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
-
基于比色传感器阵列技术和仿生算法的便携式牛肉新鲜度检测平台用于总挥发性盐基氮测定
查看原文2023
Food Control
中科院一区JCR一区Weidong Xu, Yingchao He, Jiaheng Li, Jianwei Zhou, Enbo Xu, Wenjun Wang, & Donghong Liu
食品标签
畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析本研究将比色传感阵列(CSA) 与仿生优化算法相集成,构建了一套便捷的挥发性盐基氮(TVB-N)定量检测平台。
研究首先制备了包含 12 种显色敏感材料的比色传感阵列,用于采集牛肉的气味信息并生成可视化气味指纹图谱。其次,采用四种仿生优化算法 —— 蚁群优化算法(ACO)、粒子群优化算法(PSO)、模拟退火算法(SA)及鲸鱼优化算法(WOA),从比色传感阵列的指纹图谱中筛选特征变量。最后,构建结合特征显色组分的反向传播神经网络(BPNN)模型,实现对牛肉贮藏过程中 TVB-N 含量的定量检测,有效提升了模型的检测精度、稳健性与泛化能力。结果表明,四种算法中鲸鱼优化算法的优化性能最优,其余算法性能排序依次为粒子群优化算法、蚁群优化算法、模拟退火算法。经 WOA 优化后,仅需 2 种显色材料即可实现牛肉贮藏期 TVB-N 的检测。基于这 2 种材料筛选出的 3 个特征变量所构建的 BPNN 模型,检测效果最佳,其校正均方根误差(RMSEC)为2.502±0.083 mg/100g,校正决定系数(Rc2)为0.966±0.002,预测均方根误差(RMSEP)为2.903±0.143 mg/100g,预测决定系数(Rp2)为0.952±0.006,残差预测值(RPD)为3.430±0.185。综上,WOA-BPNN 模型可实现牛肉贮藏过程中 TVB-N 含量的高精度定量检测,同时减少比色传感阵列的制备耗材。比色传感阵列与高性能仿生算法的结合,有望成为一种便捷的食品新鲜度现场快速检测传感平台。 -
立方形科利鲁纳提取物涂层铜2基于纳米颗粒的智能手机生物传感器,用于检测真实食品样品中的抗坏血酸
查看原文2023
Food Chemistry
中科院一区JCR一区Selcan Karakuş, Fatih Özbaş, Gülsen Baytemir & Nevin Taşaltın
食品标签
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 定量预测/回归分析 可见光/RGB/视频数据 时序传感器/物联网数据抗坏血酸(AA)是一种高水溶性有机化合物,在人体新陈代谢中发挥着重要作用。为实现食品质量检测,本研究基于欧洲榛提取物(CC)-氧化亚铜纳米颗粒(Cu₂O NPs),开发了一种集成智能手机的比色型非酶电化学生物传感器,用于实际食品样品中抗坏血酸的检测。采用扫描电子显微镜、扫描电镜-能谱联用、高分辨透射电子显微镜、X射线衍射、傅里叶变换红外光谱、X射线光电子能谱、热重分析及差示扫描量热法对CC-Cu₂O纳米颗粒进行表征分析。CC-Cu₂O纳米颗粒呈立方形貌,粒径约为10纳米。电化学测试结果表明,修饰电极上抗坏血酸的氧化反应在0.55–22毫摩尔每升的宽浓度范围内,检出限可达27.92纳摩尔每升。所制备的数字化CC-Cu₂O纳米颗粒传感器可成功检测食品样品中的抗坏血酸。该研究策略为食品样品中抗坏血酸的检测提供了一种纳米检测平台。
-
基于蛋离心等离子体的快速检测蛋品标签欺诈方法
查看原文2023
Food Chemistry
中科院一区JCR一区Gema Puertas, Patricia Cazón & Manuel Vázquez
食品标签
蛋类及其制品 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
支持向量机 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据本研究旨在依据欧盟四种合法养殖方式,建立一种快速、低成本的鸡蛋标签造假检测方法。为此,研究人员对鸡蛋离心处理后获得的血浆进行了相关探究。实验测定并分析了鸡蛋初始蛋白质含量、血浆蛋白质含量、血浆色泽参数(亮度值L、红度值a、黄度值b)以及血浆紫外-可见-近红外光谱特征。研究采用的分类算法包括支持向量机(SVM)、线性判别分析(LDA)与二次判别分析(QDA)。蛋白质含量分析未检测出各组鸡蛋存在显著差异,而色泽参数与光谱检测结果则显示不同养殖方式的鸡蛋之间存在明显差异。基于二次判别分析的光谱分析在校正集中实现了100%的灵敏度;采用可见光谱对验证集进行检测时,灵敏度达87.5%,特异度为94.07%。本研究证实,血浆光谱检测结合分类算法可作为区分四种鸡蛋养殖模式的有效手段,也为鸡蛋标签监管提供了一种快速检测技术。
-
基于风味组学和机器学习解析关键香气成分与浓香花生油感官特性之间的关系
查看原文2023
Food Chemistry: X
中科院一区JCR一区Binfang Hu, Chunhua Zhang, Baijun Chu, Peishan Gu, Baoqing Zhu, Wenchao Qian, Xiaomin Chang, Miao Yu, Yu Zhang & Xiangyu Wang
食品标签
植物油 特征风味 感官评价与方法学 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 随机森林 分类/鉴别/等级评定 定量预测/回归分析 组学数据通过结合风味组学和机器学习筛选了33种不同香气类型的浓香花生油的关键香气成分。共鉴定出108种挥发性化合物,其中100种被准确定量,38种化合物的香气活性值≥1。33种花生油呈现出新鲜花生、烤坚果、烧焦、过度烧焦、甜味、花生酱、膨化食品和异味的不同强度,可分为四种香气类型:生香、淡香、浓香和咸香。偏最小二乘回归分析、随机森林和分类回归树揭示,2-乙酰基吡嗪对新鲜花生风味有负面影响,并能很好地区分生香样品;2-甲基丁醛和4-乙烯基愈创木酚是烤坚果风味的关键化合物,在浓香和生香样品中存在显著差异(P<0.0001);糠醛对膨化食品风味有贡献,同时也是咸香风味的关键化合物。
-
基于机器学习和冷链物流中多源感知的蓝莓新鲜度预测改进
查看原文2023
Food Control
中科院一区JCR一区Wentao Huang, Xuepei Wang, Junchang Zhang, Jie Xia, & Xiaoshuan Zhang
食品标签
新鲜水果 品质、结构与理化性质 过程控制与数字化 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 支持向量机 定量预测/回归分析传统果实新鲜度预测建模高度依赖水分散失率、pH 值、维生素 C 含量等理化指标,存在检测耗时费力、具有破坏性且预测精度偏低等现实难题。针对这一问题,本研究提出一种基于多传感技术与机器学习算法的果实新鲜度预测新方法,旨在提升果实新鲜度预测的自动化、智能化水平与检测精度。研究首先依据危害分析与关键控制点(HACCP)方法,解析蓝莓冷链物流的关键控制点,明确氧气(O2)、二氧化碳(CO2)、乙烯(C2H4)三类核心气体参数,以及气体指标与蓝莓新鲜度之间的作用机制。在此基础上,研发蓝莓冷链微环境监测平台(BCCMMP),实现 0℃、5℃、22℃三种温度条件下核心气体含量的实时监测。实验证实,气体信息可替代品质指标实现对蓝莓新鲜度的表征。研究进一步利用核心气体信息,构建反向传播神经网络(BP)、径向基函数神经网络(RBF)、支持向量机(SVM)、极限学习机(ELM)四种前沿机器学习预测模型。结果显示,各模型预测准确率分别为 90.87%(BP)、92.24%(RBF)、94.01%(SVM)、91.31%(ELM);而基于温度与品质参数的传统阿伦尼乌斯方程法,预测准确率仅为 85.10%。本研究通过传感数据的自动化无损采集结合前沿机器学习算法,为提升果实冷链物流过程中的新鲜度预测精度与食品质量管理水平提供了全新技术路径。