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
-
利用近红外光谱和同位素质谱确定上海特色大米的地理来源和栽培方法
查看原文2022
Food Chemistry
中科院一区JCR一区Xing Liu, Bin Bai, Karyne M. Rogers, Dan Wu, Qunli Qian, Fang Qi, Jiaxin Zhou, Chunxia Yao & Weiguo Song
食品标签
大米 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 深度学习 分类/鉴别/等级评定 红外/拉曼光谱数据松江 种养结合稻(CPB)与崇明无化肥农药稻(NCFP) 是面向上海都市农业开发的两款优质特色稻米。防范这两类产品出现产地虚假标识、栽培模式造假行为,具有重要意义。为鉴别松江与崇明稻米产地,并区分其栽培模式(种养结合 CPB / 非种养结合 NCPB、无化肥农药 NCFP / 常规化肥农药 CFP),本研究建立了近红外光谱(NIR)、同位素比质谱(IRMS)结合化学计量学的检测方法。结果表明:采用 NIR 结合偏最小二乘判别分析(PLS-DA)与学习向量量化神经网络(LVQNN),可将松江、崇明稻米与其他产地稻米完全区分;利用 NIR 或 IRMS 均可完全鉴别松江 CPB 与 NCPB 稻米;而崇明 NCFP 与 CFP 稻米的最优鉴别准确率为87.5%。该方法为上海特色稻米的产地与栽培模式鉴别提供了快速、稳定的技术手段。
-
基于非靶向LC-MS鉴定影响储存期间风味感知的Rebaudioside A降解产物
查看原文2022
Food Chemistry
中科院一区JCR一区Benjamin S. Gelinas, Yifan Liu, Edisson Tello & Devin G. Peterson
食品标签
饮料 其他添加剂与配料 保藏与贮藏 品质、结构与理化性质 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 定量预测/回归分析 组学数据本研究采用非靶向液相色谱 - 质谱风味组学化学轮廓分析,旨在鉴定可预测 莱鲍迪苷 A(Reb A) 在酸化饮料中、35℃条件下贮藏 6 周后风味不稳定性的标志物化合物。基于化学轮廓数据与四点感官评价法得到的 d’值,构建了预测性能良好的高质量正交偏最小二乘(OPLS)分析模型。研究筛选出 4 个预测能力最强的化合物并完成结构鉴定:莱鲍迪苷 A(呈负相关),以及 3 种莱鲍迪苷 A 降解产物(均呈正相关),分别为 Reb A 的重排产物、水合产物、环氧化 / 重排产物,依次命名为化合物 1、2、3。经测定,陈化饮料中化合物 1–3 的浓度均低于其感官识别阈值;但将三者按比例复配进行感官重组实验后发现,该三元混合物可产生可感知的显著风味变化,且与陈化饮料的风味特征高度一致。
-
基于绿色还原银纳米颗粒的表面增强拉曼光谱与多元校准技术检测食品中的镉
查看原文2022
Food Chemistry
中科院一区JCR一区Ping Chen, Limei Yin, Hesham R. El-Seedi, Xiaobo Zou & Zhiming Guo
食品标签
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/拉曼光谱数据镉(Cd)作为一种有毒重金属,会对人体健康造成广泛危害。本研究提出一种表面增强拉曼光谱(SERS)检测方法,以海藻酸钠(SA)作为绿色还原剂,结合边缘富集技术与化学计量学,构建无标记的镉定量分析模型。利用海藻酸钠合成的银纳米颗粒分散性良好,增强因子可达 3.48×10⁵。研究通过优化特征分子(三聚硫氰酸)浓度与待测液滴体积,建立了最优检测体系。对比了基于不同预处理方法与变量筛选算法构建的偏最小二乘模型,结果显示:采用一阶导数预处理结合竞争性自适应重加权采样算法的模型性能最优,预测相关系数(Rp)为 0.9989,预测均方根误差(RMSEP)为 1.6225,在食品样品中的检出限低至 2.36×10⁻⁵ μg/L。综上,这种结合边缘富集技术与化学计量学的 SERS 方法,为食品中镉的快速、无标记检测提供了可行方案。
-
基于代谢组学分析的冷藏和冷冻鸡中新型生物标志物的鉴定及其应用
查看原文2022
Food Chemistry
中科院一区JCR一区Kewen Wang, Xue Wang, Li Zhang, Ailiang Chen, Shuming Yang & Zhenzhen Xu
食品标签
禽肉 品质、结构与理化性质 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 分类/鉴别/等级评定商家将冷冻鸡肉冒充冰鲜鸡肉销售,引发了多起经济利益驱动型掺伪(EMA)事件。本研究首先基于代谢组学构建正交偏最小二乘判别分析(OPLS-DA)与正交偏最小二乘回归(OPLS-R)模型,筛选出冰鲜鸡肉与不同储藏时间冷冻鸡肉的差异代谢物。基于上述差异化合物建立的偏最小二乘判别分析(PLS-DA)模型,对生制冰鲜与冷冻鸡肉的掺伪鉴别准确率分别达到训练集 91%、测试集 100%。其次,研究通过烹煮实验,探究熟制冰鲜与冷冻鸡肉的品质差异。冰鲜鸡块中 烟酰胺、邻乙酰基 - L - 肉碱、次黄嘌呤、肌苷酸(IMP) 含量更高,表明其营养品质更优、风味更佳;而冷冻鸡块中苦味与酸味肽含量更高,反映其新鲜度下降。
-
将数据挖掘作为食品安全审核数据异常检测的工具
查看原文2022
Food Control
中科院一区JCR一区J.A. Kleboth, H. Kosorus, T. Rechberger, & P.A. Luning
食品标签
标准/法规/数据库分析 食品安全与风险评估计算机标签
机器学习/统计学习 知识抽取与语义理解 文本/知识库/法规数据获证食品企业接连曝出的食品安全事件,使第三方食品安全审核的公正性与可信度持续受到质疑。为对各参与方的履职情况进行监督,并及时发现审核数据中的异常问题,相关机构已为食品安全认证项目所有者(CPOs)制定了诚信管理方案。然而,在海量数据中筛查此类异常信息不仅耗时费力,且目前尚未形成标准化操作方法。本研究探索运用数据挖掘技术与算法模型,实现审核诚信校验的自动化处理,并对适宜算法的可行性展开初步验证。研究从三种潜在适用算法中,选定耦合偏向随机游走算法(CBRW) 作为识别审核数据异常的基础算法。研究人员对该算法进行调整与拓展,使其能够输出潜在异常的诱因分析结果,帮助诚信管理人员更快速地定位异常成因。三位行业专家对该算法的样本检测结果进行核验,并展开深入研讨。验证结果显示,该算法的判别准确率达 80%,同时还挖掘出若干专家此前未掌握的新发现。上述研究结论表明,数据挖掘技术在食品安全审核异常检测领域具备进一步探索的价值。