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
-
基于UHPLC-Q/TOF-MS的比较代谢组学方法结合机器学习算法区分窄地理来源的祁门红茶
查看原文2022
Food Research International
中科院一区JCR一区Chuan-yi Peng, Yin-feng Ren, Zhi-hao Ye, Hai-yan Zhu, Xiao-qian Liu, Xiao-tong Chen, Ru-yan Hou, Daniel Granato, & Hui-mei Cai
食品标签
茶/茶饮料 食品安全与风险评估 其他安全问题 代谢组学 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 支持向量机 随机森林 主成分分析/判别分析 分类/鉴别/等级评定 组学数据地理标志是中国茶产品的一个显著特征。在本研究中,采用基于UHPLC-Q/TOF-MS的代谢组学方法结合化学计量学来确定祁门红茶的五个狭窄地理来源。共鉴定出三十九种差异化化合物(VIP > 1),其中八种进行了定量分析。化学计量学分析显示,线性判别分析(LDA)分类准确率模型为91.7%,交叉验证准确率为84.7%。引入了三种机器学习算法,即前馈神经网络(FNN)、随机森林(RF)和支持向量机(SVM),以提高狭窄地理来源的识别能力,模型的性能通过混淆矩阵、受试者工作特征曲线(ROC)和曲线下面积(AUC)进行评估。来自五个狭窄地理产区的祁门红茶,RF、SVM 和 FNN 的识别率分别为 87.5%、94.44% 和 100%。重要的是,FNN 展现出了卓越的分类效果,准确率达 100%。结果表明,代谢组学指纹结合化学计量学可以用于鉴定祁门红茶的狭窄地理产区来源。
-
基于红菜花青素的鱼新鲜度预测标签研究
查看原文2022
Food Control
中科院一区JCR一区Shuliang Fang, Zhihao Guan, Cheng Su, Wenshuo Zhang, Jian Zhu, Yuewei Zheng, Houbin Li, Pingping Zhao, & Xinghai Liu
食品标签
鱼肉 品质、结构与理化性质 包装与智能监测 显微与成像技术计算机标签
机器学习/统计学习 分类/鉴别/等级评定 可见光/RGB/视频数据近年来,可精准评估食品新鲜度的生物安全型比色标签已成为研究热点。本研究将紫甘蓝花青素标签与反向传播(BP)神经网络相结合,构建了一套鱼肉新鲜度监测系统。实验以从紫甘蓝中提取的花青素作为显色响应色素,以羧甲基壳聚糖 / 氧化海藻酸钠(CMCS/OSA)为固相基质,将二者分散于硅溶胶中,通过丝网印刷法制备得到比色标签。该标签摒弃了传统比色卡比对的方法,可直接通过手机识别以获取食品新鲜度信息。在鱼肉贮藏过程中,花青素会随环境 pH 值变化产生响应,驱动标签呈现出连续的颜色梯度变化。由于计算机对色彩变化的敏感度远高于人眼,研究人员根据鱼肉新鲜度等级将标签划分为三类。利用带有标注信息的紫甘蓝花青素标签图像训练 BP 神经网络,模型对鱼肉新鲜度的预测总体准确率达 92.6%。将该 BP 神经网络整合至智能手机应用程序中,即可构建一套操作简便的检测系统,实现比色标签的快速扫描与鱼肉新鲜度的实时判定。该系统可应用于食品供应链全流程的质量管控。
-
机器学习辅助的多元素建模用于食用动物血制品真伪鉴别
查看原文2022
Food Chemistry: X
中科院一区JCR一区Fangkai Han, Joshua H. Aheto, Marwan M.A. Rashed & Xingtao Zhang
食品标签
内脏及副产物 食品安全与风险评估 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 组学数据提出了元素指纹图谱结合机器学习建模用于食用动物血凝胶(EABG)的物种鉴别。采用电感耦合等离子体质谱法(ICP-MS)和原子吸收光谱法(AAS)测定了来自鸭、鸡、牛、猪和羊五种动物的150个EABG样品中的25种元素。构建并优化了极限学习机(ELM)模型。通过逐步判别分析和单因素方差分析筛选关键输入元素,并比较了主成分分析(PCA)和Fisher线性判别分析(Fisher LDA)进行降维。从测量元素的相对含量中通过单因素方差分析选择关键元素,获得最优ELM模型,训练集和测试集的准确率分别为98.0%和96.0%。所有研究结果表明,元素指纹图谱结合ELM在食用动物血制品真伪鉴别方面具有巨大潜力。
-
从正相液相色谱指纹图谱构建仪器无关的多变量模型:以橄榄油真伪鉴别为例
查看原文2022
Food Control
中科院一区JCR一区Christian H. Pérez-Beltrán, Ana M. Jiménez-Carvelo, Sandra Martín-Torres, Fidel Ortega-Gavilán, & Luis Cuadros-Rodríguez
食品标签
植物油 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 支持向量机 分类/鉴别/等级评定仪器色谱指纹图谱等非靶向分析策略已广泛应用于食品真伪鉴别与品质检测领域。尽管已开发的多元统计分析方法能够解决各类食品真伪鉴定问题,但这类方法的建模效果往往依赖于信号采集时的仪器状态,导致模型难以在不同实验室间迁移应用。本研究旨在构建不受仪器状态及信号采集时间影响的多元统计模型。研究采用正相超高效液相色谱 - 紫外 / 可见光谱联用技术(NP-UHPLC-UV/Vis) 对不同橄榄油样品的极性组分进行检测,将所得色谱图转化为与仪器无关的指纹图谱。具体实现方法为:在整个分析序列中,将一组专用外标混合溶液的色谱行为特征迁移至其余待测样品,以此消除仪器差异带来的影响。基于仪器无关化处理前后的色谱指纹图谱矩阵分别建立 SIMCA 模型,结果显示,两类模型在 “无法判定” 样本的归类数量上存在显著差异,其中经仪器无关化处理后构建的模型表现更优。此外,对比信号处理前后建立的 PLS-DA 与 SVM 模型,二者的判别效果基本一致。本研究的核心结论可归纳为:仪器无关化处理方法能够助力构建可在不同实验室间迁移的多元分类模型,这类模型的稳定性不受信号采集时间的影响。
-
紧凑型近红外分光光度计结合多元数据分析评估烘焙咖啡特性的可行性研究
查看原文2022
Food Control
中科院一区JCR一区Jamille Carvalho Souza, Celio Pasquini, & Maria C. Hespanhol
食品标签
咖啡饮料 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
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据本研究采用多变量分析方法,对两台低成本小型近红外(NIR)分光光度计的性能展开评估,旨在检测商用烘焙研磨咖啡的多项品质指标。这两台仪器的光谱检测范围不同,分别为 900–1700 nm 与 1300–2500 nm,且搭载的分光技术亦不相同。实验所用的综合样本集包含 145 份咖啡样品,其原料来源、品种配比(阿拉比卡纯品、阿拉比卡与阿拉比卡拼配、阿拉比卡与罗布斯塔拼配)、脱因处理与否均存在差异;据生产企业提供的信息,这些样品的多项感官品质指标(苦味、醇厚度、酸度、酒体感及烘焙度)也呈现出不同等级。研究人员借助一款可驱动样品瓶进行旋转与直线位移的探测装置,采集到了各样本的代表性光谱数据。为验证两台仪器的判别能力,研究基于光谱数据集构建了主成分分析(PCA)模型。结果显示,当两台紧凑型仪器的主成分分析均计算至第四主成分时,不同产地、品种、脱因及常规咖啡样品在主成分得分图中实现了有效聚类与清晰区分,且同一品牌咖啡的不同批次间差异亦能被识别。研究进一步构建偏最小二乘(PLS)回归定量模型,以评估小型分光光度计检测咖啡样品醇厚度、苦味、酒体感、烘焙度及酸度指标的可行性。通过 Jack-Knife 算法筛选变量后,基于 NanoNIR 与 NeoSpectra 两台仪器的数据集所建立的偏最小二乘模型,对各项感官指标预测的外部验证均方根误差分别为:醇厚度 1.3 与 1.2、苦味 0.7 与 0.7、酒体感 0.6 与 0.5、烘焙度 0.5 与 0.5、酸度 0.8 与 0.7。此外,采用限定样本集构建局部回归模型,可进一步提升定量分析结果的准确性。综上,研究结果表明,低成本小型近红外分光光度计具备对商用烘焙研磨咖啡进行定性与定量表征的潜力;相较之下,搭载傅里叶变换技术且光谱检测范围更全面的仪器,性能表现略占优势。