01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 食品领域的人工智能与伦理:为供应链中的技术采用开发共同语言

    2022
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    Louise Manning, Steve Brewer, Peter J. Craigon, Jeremy Frey, Anabel Gutierrez, Naomi Jacobs, Samantha Kanza, Samuel Munday, Justin Sacks & Simon Pearson

    食品标签

    过程控制与数字化 标准/法规/数据库分析

    计算机标签

    机器学习/统计学习 深度学习

    背景:人工智能(AI)在食品供应链中的应用日益增长。与食品供应和技术相关的伦理语言是由利益相关者赋予其含义来情境化和构建的。未能区分这些细微的含义可能会成为技术采用的障碍,并减少由此带来的效益。
    范围与方法:本文综述的目的是考虑利益相关者在食品供应链中合作采用人工智能时所使用的嵌入伦理语言。伦理视角构成了本文献综述的框架,并提供了结构,以思考如何塑造一种共同的话语,从而建立对食品供应链中AI的信任,并构建更审慎的利用方式,最终使用户和更广泛的社会受益。
    关键发现与结论:尽管食品系统内数据的性质比欧盟通用数据保护条例(GDPR)所涵盖的个人数据广泛得多,但计算和人工智能系统的伦理问题是相似的,可以从特定方面考虑:透明度、可追溯性、可解释性、可诠释性、可访问性、问责和责任。本研究的成果有助于更全面地理解所使用的语言,探索食品供应链中人工智能应用各方面的伦理互动,以及可以采取的管理活动和行动,以提高人工智能技术的适用性、增加参与度并获得更大的绩效效益。这项工作对为食品供应链开发人工智能治理协议的人员以及供应链从业者都有重要意义。

  • 基于化学计量学和便携式近红外光谱的啤酒中二甘醇快速筛查方法

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    A.C.C. Fulgêncio, Glaucimar Alex Passos Resende, Marden Claret Fontoura Teixeira, Bruno Gonçalves Botelho & Marcelo Martins Sena

    食品标签

    酒精饮料 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 定量预测/回归分析 红外/拉曼光谱数据

    近期某巴西啤酒品牌多批次产品发生二甘醇(DEG)污染事件,引发广泛社会反响,已造成至少 7 人死亡。本文建立了一种基于便携式近红外光谱结合 偏最小二乘判别分析(PLS-DA) 的直接检测方法,用于啤酒样品中二甘醇的快速测定。该判别模型以 100 份未污染啤酒样品与 100 份二甘醇加标样品构建,二甘醇质量浓度范围为10~1000 mg·L⁻¹,共计 200 份不同品牌、不同风格的啤酒样品。研究通过假阳性率、假阴性率、灵敏度、特异度、准确率、符合度与一致性等方法学评价指标对该方法进行验证。方法的判定限(CCα)为 52 mg・L⁻¹,检测能力(CCβ)为 106 mg・L⁻¹。本方法无需消耗化学试剂与溶剂,适用于啤酒行业质量管控及法医鉴定工作。

  • 整合多源转录组信息并利用机器学习识别影响猪脂肪沉积的生物标志物

    2022
    Journal of Agricultural and Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Huatao Liu, Kai Xing, Yifan Jiang, Yibing Liu, Chuduan Wang, & Xiangdong Ding

    食品标签

    畜肉 品质、结构与理化性质 转录组学 标准/法规/数据库分析 脂质与脂肪酸

    计算机标签

    梯度提升决策树 小样本学习 定量预测/回归分析 组学数据 公开数据集

    猪脂肪沉积不仅与养猪生产效率和猪肉品质密切相关,也是研究人类肥胖的理想模型。转录组测序被广泛用于脂肪沉积研究,但小样本量、高假阳性率以及不同研究结果一致性差等问题仍然突出,亟需新策略。机器学习能够有效拟合复杂数据并准确识别样本和基因。本研究采集松辽黑猪和长白猪脂肪组织、肌肉组织和肝组织共 36 个样品并进行 mRNA 测序,同时从 GEO 数据库收集四个不同来源共 64 个样品的转录组数据。对包含 100 个样品的数据集进行标准化和缺失值填补后,研究开展传统差异表达分析,并选择不同数量的表达基因作为特征,训练 8 种机器学习模型。在 100 个样品上进行 1000 次四折交叉验证中,AdaBoost 表现最佳,对高低脂肪含量组的平均预测准确率超过 93%,平均曲线下面积最高。根据 AdaBoost 推断的性能排序,研究识别出 12 个与脂肪沉积相关基因,其中 FASN 和 APOD 在脂肪组织中特异表达,APOA1 在肝脏中特异表达,可能是影响脂肪沉积的重要候选生物标志物。

  • 便携式近红外光谱与基于偏最小二乘回归的变量选择用于藜麦粉掺假检测

    2022
    Food Control
    中科院一区
    JCR一区
    查看原文

    Zhuzhu Wang, Qianyi Wu, & Mohammed Kamruzzaman

    食品标签

    杂粮 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

    偏最小二乘法 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

    藜麦粉因营养价值高且全球市场需求持续增长,易成为经济利益驱动型掺假的目标。本研究采用便携式近红外光谱技术(NIRS)结合多元分析方法,建立藜麦粉掺假检测方案。研究首先通过主成分分析(PCA)与均匀流形近似与投影(UMAP)两种方法开展初步探究,筛选出藜麦粉中最具潜在风险的掺假物质。随后,向藜麦粉样品中掺入该物质,配制掺假比例为 0~51%(质量分数)的系列样本。基于原始光谱数据构建的偏最小二乘回归(PLSR)模型在掺假水平检测中表现最优,其预测决定系数(R p2)达 0.94、预测均方根误差(RMSEP)为 3.04%、预测偏差比(RPD)为 4.04、区间误差比(RER)为 11.84。利用 PLSR 模型输出的 投影重要性指标(VIP) 筛选出 13 个有效光谱波段,基于筛选波段构建的新 PLSR 模型性能显著提升:R p2升至 0.98、RMSEP 降至 1.60%、RPD 达 7.71、RER 达 22.56。研究结果表明,便携式近红外光谱技术可作为一种快速、低成本、无损的分析手段,在藜麦粉掺假检测中具有良好的应用潜力。

  • 基于差分迁移谱联用质谱(DMS MS)的西班牙PDO辣椒粉分类

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Guillem Campmajó, Javier Saurina, Oscar Núñez & Sonia Sentellas

    食品标签

    香精香料 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

    离子迁移谱(IMS)已在诸多研究领域展现出巨大应用潜力,尤其是与色谱技术或质谱(MS)联用时。然而,该技术在食品分析领域,特别是样品分类与真伪鉴别方面的应用报道仍十分有限。本研究首次将差分迁移谱 - 质谱联用技术(DMS–MS) 结合指纹图谱策略,作为一种可替代的高通量技术应用于食品分类与真伪鉴别。以 70 份西班牙辣椒粉样品(分别产自拉维拉、穆尔西亚和马略卡岛)为研究对象,采用 DMS–MS 进行检测,并分别通过偏最小二乘判别分析(PLS-DA) 开展产地分类、类模拟软独立建模(SIMCA) 进行真伪鉴别。经外部验证,结果显示:该方法可按地理来源实现样品的完全分类,并对拉维拉与马略卡岛样品实现优异的真伪鉴别效果。

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号