01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 食品加工应用中基于机器学习建模的研究进展

    2022
    Comprehensive Reviews in Food Science and Food Safety
    中科院一区
    JCR一区
    查看原文

    Md Imran H. Khan, Shyam S. Sablani, Richi Nayak & Yuantong Gu

    食品标签

    食品加工设备与机械系统 加工与新加工技术 过程优化与控制策略

    计算机标签

    机器学习/统计学习 定量预测/回归分析 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

    食品加工是一个复杂且多方面的问题,需要大量的人为干预来优化各种工艺参数,以最大限度地降低能耗并确保产品质量更优。开发一种基于机器学习(ML)的食品加工应用方法,对于优化工艺参数和工艺动力学、降低能耗、缩短加工时间以及保证产品质量更优而言,是一个令人振奋且具有创新性的想法;然而,开发这种新颖的方法需要付出大量的科学努力。本文介绍并评估了基于机器学习的方法在各种食品加工操作中的应用,如干燥、油炸、烘焙、罐装、挤压、包埋和发酵等,以预测工艺动力学。文中还阐述了开发基于机器学习的模型的分步流程及其实际应用。为帮助读者选择适用于解决食品加工特定问题的算法,本文讨论了神经网络训练和测试算法的主要挑战及其局限性。此外,本文还介绍了将基于机器学习的技术应用于混合食品加工操作的潜力和挑战。同时,也探讨了物理信息机器学习建模技术在食品加工应用中的潜力及其策略。预计本文的相关信息将对推动基于机器学习的技术在食品加工应用中的发展具有重要价值。

  • 手持式近红外光谱仪与机器学习方法在工业糖生产多过程阶段监测中的应用

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Bruno Henrique da Silva Melo, Rafaella Figueiredo Sales, Lourival da Silva Bastos Filho, Jorge Souza Povoas da Silva, Aluska Gabrielle Carolino de Almeida Sousa , Deborah Maria Camará Peixoto & Maria Fernanda Pimentel

    食品标签

    糖、焙烤与糖果制品 过程监测与在线检测 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 定量预测/回归分析 红外/拉曼光谱数据

    本研究旨在评估便携式近红外(NIR)光谱仪在制糖工业生产各环节中,建立校正模型以定量测定锤度(Brix)与蔗糖分(Pol)的应用性能。由于样品来源于两个榨季,存在较强的变异性,研究分别采用透射模式与漫反射模式采集近红外光谱。建模方法上,考察了偏最小二乘法(PLS)、结合变量筛选的 PLS,以及支持向量机回归(SVR),其中 SVR 用于处理数据中的非线性关系。整体结果表明,SVR 模型表现最优:透射模式下,锤度与蔗糖分的预测均方根误差(RMSEP)分别为 0.59%、0.69%(质量分数);漫反射模式下则分别为 1.44%、2.44%(质量分数)。基于透射光谱的模型结果,与文献中采用台式仪器的报道水平相当,凸显出便携式光谱仪成本更低、使用更简便的优势。

  • 淡水鱼中砷、镉、铅和汞含量及健康风险评估结合化学计量学分析

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Konrad Mielcarek, Patryk Nowakowski, Anna Puścion-Jakubik, Krystyna J. Gromkowska-Kępka, Jolanta Soroczyńska, Renata Markiewicz-Żukowska, Sylwia K. Naliwajko, Monika Grabia, Joanna Bielecka, Anita Żmudzińska, Justyna Moskwa, Elżbieta Karpińska & Katarzyna Socha

    食品标签

    鱼肉 化学污染物 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

    本研究旨在评估波兰淡水鱼中砷(As)、镉(Cd)、铅(Pb)、汞(Hg)的污染水平。研究采用原子吸收光谱法(AAS)与电感耦合等离子体质谱法(ICP-MS),对 212 份生制、烟熏及腌制淡水鱼样品开展检测分析,并评估食用含上述重金属的鱼类对人体产生的健康风险。检测结果显示,鱼类中砷、镉、汞、铅的污染含量范围分别为:砷 23.3~59290.1 μg/kg,镉 0.02~97.0 μg/kg,汞 9.04~606.3 μg/kg,铅 0.04~171.4 μg/kg。长期食用所检测的淡水鱼品种,尤其是烟熏鱼类制品,可能会对人体产生非致癌性健康风险,同时也存在致癌性健康风险。

  • 基于HS-SPME-GC/MS、电子鼻和电子舌结合化学计量学的中国大豆酱风味特征分析

    2022
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Shanshan Yu, Xingyi Huang, Li Wang, Yi Ren, Xiaorui Zhang & Yu Wang

    食品标签

    大豆发酵制品 品质、结构与理化性质 光谱/色谱/质谱等分析方法 常量营养素(宏量)

    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 时序传感器/物联网数据

    本研究采用顶空固相微萃取 - 气相色谱 - 质谱联用技术(HS-SPME-GC/MS),结合电子鼻(E-nose)与电子舌(E-tongue),对中国传统发酵豆酱进行风味表征分析。综合考虑地理分布与市场代表性,选取 12 款样品探究该方法的可行性。研究共鉴定出57 种挥发性有机化合物(VOCs),其中 8 种挥发性成分为所有样品共有。对融合数据进行线性判别分析(LDA),判别准确率高达97.22%。与偏最小二乘回归(PLSR)相比, 支持向量机回归(SVR) 在预测酯类、总酸、还原糖、盐分及氨基酸态氮含量时效果更优,其预测相关系数(Rp​)分别约为 0.803、0.949、0.960、0.896、0.923。本研究表明,智能传感技术结合化学计量学,可作为发酵豆酱及其他食品基质风味表征的有效手段。

  • 利用近红外反射光谱照射人体组织(在体)预测饱腹感、饱足感和食物摄入量:初步研究

    2022
    Innovative Food Science and Emerging Technologies
    中科院一区
    JCR一区
    查看原文

    Dongdong Ni, Heather E. Smyth, Michael J. Gidley & Daniel Cozzolino

    食品标签

    营养与生物功能 感官评价与方法学 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

    本研究旨在评估便携式近红外(NIR)仪器在健康个体不同组织中采集在体光谱的能力,并将这些光谱信息与食物和能量摄入、饱腹感(satiation)和饱足感(satiety)数据相关联。本研究使用手持式NIR仪器采集人体不同组织(如手臂、耳朵、面部、下颌和手腕)的光谱,并利用偏最小二乘(PLS)回归将NIR数据与健康个体测得的食物和能量摄入、饱腹感和饱足感进行关联。根据所分析的组织不同,用于预测饱足感的交叉验证决定系数(R2 CV)和交叉验证标准误差(SECV)范围分别为0.58至0.62和223.3至235.0曲线下总面积(AUC)。基于手臂和面部组织采集的NIR光谱建立的PLS交叉验证模型对食物摄入量的预测效果最佳(R2为0.47–0.51,SECV为110.8–115 g)。未能为饱腹感的预测建立有效的校准模型,这可能与该参数固有的复杂性以及用于收集数据的实验条件(例如所分析的组织类型)有关。这些结果证明了在体NIR光谱识别与个体饱足感和食物摄入相关组织差异的潜在能力。然而,需要更多样化的食物类型、饮食和人类受试者(样本)来建立组织NIR光谱与饱足感和食物摄入之间的稳健关系。

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号