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 236 条结果
-
基于近红外光谱结合斜率和偏置校正与校准更新提升猕猴桃可溶性固形物含量的预测性能
查看原文2023
Food Research International
中科院一区JCR一区Shijie Tian, Wei Liu & Huirong Xu
食品标签
新鲜水果 品质、结构与理化性质 过程监测与在线检测 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 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据可溶性固形物含量(SSC)对猕猴桃尤为重要,它不仅决定风味,还有助于评估成熟度。可见/近红外光谱已广泛用于评估猕猴桃SSC。然而,基于局部样本建立的校准模型对于具有生物变异性的新批次样品可能效果不佳,这限制了该技术的商业应用。因此,本研究利用一批猕猴桃建立了校准模型,并使用来源和收获时间不同的另一批次样品测试其预测性能。利用第一批猕猴桃建立了四种SSC预测校准模型,分别基于全光谱、连续有效波长和离散有效波长。这四种模型在内部验证集上的R2v值分别为0.83、0.92、0.96和0.89,对应的RMSEV值分别为1.08%、0.75%、0.56%和0.89%,RPDv值分别为2.49、3.61、4.80和3.02。显然,所有四种PLSR模型在验证集上均表现良好。然而,这些模型在预测第二批样品时表现很差,其RMSEV值均超过1.5%。尽管模型无法用于精确预测SSC,但由于预测的SSC值可拟合为一条特定直线,它们仍能在一定程度上解释第二批猕猴桃的SSC值。为了使CSMW-PLSR校准模型能够预测第二批猕猴桃的SSC,本研究通过校准更新和斜率/偏置校正提高了该模型的鲁棒性。随机选取不同数量的新样本用于更新和SBC,最终确定用于更新和SBC所需的最小样本数分别为30和20。经过校准更新和SBC后,新模型在预测集上的平均R2p、平均RMSEP和平均RPDp值分别为0.83和0.89、0.69%和0.57%、2.45和2.97。总体而言,本研究提出的方法能有效解决校准模型在预测具有生物变异性的新样本时性能不佳的问题,使模型更加稳健,从而为实际应用中SSC在线检测模型的维护提供了重要指导。
-
基于高交联玉米蛋白的多功能pH敏感主动智能包装,用于猪肉鲜度监测
查看原文2023
Food Chemistry
中科院一区JCR一区Jianglong Kong, Xiaohan Ge, Yuting Sun, Meiru Mao, Hongrui Yu, Runxuan Chu & Yi Wang
食品标签
畜肉 新鲜水果 植物油 茶/茶饮料 保藏与贮藏 品质、结构与理化性质 营养与生物功能 食品安全与风险评估 包装与智能监测 颜色与外观品质 抗氧化/抗炎等功能 包装设计与机械性能 花青素与类胡萝卜素 其他植物化学物质计算机标签
可见光/RGB/视频数据智能包装不仅能够保护食品免受外界环境因素的损害,还可直观监测食品品质与安全状态的变化。本研究以高交联玉米醇溶蛋白为基质,制备出一种兼具pH响应特性、抑菌及抗氧化性能的新型智能包装膜。交联剂添加量为0.05克/克时,复合膜具备最优力学性能,其拉伸强度与断裂伸长率分别为纯玉米醇溶蛋白膜的2.42倍和1.53倍。此外,因负载茶树精油的介孔二氧化硅纳米颗粒被添加入膜材中,该智能包装具备长效抑菌与抗氧化活性。研究将蓝莓花青素作为比色指示剂掺入包装膜内,可借助手机实现肉制品的安全监测。以该复合膜包装猪肉制品,在储存9天后膜体由无色变为棕褐色,可直观表征猪肉发生变质。据现有文献所知,本研究首次实现三点创新:1)将负载茶树精油的介孔二氧化硅纳米颗粒应用于食品包装领域;2)将茶树精油作为抑菌剂添加至玉米醇溶蛋白膜中;3)利用手机检测玉米醇溶蛋白基薄膜的红绿蓝色彩参数值。本研究为开发多功能、极具应用前景的可生物降解智能包装提供了参考范例,也为提升食品安全保障水平提供了新的思路。
-
一种针对不同产地霉心苹果光谱模型的迁移学习方法
查看原文2023
Food Control
中科院一区JCR一区Zhongxiong Zhang, Haoling Liu, Zichao Wei, Miao Lu, Yuge Pu, Liulei Pan, Zuojing Zhang, Juan Zhao, & Jin Hu
食品标签
新鲜水果 微生物安全 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 循环神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据本研究采用补偿模型与迁移学习模型两种方法,旨在提升霉变苹果果核检测模型对不同产地样品的适应性。实验采集了扶风、灵宝两个产区苹果的光谱数据,以偏最小二乘判别分析(PLS-DA)模型和最小二乘支持向量机(LS-SVM)模型为基础,分别构建了各产地的局部模型、全局模型及基于迁移成分分析(TCA)的迁移学习模型。结果表明,补偿模型与基于 TCA 的迁移学习模型均能有效消除产地因素对模型性能的干扰。相较于补偿模型法,采用灵宝产区数据构建的基于 TCA 方法的 LS-SVM 模型,其特异性与准确率分别提升了 9.09% 和 4.54%。外部验证实验进一步验证了上述理论结果的可靠性。本研究为解决单一产地模型适应性差的问题提供了切实可行的方案,同时也为霉变苹果果核的光谱检测建立了一套可靠且通用的方法。
-
利用多组学分析和机器学习揭示黄龙病影响柑橘品种中植物代谢与植物相关细菌的相互作用
查看原文2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Jingwen Li, Fred G. Gmitter, Boce Zhang, & Yu Wang
食品标签
新鲜水果 肠道健康与微生物相关功能 代谢组学 微生物组/宏基因组学 其他植物化学物质计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据黄龙病是全球柑橘产业中高度破坏性的病害,会造成显著经济损失且目前尚无有效治愈方法。然而,柑橘植物形成的微生物组可能作为病害拮抗因子,提高对黄龙病的耐受水平。本研究建立了不同柑橘品种非靶向代谢组学和微生物组学数据的整合分析框架,为理解黄龙病发展过程中植物代谢与植物相关细菌之间的相互作用提供了关键见解。研究采用机器学习模型在多种柑橘材料中筛选重要代谢物和细菌,并进一步分析所选代谢物,以识别植物中富集的关键通路并与所选细菌进行关联。结果表明,植物通路调控,尤其是 ABC 转运蛋白、泛醌及其他萜类-泛醌生物合成通路,可能影响微生物群落结构。这些发现提示,可通过调节柑橘植物中的细菌或培育耐受性柑橘品种,为黄龙病控制提供潜在解决方案。
-
利用微型近红外光谱技术对'秋月'梨木栓斑病早期无症状诊断方法
查看原文2023
Food Chemistry: X
中科院一区JCR一区Li Liu, Hanhan Zhang, Lin Wu, Shangfeng Gu, Jing Xu, Bing Jia, Zhenfeng Ye, Wei Heng & Xiu Jin
食品标签
新鲜水果 其他安全问题 过程监测与在线检测 常规理化指标测定 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
支持向量机 超参优化/自动机器学习 缺陷/异物检测与定位 红外/拉曼光谱数据'秋月'梨木栓斑病的早期症状与健康果实难以区分,阻碍了生产中的早期识别。本研究检测了木栓化褐变的'秋月'梨、无症状果实和健康果实的相关矿质元素含量。利用微型近红外光谱仪采集光谱信息,并对近红外光谱数据应用多种预处理方法。使用原始数据进行支持向量机建模,总体识别准确率最高达到84.65%,F1值为84.06%。对于识别无木栓斑病的果实,采用SG方法处理数据并通过Autokeras建模,最佳准确率达到90%。这些发现为'秋月'梨木栓斑病的早期识别和诊断提供了可靠基础,有助于提升梨生产管理。