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
标签记录（计算机学者）
共 236 条结果
-
透视塑料：结合近红外高光谱成像与光谱正交化的新方法，用于检测塑料包装内的新鲜水果以支持超市无条形码自动结账
查看原文
2023
Food Control
中科院一区JCR一区
Puneet Mishra, Aneesh Chauhan, & Tobias Pettersson
食品标签
新鲜水果 光谱/色谱/质谱等分析方法 传统统计分析与回归 益生菌菌株计算机标签
主成分分析/判别分析 模型轻量化/边缘计算 分类/鉴别/等级评定 高光谱/多光谱光谱基于机器视觉与先进图像识别算法的超市全自动无条形码结账系统正日益普及。无条形码自助结账设备的核心环节在于商品识别 —— 需在消费者完成支付结算前，将识别出的商品准确录入清单。在现有科研文献与工业应用中，预包装商品的图像识别技术已发展得较为成熟。然而，当识别对象为半透明塑料包装内的生鲜农产品时，商品检测与识别便成为一大技术难点（消费者选购新鲜水果并使用塑料包装盛装是常见场景）。针对这一问题，本研究提出一种基于近红外高光谱成像结合光谱正交化技术的创新解决方案，旨在消除成像视野中塑料包装对生鲜商品的光谱干扰。该方法的核心原理为：利用塑料材质的独立纯净光谱，构建一个干扰子空间，并将高光谱成像场景正交投影至该子空间；通过这一操作，可有效剔除塑料包装的光谱贡献，从而更清晰地获取包装袋内水果的光谱特征信息。该技术可为超市自助结账流程提供技术支撑，有效提升生鲜商品的识别精度。
-
近红外光谱结合化学计量学用于完整柠檬果实的真伪鉴别与溯源
查看原文
2022
Food Chemistry
中科院一区JCR一区
Luigi Ruggiero, Carmine Amalfitano, Claudio Di Vaio & Paola Adamo
食品标签
新鲜水果 光谱/色谱/质谱等分析方法计算机标签
主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据本研究采用近红外漫反射光谱法结合化学计量学数据处理，对 2018 年和 2019 年采集自意大利坎帕尼亚大区的两类成熟完整柠檬 —— 索伦托柠檬（地理标志产品，品种 Ovale di Sorrento）与阿马尔菲海岸柠檬（地理标志产品，品种 Sfusato Amalfitano） 进行分析，用以预测果实品质指标，并区分其品种与地理来源。主成分分析（PCA）结果显示，柠檬近红外光谱按采收年份明显聚类，这是由年度气候差异导致的果实品质年度变异所致，且该气候效应在各产地表现一致，这一结果与不同年份间柠檬理化指标的差异规律相吻合。受此年度气候差异影响，采用 多元线性回归（MLR）建立的近红外光谱与柠檬品质指标的关联模型、以及采用线性判别分析（LDA） 建立的品种与产地判别模型，其可靠性均有所下降；因此，按单一采收年份分别建模可获得更稳定的模型效果。由于柠檬果皮较厚，近红外光谱无法穿透果皮检测内部品质，因此所测得的信号所关联的果实指标，实际来源于果皮可测属性，而果皮属性与果肉 / 果汁指标存在相关性。
-
基于无标记金纳米棒的SERS结合化学计量学用于柑橘中噻菌灵残留的快速定量检测
查看原文
2022
Food Chemistry
中科院一区JCR一区
Haihui Pan, Waqas Ahmad b, Tianhui Jiao, Afang Zhu, Qin Ouyang & Quansheng Chen
食品标签
新鲜水果 化学污染物 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 定量预测/回归分析 红外/拉曼光谱数据柑橘是全球消费量极高的水果。然而，柑橘种植过程中 噻苯咪唑（TBZ）农药的过量使用，会对人体健康构成威胁。为此，本研究建立了一种基于金纳米棒（Au NRs）的表面增强拉曼散射（SERS） 技术结合化学计量学的快速定量方法，用于柑橘中噻苯咪唑的检测。结果表明，支持向量机（SVM）可对不同数量级的 TBZ 残留进行判别，准确率达99.1667%；遗传算法 - 偏最小二乘法（GA-PLS）在柑橘中 TBZ 残留定量预测中表现最优，决定系数R p2=0.9737、预测均方根误差RMSEP=0.1179、剩余预测偏差RPD=5.85。该方法的检出限（LOD）为0.33 μg⋅mL −1。此外，采用 t 检验将本方法与标准高效液相色谱（HPLC）法进行验证对比，结果无显著性差异。综上，所构建的基于金纳米棒的 SERS 技术可用于柑橘中 TBZ 残留的快速定量分析。
-
酚酸/醛对甘蔗中主要花色苷Cyanidin-3-O-葡萄糖苷颜色增强的影响
查看原文
2022
Food Chemistry
中科院一区JCR一区
Zhengming Xu, Chengtao Wang, Huaifeng Yan, Zhengang Zhao, Lijun You & Chi-Tang Ho
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 花青素与类胡萝卜素计算机标签
机器学习/统计学习 定量预测/回归分析甘蔗中含有多种花青素，这些物质是甘蔗呈现出不同色泽的原因。本研究探究了酚酸 / 醛类物质（阿魏酸、香草酸、对香豆酸、丁香醛和香草醛）对甘蔗中主要花青素 ——矢车菊素 - 3-O - 葡萄糖苷的增色效应。矢车菊素 - 3-O - 葡萄糖苷的增色效果（包括增色效应与红移现象）受酚酸 / 醛类物质的温度和浓度影响。通过各项热力学参数（吉布斯自由能变ΔG0、焓变ΔH0、熵变ΔS0）分析可知，该反应为自发的放热反应。量子化学计算揭示了各物质间的分子间相互作用差异。原子分子相互作用拓扑分析（AIM）表明，氢键和范德华力的共同作用是产生增色效果的关键原因。利用超高效液相色谱 - 电喷雾电离 - 四极杆飞行时间串联质谱（UPLC-ESI-QTOF-MS/MS）鉴定发现，贮藏期间矢车菊素 - 3-O - 葡萄糖苷分别与阿魏酸、对香豆酸反应生成的吡喃花青素产物，为矢车菊素 - 3-O - 葡萄糖苷 - 乙烯基苯酚和矢车菊素 - 3-O - 葡萄糖苷 - 乙烯基愈创木酚。阿魏酸 / 对香豆酸芳香环上的供电子取代基可稳定反应过程中生成的碳正离子中间体。吡喃环结构发生脱羧反应并进一步氧化为芳香杂环后，最终生成目标产物。
-
利用整体光学特性和在线透射光谱评估猕猴桃的内部质量
查看原文
2022
Food Control
中科院一区JCR一区
Shijie Tian, Hao Tian, Qinyi Yang, & Huirong Xu
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 特征工程与选择策略 定量预测/回归分析本研究旨在对比基于体光学特性（BOP）的检测模型与基于传统光谱技术的检测模型，在猕猴桃品质评价中的准确性与稳健性。实验选取 81 个猕猴桃作为样本，搭建单积分球系统以测定样本的体吸收系数（μ a）与约化散射系数（μ s′），同时利用自主研发的在线检测系统获取样本的透射光谱。研究分析了μ a与μ s′两项指标同可溶性固形物含量（SSC）及果肉硬度的相关性，并采用偏最小二乘回归法（PLSR）构建检测模型。此外，通过竞争性自适应重加权采样法（CARS）剔除原始光谱中对模型性能无提升作用的变量。结果表明：670 nm 波段下的μ a随可溶性固形物含量升高而降低；720~900 nm 及 950~1000 nm 波段下的μ s′随可溶性固形物含量升高而增大；μ s′光谱强度随果肉硬度下降而降低。研究分别基于μ a、μ s′、μ a+μ s′组合参数及透射光谱，构建了 CARS-PLSR 定量分析模型。对比发现，基于体光学特性的模型在预测猕猴桃内部品质时，准确性优于透射光谱模型。其中，基于μ s′的模型对可溶性固形物含量的预测效果最佳（预测决定系数R P2=0.97，预测均方根误差RMSEP=0.25%）；基于μ a+μ s′组合参数的模型对果肉硬度的预测表现最优（R P2 =0.97，RMSEP=0.02 N）。为验证模型的稳健性与适用性，研究选取 20 个种植果园及采收时间均异于实验样本的猕猴桃开展外部验证。结果显示，所有可溶性固形物含量预测模型及基于μ a+μ s′组合参数的果肉硬度预测模型均具备良好的稳健性与适用性；而基于透射光谱的果肉硬度预测模型，在对外部验证集样本进行预测时表现较差。本研究为基于体光学特性及透射光谱技术的猕猴桃硬度与可溶性固形物含量检测，提供了有效参考依据。
