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
-
阿伦尼乌斯模型与人工神经网络预测冷冻罗非鱼品质变化的比较
查看原文2022
Food Chemistry
中科院一区JCR一区Hongli Wang, Yao Zheng, Wenzheng Shi & Xichang Wang
食品标签
鱼肉 保藏与贮藏 品质、结构与理化性质 蛋白质与氨基酸 理化与结构表征计算机标签
深度学习 定量预测/回归分析本研究旨在探究罗非鱼在112 天不同温度贮藏过程中的品质变化(冰晶形貌、Ca²⁺-ATP 酶活性、总巯基(SH)含量、内源荧光强度(IFI)及 K 值(鲜度指标)),并构建动力学模型与人工神经网络(ANN)模型对上述变化进行预测。贮藏前 4 周内,样品冰晶截面面积与等效直径显著增大,Ca²⁺-ATP 酶活性与总巯基含量急剧下降,差异具有统计学意义(p < 0.05)。在 265 K、259 K、253 K、233 K 条件下贮藏 16 周后,最大波长内源荧光强度(IFI_λmax)分别下降 43.95%、29.77%、28.97% 与 18.58%。基于 IFI_λmax 构建的动力学模型可精准描述 233–265 K 范围内的贮藏品质变化;而其他指标所建模型在贮藏后期(14–16 周)预测精度有所下降。人工神经网络模型的预测效果优于阿伦尼乌斯模型,对所有品质指标均具备更佳的预测性能。
-
不同番鸭原料对南京盐水鸭肉品质和风味的评价
查看原文2022
Food Chemistry
中科院一区JCR一区Zongshuai Zhu, Anthony Pius Bassey, Yaqi Cao, Xiaolan Du, Tianran Huang, Yiqun Cheng & Ming Huang
食品标签
禽肉 特征风味 光谱/色谱/质谱等分析方法 质构与流变测试计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 时序传感器/物联网数据目前针对不同番鸭(Cairina moschata)原料制作的南京盐水鸭(NWSD),其肉质与风味品质评价的相关研究较为匮乏。为筛选适配南京盐水鸭加工的番鸭原料,本研究分别选用65、70、75 日龄母番鸭与75、80、85 日龄公番鸭为原料,制作 6 组南京盐水鸭制品。研究采用色差仪、质构仪、顶空 - 气相色谱 - 离子迁移谱(HS-GC-IMS)、电子鼻、电子舌等仪器,系统测定其肉质品质、挥发性有机化合物(VOCs)及滋味、气味特征。经偏最小二乘判别分析(PLS-DA)、 主成分分析(PCA)与变量重要性投影(VIP) 方法筛选,共得到 32 种标志性挥发性有机化合物。结果表明,80 日龄公番鸭的水分与蛋白质含量适中,肉质质构特性优良、色泽鲜亮,标志性挥发性物质种类丰富且组别区分度显著,是制作南京盐水鸭的优选原料。
-
包装4.0:迈向智能化的新范式
查看原文2022
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区Kambiz Sadeghi, Jongkyoung Kim & Jongchul Seo
食品标签
包装与智能监测 过程控制与数字化 循环经济与绿色供应链计算机标签
机器学习/统计学习 过程控制与实时优化 模拟与数字孪生 时序传感器/物联网数据第四次工业革命(I4.0)旨在利用与基于网络的平台相互连接的智能技术,实现产品生命周期的数字化。I4.0的元素可用于推动包装4.0的发展,提高生产力和效率。然而,由于在包装科学领域对I4.0元素的理解存在差距,I4.0在包装科学中的适用性尚未得到充分研究。此外,市场的演变和客户需求的变化带来了复杂性,这需要一种具有高度精准性的商业模式。由于包装从产品制造一直伴随到消费者阶段,因此可以借助包装实现产品生命周期的数字化。本文探讨了I4.0对包装科学的影响,以确定包装4.0在各个领域(如制造业、材料、供应链、零售业和消费后领域)的潜在益处。在本研究中,包装4.0的定义基于一个框架,该框架包括包装制造、包装与产品、包装与消费者以及包装与可持续性(生态、经济和社会方面)。此外,本文还引入了一种去中心化模型,通过去中心化的决策中心来实现自我控制理念。在此背景下,包装4.0可以通过企业横向整合、企业纵向整合以及端到端工程的结合来实现。智能设备(如传感器、指示器、执行器和可穿戴智能设备)与物联网和云相互连接,是实现去中心化模式的有效途径。在包装4.0背景下实施智能平台,能够在供应链、店内和购买后阶段实现去中心化的数据收集,进而实现对产品生命周期的持续监控。
-
固体食品间竞争吸收导致的荧光猝灭:快速无损测定姜黄粉中掺杂玉米粉
查看原文2022
Food Chemistry
中科院一区JCR一区Jing-Ya Xie, Jin Tan, Shu-Hua Tang & Ying Wang
食品标签
香精香料 玉米 食品安全与风险评估 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
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首次观测到固态食品中不同组分因竞争性吸收而引发的荧光猝灭现象。采用 正面同步荧光光谱法(FFSFS) 与荧光滴定实验,证实玉米粉与姜黄粉之间的竞争性吸收,来源于玉米粉中的酚酸与姜黄粉中的姜黄素之间的相互作用。研究将 FFSFS 应用于姜黄粉中掺伪玉米粉的快速、无损检测。基于展开式全同步荧光光谱,通过 偏最小二乘回归(PLSR) 构建预测模型,并采用五折交叉验证与外部验证进行模型考核;结果显示,预测决定系数(R p2)> 0.95,预测均方根误差(RMSEP)<6%,预测相对误差(REP)< 15%,剩余预测偏差(RPD)> 5。该方法对玉米粉掺伪的检出限(LOD)约为 9%,且大部分测试样品的相对误差分布在−20%~20% 之间。
-
基于人工智能增强高光谱成像技术实时监测大黄鱼鱼片颜色变化
查看原文2022
Food Chemistry
中科院一区JCR一区Shengnan Wang, Avik Kumar Das, Jie Pang & Peng Liang
食品标签
鱼肉 颜色与外观品质 光谱/色谱/质谱等分析方法计算机标签
深度学习 定量预测/回归分析 红外/拉曼光谱数据本研究首次将可见 - 近红外高光谱成像(Vis-NIR HSI)系统与人工神经网络相结合,探究其用于监测低温贮藏过程中大黄鱼(Larimichthys crocea)鱼片色泽变化的可行性。研究构建了基于泄漏修正线性单元(Leaky-ReLU)激活函数的前馈神经网络(FNN),作为非线性定量分析模型。基于优选光谱,该模型对色泽指标具备优良的预测精度:其中亮度值L ∗、红度值a ∗、黄度值b ∗的预测决定系数R P2分别为 0.908、0.915、0.977,预测均方根误差RMSEP分别为 1.062、3.315、0.082。最终,采用简化版 FNN-Leaky-ReLU 模型(S-FNN-L)实现鱼片色泽参数分布的可视化成像。结果表明,高光谱成像技术可替代传统色差仪,以快速、无损的方式完成鱼片色泽检测与空间分布测定,具备良好应用可行性。