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
-
不同窨制工艺下茉莉花茶关键挥发性化合物及香气品质研究
查看原文2022
Food Chemistry
中科院一区JCR一区Huimin An, Xingchang Ou, Yangbo Zhang, Shi Li, Yifan Xiong, Qin Li, Jianan Huang & Zhonghua Liu
食品标签
茶/茶饮料 过程优化与控制策略 光谱/色谱/质谱等分析方法 特征风味计算机标签
偏最小二乘法 定量预测/回归分析 过程控制与实时优化茉莉花茶的香气品质是指茉莉花香的浓郁度、鲜爽度,及其与茶香的协调程度,该品质受多种挥发性化合物调控。本研究采用气相色谱 - 质谱联用技术(GC–MS),对采用不同窨制工艺加工的茉莉花茶中的 70 种挥发性化合物进行定性与定量分析,并结合加权基因共表达网络分析(WGCNA)、正交偏最小二乘判别分析(OPLS-DA)及气味活性值(OAV),筛选确定出 7 种关键挥发性化合物。依据构建的 7 种关键挥发性化合物与茉莉花茶品质的关联方程,得到最优窨制工艺参数:配花量(AF)为 65%~78%,窨制时间(ST)为 15~17 小时,窨制温度(SW)为 35~40 摄氏度。本研究为茉莉花茶香气特征的相关研究奠定基础,同时可为企业优化茉莉花茶加工工艺提供指导。
-
基于近红外高光谱成像的西府海棠可溶性固形物含量和硬度指数评估及成熟度判别
查看原文2022
Food Chemistry
中科院一区JCR一区Qiang Gao, Peng Wang, Tong Niu, Dongjian He, Meili Wang, Huijun Yang & Xiaoqiang Zhao
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 碳水化合物与糖类计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱西府海棠(Malus micromalus Makino)兼具较高的商业价值与营养价值。本研究采用 近红外高光谱成像技术(NIR-HSI) 结合化学计量学方法,构建回归与分类模型,以提升西府海棠品质无损检测的效率。研究运用连续投影算法(SPA)、区间随机蛙跳算法及竞争性自适应重加权采样法,筛选出对可溶性固形物含量(SSC)与硬度指数(FI)变化敏感的有效波长。分别基于全光谱与有效波长数据,建立偏最小二乘回归、极限学习机两类预测模型,实现对可溶性固形物含量与硬度指数的定量分析。此外,研究构建了基于灰狼优化算法改进的支持向量机(GWO-SVM)分类模型和偏最小二乘判别分析模型,用于判别西府海棠的成熟度。其中,SPA-ELM 模型与 SPA-GWO-SVM 模型表现出理想的性能。上述结果表明,近红外高光谱成像技术可有效应用于西府海棠的品质检测。
-
祁门红茶:基于全面元素指纹图谱与化学计量学追溯其精细地理来源
查看原文2022
Food Control
中科院一区JCR一区Yin-feng Ren, Can Feng, Zhi-hao Ye, Hai-yan Zhu, Ru-yan Hou, Daniel Granato, Hui-mei Cai, & Chuan-yi Peng
食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法 矿物质与微量元素计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定食品产地溯源鉴别对提升产品可追溯性、强化质量管控及保护品牌价值具有重要意义。本研究采用电感耦合等离子体质谱法(ICP-MS) 结合化学计量学方法,对采自核心产区(祁门)及传统产区(东至、贵池)的 104 份祁门红茶样品中的 27 种矿质元素指纹图谱进行分析,以实现其精细产地溯源。方差分析结果显示,不同产区的祁门红茶具有各自独特的矿质元素指纹特征。正交偏最小二乘判别分析(OPLS-DA)模型表现出良好的鉴别效果,但基于线性判别分析(LDA) 建立的红茶产地鉴别模型,鉴别准确率达 100%,交叉验证准确率达 99%,性能优于正交偏最小二乘判别分析模型。同样,支持向量机(SVM) 模型对所有产地红茶的鉴别准确率也达到 100%。研究结果表明,矿质元素指纹图谱结合化学计量学技术,可有效实现祁门红茶的精细产地溯源鉴别。
-
基于高光谱成像和注意力卷积神经网络的单粒玉米油含量预测
查看原文2022
Food Chemistry
中科院一区JCR一区Liu Zhang, Dong An, Yaoguang Wei, Jincun Liu & Jianwei Wu
食品标签
植物油 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
卷积神经网络 偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱本研究提出一种基于注意力机制(A)的卷积神经网络回归(CNNR)模型,记为ACNNR,结合高光谱成像技术实现单粒玉米籽粒含油率的预测。研究过程中,采用反射式高光谱成像(HSI)系统采集单粒玉米籽粒胚面与非胚面的高光谱图像,对比了无注意力机制的 CNNR、ACNNR 及偏最小二乘回归(PLSR)三种模型的性能。针对 PLSR 模型,通过一系列光谱预处理与降维方法,最终确定最优的组合式 PLSR 模型;而 CNNR 与 ACNNR 模型仅以原始光谱作为输入。结果表明,胚面光谱更适用于构建回归预测模型;注意力机制可有效降低预测误差,使 ACNNR 模型表现最优,其预测决定系数达0.9198。综上,本研究提出的方法无需对原始光谱进行额外处理,且预测效果优良。
-
数字化和人工智能促进可持续食品系统
查看原文2022
Trends in Food Science & Technology
中科院一区JCR一区Hans J.P. Marvin, Yamine Bouzembrak, H.J. van der Fels-Klerx, Corné Kempenaar, Roel Veerkamp, Aneesh Chauhan, Sanne Stroosnijder, Jan Top, Görkem Simsek-Senel, Hans Vrolijk, Willem Jan Knibbe, Lu Zhang, Remko Boom & Bedir Tekinerdogan
食品标签
可持续性与资源高值化 过程控制与数字化计算机标签
机器学习/统计学习 深度学习背景:欧盟委员会(EC)发布了《欧洲绿色协议》通报,为欧洲的根本转型设定了路径。该政策的关键要素是构建一个完全可持续的食品系统,这在“从农场到餐桌”战略中得以明确。该战略需要采取系统方法,全面考虑与充足和健康食品生产及消费相关的所有方面,包括经济、环境(气候、生态系统)和社会层面。
范围与方法:本文介绍了遵循欧盟所倡导的“从农场到餐桌”原则的食品生产系统方法概念,并阐述了数字化和人工智能(AI)如何应对可持续食品系统带来的挑战。
主要发现与结论:本文提出了一系列研究和创新挑战,并通过具体案例加以说明。结论认为,人工智能和数字化在支持向可持续食品系统转型方面具有巨大潜力。这一发展将影响从农民到消费者的整个价值链中参与者的角色和互动。本文为未来在可持续食品生产中成功实施人工智能提出了政策建议。