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
-
融合电子鼻与高光谱成像通过输入修改卷积神经网络检测羊肉新鲜度
查看原文2022
Food Chemistry
中科院一区JCR一区Cunchuan Liu, Zhaojie Chu, Shizhuang Weng, Gongqin Zhu, Kaixuan Han, Zixi Zhang, Linsheng Huang, Zede Zhu & Shouguo Zheng
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
卷积神经网络 定量预测/回归分析 高光谱/多光谱光谱本研究将电子鼻(E-nose)与高光谱成像(HSI)技术联用,用于评定羊肉的总挥发性盐基氮(TVB-N)含量 —— 该指标是评价肉品新鲜度的综合指标。研究采集了 10 个电子鼻传感器的响应值,并通过直方图统计筛选出 7 个有效响应传感器;从高光谱图像中提取反射光谱与图像特征,再通过随机蛙跳算法与皮尔逊相关分析优选有效变量。基于上述多源特征,构建输入改进型卷积神经网络(IMCNN)模型以预测 TVB-N 含量。将 7 个电子鼻传感器信号、有效波长(EWs)光谱及 5 项关键图像特征联合输入 IMCNN,取得最优预测效果,其预测集的均方根误差、相关系数、性能偏差比分别为:3.039 mg/100 g、0.920、3.59。综上,该方法可实现羊肉新鲜度的精准检测,为其他肉类品质的相关研究提供技术支撑。
-
基于传感器与机器学习的鱼类品质评估:机理性综述
查看原文2022
Food Control
中科院一区JCR一区Rehan Saeed, Huanhuan Feng, Xiang Wang, Xiaoshuan Zhang, & Zetian Fu
食品标签
鱼肉 品质、结构与理化性质 理化与结构表征计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据鱼类作为全球食品生产的重要组成部分,兼具高营养价值、易腐性的特点,且其品质易受捕捞前养殖环境及死后生理变化等因素的影响。传统检测方法操作繁琐、耗时长久,无法满足鱼类品质监测的实时化与现场化应用需求。传感器技术为此提供了极具潜力的替代方案,因此本研究基于检测原理,重点综述了比色传感器、电化学传感器、酶传感器及气体传感器在鱼类品质监测领域的创新应用。机器学习凭借其对现场传感器采集的海量数据的处理能力,已逐渐成为食品质量管理与品质预测的有力工具。然而,现阶段用于鱼类品质检测的新型传感器,在检测精度、稳定性、检测限、灵敏度、特异性、灵活性及低功耗等性能指标上仍存在不足。本综述旨在全面梳理鱼类品质评价指标、新型传感检测技术及机器学习算法的研究进展,结合鱼类品质预测与模式识别的应用场景,批判性剖析当前研究存在的空白与不足。此外,研究还着重探讨了该领域面临的现实挑战,并对未来发展方向进行展望。
-
基于无标记金纳米棒的SERS结合化学计量学用于柑橘中噻菌灵残留的快速定量检测
查看原文2022
Food Chemistry
中科院一区JCR一区Haihui Pan, Waqas Ahmad b, Tianhui Jiao, Afang Zhu, Qin Ouyang & Quansheng Chen
食品标签
新鲜水果 化学污染物 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 定量预测/回归分析 红外/拉曼光谱数据柑橘是全球消费量极高的水果。然而,柑橘种植过程中 噻苯咪唑(TBZ)农药的过量使用,会对人体健康构成威胁。为此,本研究建立了一种基于金纳米棒(Au NRs)的表面增强拉曼散射(SERS) 技术结合化学计量学的快速定量方法,用于柑橘中噻苯咪唑的检测。结果表明,支持向量机(SVM)可对不同数量级的 TBZ 残留进行判别,准确率达99.1667%;遗传算法 - 偏最小二乘法(GA-PLS)在柑橘中 TBZ 残留定量预测中表现最优,决定系数R p2=0.9737、预测均方根误差RMSEP=0.1179、剩余预测偏差RPD=5.85。该方法的检出限(LOD)为0.33 μg⋅mL −1。此外,采用 t 检验将本方法与标准高效液相色谱(HPLC)法进行验证对比,结果无显著性差异。综上,所构建的基于金纳米棒的 SERS 技术可用于柑橘中 TBZ 残留的快速定量分析。
-
基于深度学习网络框架的高光谱与低场核磁共振盐渍海参水分含量检测
查看原文2022
Food Research International
中科院一区JCR一区Fanyi Zeng, Weidong Shao, Jiaming Kang, Jixin Yang, Xu Zhang, Yang Liu, & Huihui Wang
食品标签
软体与贝类 品质、结构与理化性质 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
深度学习 定量预测/回归分析 多模态/融合数据 高光谱/多光谱光谱 红外/拉曼光谱数据在海参加工过程中,准确控制水分含量(MC)有助于提高海参的口感并保持其营养价值,这与海参的质量和保质期直接相关。本研究的目的是探讨利用深度学习(DL)基于高光谱成像(HSI)和低场核磁共振(LF-NMR)数据,实现盐渍海参水分含量快速无损检测的可行性。首先,将三种杜鹃搜索(CS)降维算法(传统-CS、二进制-CS和混沌-CS)分别与DL框架结合,利用HSI和LF-NMR数据建立预测模型,从而证明DL框架在预测海参水分含量方面的可行性,并选择混沌-CS算法作为最佳降维算法。然后,基于HSI和LF-NMR数据的MC可视化分别实现,用于检测MC的迁移和降低。最后,利用HSI和LF-NMR数据,讨论了基于Fusion-net深度学习(FDL)框架的模型优势,结果显示其性能优于单一数据模型,C组R²为0.9929,C组RMSE为0.0016,P组R²为0.9936,RPD为12.5041。总之,通过基于深度学习框架的HSI和LF-NMR数据,可以实现对盐渍海参中MC的快速无损检测,并验证了基于FDL框架的数据融合检测的优势。
-
通过电化学阻抗谱结合化学计量学技术识别生牛乳中尿素掺假
查看原文2022
Food Chemistry
中科院一区JCR一区Taiz Alana Minetto, Beatriz Denardi França, Gabriel da Silva Dariz, Emiliano Amarante Veiga, Alessandro Cazonatto Galvão & Weber da Silva Robazza
食品标签
液态乳 食品安全与风险评估 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/回归分析本研究旨在评估 电化学阻抗谱(EIS) 用于鉴别原牛乳中尿素掺假的适用性。研究对三批掺加尿素的原牛乳样品进行检测,系统聚类分析结果显示,样品可划分为三组,分别对应:低掺假组(小于 7 wt%)、中掺假组(8~16 wt%)、高掺假组(大于 16 wt%)。通过线性判别分析(LDA)建模,实现组间分类准确率达 90%。同时,采用含三个主成分方向的偏最小二乘(PLS)模型,对原牛乳中外加尿素的质量分数实现了良好的定量预测效果。最后,基于等效电路模型的拟合计算表明:尿素聚集体的形成会阻碍牛乳内部的电荷传输,进而降低体系电导率。研究结果证实,电化学阻抗谱可作为一种便捷、低成本、快速的检测手段,用于牛乳尿素掺假的鉴别。