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
-
结合拉曼高光谱成像的纹理和光谱特征及化学计量学定量测定单颗玉米粒霉变
查看原文2022
Food Chemistry
中科院一区JCR一区Yuan Long, Wenqian Huang, Qingyan Wang, Shuxiang Fan & Xi Tian
食品标签
玉米 微生物安全 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/拉曼光谱数据玉米霉变是普遍存在的现象,实现单粒玉米霉变检测、防止霉变扩散具有重要意义。本研究采用线扫描拉曼高光谱成像系统对单粒玉米的真菌孢子数量进行检测,通过提取拉曼光谱并获取纹理特征来表征玉米霉变程度。研究使用三种建模算法构建定量模型,用于测定单粒玉米的真菌孢子数量,并采用 竞争性自适应重加权采样法(CARS)对特征变量进行优化。最终,基于拉曼光谱与纹理变异特征融合后筛选的变量,通过偏最小二乘回归(PLSR) 建立了最优检测模型。结果表明,采用拉曼高光谱技术检测单粒玉米真菌孢子数量具备可行性。本研究为玉米孢子数量的原位、无损检测提供了一种可选方法。
-
利用高光谱成像结合优化算法快速评估滩羊肉质构参数
查看原文2022
Food Control
中科院一区JCR一区Jingjing Zhang, Yonghui Ma, Guishan Liu, Naiyun Fan, Yue Li, & Yourui Sun
食品标签
畜肉 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 支持向量机 随机森林 定量预测/回归分析 高光谱/多光谱光谱肉品质构检测具有重要应用价值,因其是影响消费者购买决策的关键因素。本研究采用高光谱成像技术(HSI) 测定滩羊肉的质构参数。为探究不同冷藏时长对羊肉光谱数据及建模效果的影响,实验采集了滩羊肉样本在900~1700 nm 波段范围内的高光谱图像,并构建滩羊肉质构参数的校正模型。研究基于四种特征波段筛选算法 —— 区间变量迭代空间收缩法(iVISSA)、竞争性自适应重加权采样法(CARS)、连续投影算法(SPA)及变量组合种群分析法(VCPA)筛选特征波长,结合偏最小二乘回归(PLSR)、最小二乘支持向量机(LSSVM)、随机森林(RF)和决策树(DT)四种机器学习算法,建立光谱预测模型。结果显示,LSSVM-iVISSA-CARS 组合模型在硬度与胶着度预测中表现优异,其预测集均方根误差(RMSEP)分别为 5.259 和 3.051,预测集决定系数(Rp2)则分别达 0.986 和 0.984;LSSVM-iVISSA-SPA 组合模型在咀嚼度预测中同样效果显著,对应的Rp2为 0.987,RMSEP 为 4.970。综上,高光谱成像技术具备滩羊肉质构参数检测与预测的应用潜力。
-
使用便携式近红外光谱仪与机器学习快速在线评估鹌鹑蛋新鲜度
查看原文2022
Food Control
中科院一区JCR一区Yasmin Lima Brasil, J.P. Cruz-Tirado, & Douglas Fernandes Barbin
食品标签
蛋类及其制品 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
机器学习/统计学习 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 红外/拉曼光谱数据鹌鹑蛋是重要的天然营养素来源之一,富含蛋白质、抗氧化物质、钙、铁及磷等营养成分。然而,其品质检测方法不仅操作繁琐且需耗用化学试剂,目前尚无评估其新鲜度的标准方法。本研究旨在探究便携式近红外光谱仪结合机器学习算法,实现鹌鹑蛋新鲜度快速检测的可行性。鉴于当前缺乏统一的鹌鹑蛋品质分级标准,本研究选取哈夫单位(HU)、 蛋黄指数(YI)及鸡蛋品质指数(EQI)作为参考指标开展对比分析。研究分别采用偏最小二乘回归(PLSR)与支持向量机回归(SVMR)构建新鲜度预测模型,同时运用偏最小二乘判别分析(PLS-DA)与支持向量机分类(SVMC) 建立品质分类模型。本研究首次证实, 鸡蛋品质指数(EQI) 是表征鹌鹑蛋新鲜度的最优指标 —— 该指数基于蛋黄与蛋清的品质综合评定蛋品新鲜度。以蛋黄指数(YI)与鸡蛋品质指数(EQI)为参考指标时,支持向量机回归(SVMR)模型表现最优,剩余预测偏差(RPD)达 2.0~2.5,相对误差比值(RER)大于 10,表明模型具备良好的预测性能。偏最小二乘判别分析(PLS-DA)与支持向量机分类(SVMC)模型的分类性能相近,对样本的正确识别率均超过 80%。研究结果表明,便携式近红外光谱仪在鹌鹑蛋贮藏期间的新鲜度监测领域具有良好的应用潜力。
-
基于纳米卟啉类过氧化物酶活性和金纳米颗粒蚀刻的数字图像比色法与化学计量学联合检测西维因
查看原文2022
Food Chemistry
中科院一区JCR一区Gaoqiong Deng, Shuo Wang, Hengye Chen, Lixue Ren, Ke Liang, Liuna Wei, Wanjun Long, Jian Yang, Lanping Guo, Xiaole Han, Yuanbin She & Haiyan Fu
食品标签
动物油脂 显微与成像技术计算机标签
偏最小二乘法 定量预测/回归分析 可见光/RGB/视频数据甲萘威是一类典型的氨基甲酸酯类农药,在农业生产中发挥重要作用,但其残留会对环境与人体健康造成严重危害。本研究基于ZnTPyP-DTAB 过氧化物酶活性与金纳米双锥(Au NBPs)刻蚀效应,构建了多色比色传感器,用于甲萘威的检测。ZnTPyP-DTAB 可催化过氧化氢(H2O2)分解产生羟基自由基,进而对金纳米双锥进行刻蚀;甲萘威产生的空间位阻效应,会干扰纳米卟啉中锌与氮的配位作用,导致 ZnTPyP-DTAB 的过氧化物酶活性降低。该方法对甲萘威的检出限为0.26 mg/kg,实际样品中加标回收率为91%~107%(相对标准偏差RSD≤0.7%)。在上述浓度范围内,该传感平台可呈现出一系列高分辨率的彩虹色多色变化,丰富的颜色变化便于数字图像采集;通过RGB 数值转换结合偏最小二乘回归模型,可实现对蔬菜、水果及中药材中甲萘威的准确定量检测。
-
利用便携式近红外光谱仪鉴定芫荽籽油掺假
查看原文2022
Food Control
中科院一区JCR一区Karine Cristine Kaufmann, Klicia Araujo Sampaio, Juan F. García-Martín, & Douglas Fernandes Barbin
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 K-近邻 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据芫荽籽油是一种从芫荽籽中提取的植物油,其岩芹酸含量约占 70%。该植物油兼具抗炎与抗衰功效,因此被列为新型食品原料。由于具备上述特性且附加值较高,芫荽籽油与其他高市场价值的食用植物油一样,易成为掺假目标。为此,本研究旨在鉴别芫荽籽油的真伪,并检测其是否掺入棕榈液油、菜籽油、大豆油等市售植物油。研究采用主成分分析(PCA)法,通过 3 个主成分实现了对纯植物油基质的区分,这 3 个主成分累计解释了 87% 的变量差异。同时,利用线性判别分析(LDA)与 k 近邻算法(k-NN)对纯油样品及掺假芫荽籽油进行分类。针对掺入棕榈液油、大豆油、菜籽油的芫荽籽油样品所建立的偏最小二乘(PLS)回归模型,其决定系数(R2)分别达到 0.98、0.99 和 0.99;相对分析误差(RPD)介于 7.1~10 之间。这表明所建模型稳定性良好,可用于芫荽籽油加工过程中的质量控制。