛋白预测的VCPA-IRIV-COR-LSSVM 模型则展现出更具实效性的预测性能,其Rc2为 0.8809、RMSEC 为 2.2009、Rp2为 0.8353、RMSEP 为 3.2096。最终,本研究生成了氧合肌红蛋白与高铁肌红蛋白在羊肉组织中分布的伪彩色图谱。该研究证实,数据融合技术为肌红蛋白含量的快速检测提供了一种全新方法。
-
通过表面增强拉曼光谱(SERS)结合深度学习模型,对玉米油中微量的玉米烯酮进行无标记检测
查看原文2023
Food Chemistry
中科院一区JCR一区Jiaji Zhu, Xin Jiang, Yawen Rong, Wenya Wei, Shengde Wu, Tianhui Xiao & Qiansheng Chen
食品标签
植物油 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 随机森林 卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据采用表面增强拉曼光谱(SERS)结合深度学习模型开展玉米油中玉米赤霉烯酮(ZEN)的检测研究。首先,合成金纳米棒作为表面增强拉曼光谱基底;其次,对采集的表面增强拉曼光谱数据进行增广处理,以提升回归模型的泛化能力;最后,构建偏最小二乘回归(PLSR)、随机森林回归(RFR)、高斯过程回归(GPR)、一维卷积神经网络(1D CNN)和二维卷积神经网络(2D CNN)共五种回归模型。实验结果表明,一维卷积神经网络与二维卷积神经网络模型的预测性能最优,其中预测集决定系数分别为0.9863、0.9872,预测集均方根误差分别为0.2267、0.2341,相对分析误差分别为6.548、6.827,检出限分别为6.81×10⁻⁴ μg/mL、7.24×10⁻⁴ μg/mL。由此可见,该研究建立的方法可为玉米油中玉米赤霉烯酮的检测提供一种超灵敏且高效的技术方案。
-
拉曼光谱技术在原奶成分在线测量中的应用潜力
查看原文2023
Food Control
中科院一区JCR一区H.M. Hussain Khan, Ultan McCarthy, Karen Esmonde-White, Imelda Casey, & Norah O'Shea
食品标签
液态乳 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 脂质与脂肪酸 碳水化合物与糖类计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据原料乳成分的在线测量方法对乳制品行业颇具益处,因为它允许加工商在乳品进入加工流程前做出及时的决策(如标准化)。这有助于加强操作控制,并具有提高加工效率的潜力。拉曼光谱因其能够测量水环境中的大分子且与在线测量兼容,成为一种具有潜在商业价值的技术。本研究探讨了拉曼光谱测量原料乳中主要成分(脂肪、蛋白质和乳糖)的适用性。研究使用连接光纤探头的拉曼光谱仪分析了 80 个原料乳样品。在建模之前,考虑了温度等过程变量的变化以及搅拌对拉曼光谱特征(强度、形状和波长偏移)的影响。由于脂肪、蛋白质和乳糖在原料乳拉曼光谱中的响应存在重叠,因此开发了多元回归模型用于定量分析。所开发的偏最小二乘(PLS)回归模型预测了原料乳中脂肪、蛋白质和乳糖的百分比,其预测均方根误差(RMSEP)分别为 0.15、0.11 和 0.04,预测决定系数(R²p)分别为 0.96、0.89 和 0.89,相对分析误差(RPD)分别为 8.16、3.16 和 2.89。
-
基于纸基微点与智能手机的土鸡蛋真伪鉴别技术
查看原文2023
Food Chemistry
中科院一区JCR一区Rohitraj Ray, Ayush Goyal, Anushha Prabhhu, Saumya Parekkh, Srinivasulu Radhasani & Naresh Kumar Mani
食品标签
蛋类及其制品 食品安全与风险评估 颜色与外观品质 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 分类/鉴别/等级评定 可见光/RGB/视频数据 红外/拉曼光谱数据本文首次提出利用纸基装置快速鉴别正宗土鸡蛋与经茶水涂抹、伪装成土鸡蛋的普通肉鸡鸡蛋。该装置可在精确5分钟内,借助茶叶中含有的酚类物质引发两种反应现象实现鉴别:一是沉淀反应,会在假冒土鸡蛋或茶涂肉鸡鸡蛋表面生成轮廓清晰的深蓝黑色沉淀物;二是褪色溶解反应,伪装土鸡蛋表面干燥的茶涂层会被溶解,从而露出普通肉鸡鸡蛋蛋壳的本色白色。为降低人工判别主观性,研究开发了一款名为Eggo的智能手机应用程序,可通过手机摄像头识别上述两种反应所产生的特征斑点。研究还采用傅里叶变换红外光谱(FTIR)分析了蛋壳表面发生的成分变化。这类兼具精密性与简易性的技术,将为食品掺假检测领域带来颠覆性变革。
-
基于非靶向代谢组学的方法,利用UHPLC-HRMS基于地理来源和生产方式鉴定胡萝卜(Daucus carota L.)
查看原文2023
Food Chemistry
中科院一区JCR一区Katy Dinis, Lucie Tsamba, Eric Jamin & Valérie Camel
食品标签
新鲜蔬菜 光谱/色谱/质谱等分析方法 代谢组学计算机标签
偏最小二乘法 分类/鉴别/等级评定采用非靶向超高效液相色谱-高分辨质谱技术,结合反相模式与亲水作用色谱模式,对不同农业产区、有机及常规种植模式下的胡萝卜样品开展分析。先对两类色谱模式数据分别处理,再进行数据融合,以期提升分析效果。采用自主建立的数据处理流程,经峰检测后筛选得到相关特征物质。基于这些特征,借助化学计量学方法构建判别模型。利用在线数据库及超高效液相色谱-高分辨串联质谱分析,对潜在化学标志物进行初步定性注释。另选取一组独立样品进行检测,用以评估标志物的判别能力。
采用正交最小二乘判别分析模型,可成功区分新阿基坦大区与诺曼底大区出产的胡萝卜。采用C18硅胶色谱柱可鉴定出精氨酸与6-甲氧基蜜环菌素为潜在特征标志物;极性色谱柱则可额外鉴定出N-乙酰腐胺、左旋肉碱等标志物。基于种植模式(有机/常规)的样品判别难度更高:虽观测到一定变化趋势,但模型评价指标仍未达到理想水平。