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 236 条结果
-
通过种子酚谱评估栽培浆果的真实性
查看原文2023
Food Chemistry
中科院一区JCR一区Đurđa D. Krstić, Petar M. Ristivojević, Uroš M. Gašić, Mila Lazović, Milica N. Fatinić Akišić, Jasminka Milivojević, Gertrud E. Morlock, Dušanka M. Milojković-Opsenica & Jelena D. Trifković
食品标签
新鲜水果 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
分类/鉴别/等级评定考虑到浆果类水果食用对健康的益处,以及食品真实性已成为最重要质量保障指标之一、市场对此需求日益增长,本研究将高效薄层色谱、超高效液相色谱-质谱联用技术的酚类物质图谱分析与多元统计分析相结合,对人工栽培浆果种子进行植物化学特征解析及品种间鉴别研究。选取塞尔维亚9种本土栽培浆果(草莓、树莓、黑莓、黑加仑、蓝莓、醋栗、灯笼果、黑涩石楠、枸杞)的45份种子样本开展酚类图谱分析,结果显示样本可依据植物来源实现良好区分。为筛选出用于品种分类的特征生物标志物,研究共鉴定出103种酚类化合物,包含53种酚酸及其衍生物、26种黄酮类化合物和24种糖苷类物质。研究证实,基于浆果种子酚类物质图谱筛选得到的生物标志物,可有效用于浆果植物来源真伪鉴别,也可为检测含浆果种子类产品的掺假行为提供技术支撑。
-
机器学习用于利用吸收光度和荧光光谱分类和预测葡萄成熟指数
查看原文2023
Food Chemistry
中科院一区JCR一区Claire E.J. Armstrong, Adam M. Gilmore, Paul K. Boss, Vinay Pagay & David W. Jeffery
食品标签
新鲜水果 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 梯度提升决策树 定量预测/回归分析 红外/拉曼光谱数据本研究探究了吸光度-透射率与荧光激发-发射矩阵(A-TEEM)光谱技术,将其作为一种快速检测方法,用于预测两个生长季、四种葡萄栽培处理下赤霞珠葡萄的成熟度指标。研究融合光谱数据构建机器学习模型,依托传统检测方法结果,对3-异丁基-2-甲氧基吡嗪(IBMP)、pH值、总单宁、可溶性固形物(TSS)、苹果酸及酒石酸含量进行预测。经外部验证(测试集)模型分析,极端梯度提升(XGB)回归对3-异丁基-2-甲氧基吡嗪、苹果酸、pH值及可溶性固形物的决定系数R2可达0.92~0.96;偏最小二乘回归在可溶性固形物预测中表现更优,R2为0.97。两种建模方法对酒石酸和总单宁的预测R2均在0.64~0.81之间。以红色色泽、3-异丁基-2-甲氧基吡嗪、苹果酸、可溶性固形物的分位数区间划分葡萄成熟度等级,采用极端梯度提升判别分析法开展成熟度分级研究,测试集模型样本平均分类准确率达78%。
-
使用图像处理和人工神经网络诊断苹果果实病害
查看原文2023
Food Control
中科院一区JCR一区Hossein Azgomi, Fatemeh Roshannia Haredasht, & Mohammad Reza Safari Motlagh
食品标签
新鲜水果 食品安全与风险评估 显微与成像技术计算机标签
深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据果农通常缺乏对各类苹果病害的诊断与防治知识。尽管部分苹果病害会表现出可视化症状,可通过人工肉眼识别,但这种诊断方式耗时费力,且会增加果农的成本投入。针对这一问题,一种可行的解决方案是利用图像处理技术开发自动化病害诊断系统。本研究提出一种低成本的苹果病害诊断方法,该方法基于神经网络模型,可将果实划分为四种类别,即黑星病果、苦腐病果、黑腐病果及健康果实。研究以果实的颜色与纹理特征作为模型输入变量,构建多层感知器神经网络,并将预设的病害类别作为模型输出结果。实验选取 60% 的图像样本用于神经网络训练,剩余样本留作模型测试集;同时,研究人员通过调整单层与双层神经网络的结构,对所提方法的诊断准确率进行评估。结果表明,采用双层神经网络结构(第一层与第二层各设置 8 个神经元)时,模型诊断准确率达到最优,为 73.7%。
-
用于菠萝质量监测的创新无损技术:最新进展与应用
查看原文2023
Trends in Food Science & Technology
中科院一区JCR一区Mainunah Mohd Ali, Norhashila Hashim, Siti Khairumiza Bejo, Mahirah Jahari & Nurul Agilah Shahabudin
食品标签
新鲜水果 品质、结构与理化性质 过程监测与在线检测 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析背景:菠萝是重要的热带水果,是矿物质的重要来源,具有优良的营养成分。菠萝的质量评估是影响消费者偏好、采后处理和果实商业价值的重要因素。
范围与方法:本综述介绍了菠萝的外部与内部质量属性,并讨论了用于评估菠萝质量属性的化学计量学与数据挖掘的应用。在此意义上,无损技术因其提供了一种更安全、更可靠、成本效益高且不损伤果实的质量评估方式而受到关注。
主要发现与结论:本文重点关注新兴的无损技术,并全面综述了这些技术的应用。基于光谱的技术、计算机视觉、基于成像的技术、声学、超声波以及基于仪器的传感技术是创新的无损技术,可作为传统方法的有效替代方案,用于监测菠萝质量。文中还讨论了使用无损技术进行菠萝质量评估所面临的挑战与未来趋势。 -
基于机器学习和冷链物流中多源感知的蓝莓新鲜度预测改进
查看原文2023
Food Control
中科院一区JCR一区Wentao Huang, Xuepei Wang, Junchang Zhang, Jie Xia, & Xiaoshuan Zhang
食品标签
新鲜水果 品质、结构与理化性质 过程控制与数字化 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 定量预测/回归分析传统果实新鲜度预测建模高度依赖水分散失率、pH 值、维生素 C 含量等理化指标,存在检测耗时费力、具有破坏性且预测精度偏低等现实难题。针对这一问题,本研究提出一种基于多传感技术与机器学习算法的果实新鲜度预测新方法,旨在提升果实新鲜度预测的自动化、智能化水平与检测精度。研究首先依据危害分析与关键控制点(HACCP)方法,解析蓝莓冷链物流的关键控制点,明确氧气(O2)、二氧化碳(CO2)、乙烯(C2H4)三类核心气体参数,以及气体指标与蓝莓新鲜度之间的作用机制。在此基础上,研发蓝莓冷链微环境监测平台(BCCMMP),实现 0℃、5℃、22℃三种温度条件下核心气体含量的实时监测。实验证实,气体信息可替代品质指标实现对蓝莓新鲜度的表征。研究进一步利用核心气体信息,构建反向传播神经网络(BP)、径向基函数神经网络(RBF)、支持向量机(SVM)、极限学习机(ELM)四种前沿机器学习预测模型。结果显示,各模型预测准确率分别为 90.87%(BP)、92.24%(RBF)、94.01%(SVM)、91.31%(ELM);而基于温度与品质参数的传统阿伦尼乌斯方程法,预测准确率仅为 85.10%。本研究通过传感数据的自动化无损采集结合前沿机器学习算法,为提升果实冷链物流过程中的新鲜度预测精度与食品质量管理水平提供了全新技术路径。