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
-
食品标签
畜肉 食品安全与风险评估计算机标签
机器学习/统计学习 定量预测/回归分析 文本/知识库/法规数据本研究的核心目的是构建三种基于机器学习的回归模型,即决策树回归(DTR)、广义加性模型回归(GAMR)和随机森林回归(RFR),并将其用于牛肉中细菌菌落总数的预测。为实现这一目标,研究从 ComBase 数据库(网址:www.combase.cc)中采集了共计 2654 组细菌数据,涉及单核细胞增生李斯特氏菌、大肠杆菌及假单胞菌属 —— 这三类细菌是牛肉微生物研究领域中最受关注的菌种。研究选取温度、盐浓度、水分活度及酸度作为核心预测变量,以此表征牛肉中微生物的生长与存活规律。通过嵌套交叉验证法对所构建的机器学习回归模型进行超参数优化,并基于决定系数(R2)和均方根误差(RMSE)两项统计指标,对比各模型的拟合性能。结果显示,针对三种微生物的菌落预测,所有回归模型均表现出良好的预测效果,其决定系数介于 0.931~0.949 之间,均方根误差介于 0.597~0.692 之间。其中,随机森林回归模型的预测性能最优,因此研究对其进行了进一步的外部验证。验证结果表明,该模型的偏差因子介于 1.017~1.151 之间,准确度因子介于 1.137~1.370 之间。这一结果证实,随机森林回归模型可作为一种可靠的替代方法,用于同步表征牛肉中微生物的存活与生长规律;同时,该模型能够省略传统预测微生物学领域两步建模法中的次级模型构建环节,具备成为新型模拟方法的巨大潜力。
-
利用FT-IR光谱法确定糖蜜的质量性状及可能的掺假:一项来自土耳其市场的研究
查看原文2023
Food Chemistry
中科院一区JCR一区Didem Peren Aykas, Gulsah Ozcan Sinir & Karla Rodrigues Borba
食品标签
糖果 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 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/拉曼光谱数据本研究旨在研发基于便携式傅里叶变换红外光谱(FT-IR)的预测算法,用于检测各类糖蜜的关键品质指标(可溶性固形物、水分活度、pH值、蔗糖、葡萄糖、果糖、果糖/葡萄糖比值、羟甲基糠醛),验证算法的有效性,并构建可依据植物来源对糖蜜进行溯源区分的模型。研究从土耳其各地农贸市场采购标注为角豆糖蜜(27份)、葡萄糖蜜(24份)、杜松糖蜜(13份)和桑葚糖蜜(12份)的样品。结果发现5份角豆糖蜜样品与7份葡萄糖蜜样品存在标签标注不符问题,经傅里叶变换红外光谱算法判定为非正品的样品,均通过参比分析得到佐证。用于预测土耳其糖蜜关键品质指标的偏最小二乘回归模型,与参比分析结果呈现极佳的相关性(校正决定系数≥0.96),且预测标准误差较低(≤2.88)。傅里叶变换红外光谱传感器可为糖蜜生产及贮藏全过程的品质检测提供可行技术方案,同时也为规范产品标签标注提供了有力技术支撑。
-
基于指示剂置换分析法的绿茶储藏新鲜度监测
查看原文2023
Food Research International
中科院一区JCR一区Yiyi Zhang, Wenxuan Yuan, Zhengyu Ren, Jingming Ning & Yujie Wang
食品标签
茶/茶饮料 品质、结构与理化性质 过程监测与在线检测 其他方法 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据绿茶在储藏过程中会发生老化,导致其风味和健康价值下降,但目前缺乏绿茶新鲜度的现场检测方法。本研究构建了一种新型灵敏的指示剂置换分析(IDA)传感器,并将其应用于绿茶储藏期间的新鲜度监测。分别采用低成本pH染料和金属离子作为指示剂和受体,用于茶叶样品中儿茶素的目标检测。分别通过图像和紫外-可见光谱验证了IDA反应的可行性。IDA结合监督算法实现了对绿茶新鲜度的准确识别,准确率达86.67%,并且在预测儿茶素单体和总儿茶素方面取得了可接受的准确度,预测偏差比值均超过1.5。因此,所开发的IDA传感器能够对绿茶储藏期间的新鲜度进行定性和定量监测,为绿茶的质量评价与控制提供了新的选择。
-
基于人工神经网络优化的3D打印胶囊支架用于绿原酸的结肠靶向递送
查看原文2023
Food Research International
中科院一区JCR一区Yingsa Wang, Hongzhu Chen, Qiannan Liu, Ruixuan Zhao, Wei Liu, Shucheng Liu, Liang Zhang & Honghai Hu
食品标签
3D 打印与结构构筑 营养与生物功能 质构与流变性质 质构与流变测试 光谱/色谱/质谱等分析方法 动力学建模 多酚与黄酮计算机标签
智能手机/其他 过程控制与实时优化 设计/生成与推荐绿原酸(CGA)是一种具有广泛生物活性的重要多酚类物质。本研究旨在构建一种优化的三维(3D)打印胶囊支架及CGA胶囊,用于将疏水性CGA靶向递送至结肠。利用神经网络模型确定的最佳打印参数为温度170°C、打印速度20 mm/s和喷嘴直径0.3 mm。所制备的胶囊表现出CGA的缓慢释放特性,且由于更多裂纹和空隙,Eudragit®FS 30D包封胶囊的释放速率快于Eudragit®S100包封胶囊。Ritzer-peppas模型是描述8种CGA胶囊中CGA释放过程的最佳拟合模型(R2 ≥ 0.98)。所有CGA胶囊均表现出剪切稀化特性,且在低剪切速率下具有稳定的溶胶-凝胶粘度。FTIR光谱证实了CGA与溶胶之间形成了非共价键。总之,所获得的3D打印胶囊为个性化膳食补充剂开发中CGA的靶向递送提供了一种有前景的载体。
-
使用图像处理和人工神经网络诊断苹果果实病害
查看原文2023
Food Control
中科院一区JCR一区Hossein Azgomi, Fatemeh Roshannia Haredasht, & Mohammad Reza Safari Motlagh
食品标签
新鲜水果 食品安全与风险评估 显微与成像技术计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据果农通常缺乏对各类苹果病害的诊断与防治知识。尽管部分苹果病害会表现出可视化症状,可通过人工肉眼识别,但这种诊断方式耗时费力,且会增加果农的成本投入。针对这一问题,一种可行的解决方案是利用图像处理技术开发自动化病害诊断系统。本研究提出一种低成本的苹果病害诊断方法,该方法基于神经网络模型,可将果实划分为四种类别,即黑星病果、苦腐病果、黑腐病果及健康果实。研究以果实的颜色与纹理特征作为模型输入变量,构建多层感知器神经网络,并将预设的病害类别作为模型输出结果。实验选取 60% 的图像样本用于神经网络训练,剩余样本留作模型测试集;同时,研究人员通过调整单层与双层神经网络的结构,对所提方法的诊断准确率进行评估。结果表明,采用双层神经网络结构(第一层与第二层各设置 8 个神经元)时,模型诊断准确率达到最优,为 73.7%。