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
-
小麦来源对‘Blanche’小麦精酿啤酒挥发性成分的影响:一项化学计量学研究
查看原文2022
Food Chemistry
中科院一区JCR一区Riccardo De Flaviis, Veronica Santarelli, Delvana Mutarutwa, Marialisa Giuliani & Giampiero Sacchetti
食品标签
小麦 酒精饮料 品质、结构与理化性质 风味组学计算机标签
偏最小二乘法 分类/鉴别/等级评定精酿啤酒的香气是影响其整体可接受性与饮用口感的关键因素,原料会直接决定啤酒中挥发性有机化合物(VOCs)组成与香气特征。本研究分析了采用 不同产地(品种与种植地点) 的普通小麦(Triticum aestivum L.),并按梯度添加量制备的小麦精酿啤酒的挥发性有机化合物轮廓。PLS2 分析结果表明,小麦添加比例是影响 VOCs 组成的主要因素,而品种(维托里奥 Vittorio、索利纳 Solina)与种植海拔(海拔 70、500、1200 m)对 VOCs 变异的影响相对较小。偏最小二乘判别分析(PLS-DA)可依据 VOCs 轮廓对两个品种小麦酿造的啤酒进行区分,其中2 - 乙基己醇作为品种特异性标志物,仅在索利纳小麦酿制的啤酒中检出。
-
使用机器人和主动学习优化复杂食品配方
查看原文2022
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Deborah Becker, Christophe Schmitt, Lionel Bovetto, Cornelia Rauh, Christopher McHardy & Christoph Hartmann
食品标签
其他复合食品 过程优化与控制策略计算机标签
机器学习/统计学习 设计/生成与推荐配方产品的创建和优化是食品领域科学和工业面临的主要挑战。在此过程中,需要混合和加工不同的原材料,以满足预定义且通常相互竞争的目标。在这一过程中,应用的实验方案不仅需要专业知识,而且根据复杂程度,还会导致资源和成本的高消耗。在本研究中,设计了一个由汤普森采样高效多目标优化(TSEMO)算法驱动的全自动毫流体实验室。该方法成功应用于优化由乳清分离蛋白、NaCl和CaCl2组成的液体配方的聚集过程。在48小时内,无需人工干预即可完成90次实验,得到了一组由18个最优配方形成的帕累托前沿。因此,这成功展示了一个主动学习、自主驱动的食品配方开发过程。
-
用于食品样品中乐果农药现场测定的智能手机集成打印纸传感器设计
查看原文2022
Food Chemistry
中科院一区JCR一区Sanyukta Patel, Kamlesh Shrivas, Deepak Sinha, Monisha, Tarun Kumar Patle, Sanjay Yadav, Santosh Singh Thakur, Manas Kanti Deb & Shamsh Pervez
食品标签
化学污染物 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据本文设计了一种操作简便、便携化、集成智能手机的纸质印刷传感器,该传感器以 铜银核壳纳米颗粒(Cu@Ag NPs)为传感单元,用于食品样品中乐果(dimethoate) 农药的现场检测,并将检测结果与紫外 - 可见分光光度法进行对比。该传感器识别乐果的工作原理为:将农药滴加至制备好的传感试纸或装有纳米颗粒的玻璃样品瓶后,黄色的纳米颗粒体系变为橘黄色,同时伴随特征吸收峰发生红移(bathochromic shift)。研究采用智能手机色彩识别 App 与比色法,实现食品中乐果的定量分析。纸质传感器与比色法检测乐果的线性范围分别为100~2000 μg/L和50~2500 μg/L,检出限分别为30 μg/L和16 μg/L。相较于其他基于纳米颗粒的比色检测方法,智能手机联用纸质传感装置的优势在于:检测快速、无需大型仪器、且纳米颗粒试液消耗量更低,经济高效。
-
基于花香和蜂蜜香味的单丛茶香气多样性研究:挥发性化合物与感官特征的化学计量学分析
查看原文2022
Food Control
中科院一区JCR一区Wei Chen, Die Hu, Aiqing Miao, Guangjun Qiu, Xiaoyan Qiao, Hongling Xia, & Chengying Ma
食品标签
茶/茶饮料 特征风味 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 分类/鉴别/等级评定凤凰单丛茶是中国乌龙茶中的名优品种,以其香型丰富多变而闻名。然而,这种香型多样性无论是从感官品评层面,还是化学物质分析层面,均难以阐明其内在机制。本研究以凤凰单丛茶典型的 “花香型” 与 “蜜香型” 风味为切入点,对其香气物质进行表征,并结合化学计量学方法探究了两种香型风味背后的挥发性成分差异。为充分涵盖凤凰单丛茶的香型多样性,本研究共收集了 70 份不同品类的茶叶样品。感官审评结果显示,所有样品均呈现出明显的花香或蜜香特征。在挥发性成分分析中,采用顶空固相微萃取 - 气相色谱 - 质谱联用技术(HS-SPME-GC-MS),从所有样品中鉴定出 57 种挥发性化合物。基于香型的分类结果与基于挥发性成分的无监督学习分析结果,呈现出一致的样品聚类模式,这表明花香与蜜香两种风味的差异与茶叶中挥发性成分的组成变化密切相关。研究筛选出 9 种挥发性成分作为两类香型差异的潜在标志性物质:其中,吲哚、反式 - 橙花叔醇、2 - 苯基乙腈和 γ- 己内酯是构成花香型风味主导特征的关键物质;而 2 - 甲基丁酸己酯、戊酸顺式 - 3 - 己烯酯、顺式 - 吡喃型芳樟醇氧化物、反式 - 呋喃型芳樟醇氧化物和顺式 - 呋喃型芳樟醇氧化物则是形成蜜香型风味感官特征的重要组分。本研究构建了一套基于花香、蜜香风味特征的挥发性成分分类体系,研究结果可为凤凰单丛茶的香气品质管控提供理论依据与技术支撑。
-
食品标签
食品安全与风险评估 其他体内/人群研究计算机标签
机器学习/统计学习 知识抽取与语义理解 文本/知识库/法规数据基于机器学习技术在中国食源性疾病暴发监测系统中的验证性应用实践,证实该技术具有十分积极的应用成效。本研究总结了当前利用机器学习在优化病例报告流程、辅助临床诊断及预测疫情暴发方面的一系列有效尝试,并在此基础上提出一套通用框架,以期推动食源性疾病监测系统向智能化方向升级完善,为保障人类健康提供有力支撑。