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
-
基于机器学习与神经网络的脉冲电场处理红辣椒片中黄曲霉抑制及黄曲霉毒素减控预测
查看原文2022
Food Research International
中科院一区JCR一区Gulsun Akdemir Evrendilek, Nurullah Bulut, Bahar Atmaca & Sibel Uzuner
食品标签
果蔬干/果脯/蔬菜干 其他加工技术 微生物安全 化学污染物 质构与流变测试计算机标签
随机森林 梯度提升决策树 智能手机/其他 定量预测/回归分析 质构/流变/感官数据农产品中黄曲霉毒素的存在是一个世界性问题。由于其高热稳定性和对大多数食品加工技术的耐受性,黄曲霉毒素的降解仍然是一个巨大挑战。因此,本研究测试了能量范围为0.97至17.28 J的脉冲电场(PEF)的效能,以测定红辣椒片中品质特性的变化、黄曲霉毒素的减控、产黄曲霉毒素的寄生曲霉的失活、黄曲霉毒素致突变性的降低,以及除黄曲霉毒素减控外对寄生曲霉失活的建模。在平均初始寄生曲霉数量上,使用17.28 J获得了64.37%的最大失活率。在平均初始AfG1、AfG2、AfB1和AfB2浓度上分别获得了99.88%、99.47%、97.75%和99.58%的降低。经PEF处理的样品中,在1 µg/平板浓度下使用0.97、1.36、5.76和17.28 J处理的样品,在10 µg/平板浓度下使用0.97、1.92、7.78、10.80 J处理的样品,以及在100 µg/平板浓度下使用0.97、1.92、2.92、4.08、5.76、4.86、6.80、9.60、10.80和10.89 J处理的样品均无致突变性。使用梯度提升回归树(GBRT)、随机森林回归(RFR)和人工神经网络(ANN)进行建模,GBRT模型在预测寄生曲霉失活方面提供了最低的RMSE和最高的R2值,而ANN模型在预测AfG1、AfB1和AfB2减控方面提供了最低的RMSE和最高的R2值。PEF处理工艺是黄曲霉毒素降解的一种可行替代方案,能够降低致突变性且对红辣椒片的品质特性无不良影响。
-
基于宏观成分定量与代谢组学分析揭示陈年白茶的关键动态化学变化
查看原文2022
Food Chemistry
中科院一区JCR一区Feng Zhao, Mingjie Chen, Shan Jin, Shuyan Wang, Wenjie Yue, Lixiong Zhang & Naixing Ye
食品标签
茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 植物化学/生物活性成分计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据在国内,人们普遍认为陈化能够提升白茶品质,但其在贮藏过程中引发的组分变化尚不明确。本研究选取了陈化时长分别为 1、2、3、4、5、6、7、10、11 和 13 年的 10 组白茶样品,首先对其宏观组分进行定量检测。结果显示,总黄酮、茶红素(TRs)、茶褐素(TBs)含量呈上升趋势,而总多酚含量逐步下降,这表明酚类物质在陈化过程中发生了转化。研究进一步选取陈化 1、7、13 年的样品开展非靶向代谢组学分析,解析其物质转化规律。结果表明,大部分差异代谢物与黄酮醇糖苷、黄酮糖苷相关,说明酚类组分的动态变化是白茶陈化的关键过程;偏最小二乘判别分析(PLS-DA)也将这些物质确定为区分不同陈化年份白茶的特征标志物。
-
基于非挥发性有机酸的白酒风味组学策略用于区分不同类型白酒
查看原文2022
Food Chemistry
中科院一区JCR一区Guangnan Wang, Xuebo Song, Lin Zhu, Qing Li, Fuping Zheng, Xiaojie Geng, Lianghao Li, Jihong Wu, Hehe Li & Baoguo Sun
食品标签
酒精饮料 特征风味 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据本研究采用衍生化法结合气相色谱 - 质谱联用技术(GC-MS),对 12 种主流香型白酒中的非挥发性有机酸(NVOA)进行分析,共定量检测出 38 种非挥发性有机酸。同时,基于这 12 种香型白酒的非挥发性有机酸含量,构建了风味组学分析策略,成功实现白酒香型的区分判别。研究采用偏最小二乘判别分析(PLS-DA)模型(括号内依次为解释变异量、预测能力),分别针对不同分类维度开展分析:发酵工艺(0.931,0.870)、曲药(0.921,0.834)、发酵容器(0.899,0.810)及原料(0.951,0.909)。基于上述分类维度,模型均实现了良好的样本分离效果,分类准确率接近 100%,可完美区分不同香型白酒。通过投影重要性变量(VIP)法筛选出 17 种潜在标志物,并结合热图与系统聚类分析进一步验证,结果表明非挥发性有机酸对白酒香型具有极强的区分能力。
-
近红外光谱结合化学计量学用于完整柠檬果实的真伪鉴别与溯源
查看原文2022
Food Chemistry
中科院一区JCR一区Luigi Ruggiero, Carmine Amalfitano, Claudio Di Vaio & Paola Adamo
食品标签
新鲜水果 光谱/色谱/质谱等分析方法计算机标签
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采用近红外漫反射光谱法结合化学计量学数据处理,对 2018 年和 2019 年采集自意大利坎帕尼亚大区的两类成熟完整柠檬 —— 索伦托柠檬(地理标志产品,品种 Ovale di Sorrento)与阿马尔菲海岸柠檬(地理标志产品,品种 Sfusato Amalfitano) 进行分析,用以预测果实品质指标,并区分其品种与地理来源。主成分分析(PCA)结果显示,柠檬近红外光谱按采收年份明显聚类,这是由年度气候差异导致的果实品质年度变异所致,且该气候效应在各产地表现一致,这一结果与不同年份间柠檬理化指标的差异规律相吻合。受此年度气候差异影响,采用 多元线性回归(MLR)建立的近红外光谱与柠檬品质指标的关联模型、以及采用线性判别分析(LDA) 建立的品种与产地判别模型,其可靠性均有所下降;因此,按单一采收年份分别建模可获得更稳定的模型效果。由于柠檬果皮较厚,近红外光谱无法穿透果皮检测内部品质,因此所测得的信号所关联的果实指标,实际来源于果皮可测属性,而果皮属性与果肉 / 果汁指标存在相关性。
-
基于宏基因组学与机器学习的蜂蜜产品溯源研究
查看原文2022
Food Chemistry
中科院一区JCR一区Shanlin Liu, Dandan Lang, Guanliang Meng, Jiahui Hu, Min Tang & Xin Zhou
食品标签
蜂蜜等天然糖 食品安全与风险评估 组学与高通量技术计算机标签
深度学习 分类/鉴别/等级评定 组学数据蜂蜜掺假现象十分普遍。近年来,基于高通量测序(HTS)的 DNA metabarcoding(分子标记扩增子测序)技术已成功应用于花粉与蜂蜜鉴定,通过测定蜜源植物组成,进而实现蜂蜜产地溯源。但对于基于高通量测序的花粉鉴定方法而言,本地参考物质的缺乏构成了严峻的技术难题。本研究在不掌握当地蜜源植物信息的前提下,采集了来自不同地理来源的 28 份蜂蜜样品,并采用机器学习方法对其产地进行判别。该机器学习方法使用弹性反向传播算法进行神经网络训练。结果表明,蜂蜜中的生物组分能够提供特征性判别信息,几乎可对所有样品实现精准的产地溯源;模型能可靠区分各产地蜂蜜,判别成功率超过 99%,甚至可区分最短直线距离仅 39 千米的不同产地样品。