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
-
基于挥发性化合物谱的橄榄油品种认证:HS-SPME-GC-MS与化学计量学方法的应用研究
查看原文2022
Food Control
中科院一区JCR一区Lorenzo Cecchi, Marzia Migliorini, Elisa Giambanelli, Anna Cane, Bruno Zanoni, Valentina Canuti, Nadia Mulinacci, & Fabrizio Melani
食品标签
植物油 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 分类/鉴别/等级评定初榨橄榄油(VOO)的感官特性对消费者偏好具有显著影响。而这些特性同样受橄榄原料品种来源的制约,因此,建立一套可靠的初榨橄榄油品种溯源方法就显得尤为必要。然而,目前针对全球广泛种植的橄榄品种,仍缺乏能够有效区分其对应初榨橄榄油的鉴别手段,难以切实保障消费者与生产者的权益,杜绝掺假欺诈行为。本研究旨在构建化学计量学模型,实现对 9 个主流橄榄品种的单品种初榨橄榄油的精准判别。研究采用经验证的顶空固相微萃取 - 气相色谱 - 质谱联用技术(HS-SPME-GC-MS),对来自 4 个产季、多个产区的 320 份单品种初榨橄榄油样品中的 72 种挥发性化合物进行定量分析。通过方差分析(ANOVA)筛选出具有品种鉴别能力的挥发性有机化合物(VOCs),其中大部分均属于脂氧合酶代谢途径产物。所构建的偏最小二乘判别分析(PLS-DA)模型经验证表现优异,外部验证后的正确分类率高达 95.9%。研究进一步借助凝聚层次聚类法与相关性分析,将 9 个橄榄品种划分为 3 个类群;利用线性判别分析(LDA)与偏最小二乘判别分析模型对这 3 个类群进行分类验证,正确分类率达 94%。研究结果表明,不同品种初榨橄榄油的挥发性成分特征并非完全独立,特定品种组间呈现出显著的相似性,且这种相似性与原料的地理来源无关。综上,本研究建立的鉴别方法有助于打击初榨橄榄油市场的掺假欺诈行为,同时对提升单品种特级初榨橄榄油的市场价值具有重要意义。
-
基于非靶向代谢组学与化学计量学的中药材甘草地理来源鉴别
查看原文2022
Food Chemistry
中科院一区JCR一区Youyuan Lu, Guangda Yao, Xuan Wang, Yang Zhang, Jianjun Zhao, Yong-Jie Yu & Hanqing Wang
食品标签
水果/蔬菜与菌菇类/植物类 光谱/色谱/质谱等分析方法计算机标签
支持向量机 分类/鉴别/等级评定甘草是知名的药食同源中药材与食品甜味剂。本研究基于非靶向代谢组学,建立了一套用于甘草质量评价的完整分析策略。研究开发了一种新型代谢物鉴定方法,包含碎片离子识别算法与离子融合算法,结果表明该方法可精准整合正、负离子模式下的质谱数据,提升代谢物鉴定效果。依托该策略,研究在不同甘草样品中鉴定出多种显著差异代谢物,其中 9 种代谢物经对照品验证确认。同时,采用多种化学计量学方法全面构建并考察甘草产地判别模型,结果显示支持向量机模型判别效果最优,预测准确率达 80% 以上。研究证实,我国不同产地甘草的质量存在显著差异。
-
利用高光谱成像技术评估柿子果实干燥过程中的内部品质参数
查看原文2022
Food Chemistry
中科院一区JCR一区Xiaoxi Chen, Yaling Jiao, Bin Liu, Wenhui Chao, Xuchang Duan & Tianli Yue
食品标签
果蔬干/果脯/蔬菜干 传统热加工 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 主成分分析/判别分析 深度学习 定量预测/回归分析 高光谱/多光谱光谱柿饼加工过程中,需获取关键品质指标以实现水分、水溶性单宁、可溶性固形物含量的实时检测。本研究建立了一种基于高光谱成像(HSI)的方法,用于柿子关键指标的在线无损检测。研究共采集 144 个样品,扫描 150 个光谱波段;采用偏最小二乘回归(PLSR)、主成分回归(PCR)、最小二乘支持向量回归(LS-SVR)、径向基函数神经网络(RBFNN)四种建模方法,结合七种光谱预处理方式对数据进行分析。结果表明,LS-SVR在水分含量预测中表现最优,而PLSR更适用于水溶性单宁和可溶性固形物含量分析。通过 连续投影算法(SPA) 优选最优波长以简化模型,共筛选出约 20 个关键变量。综合来看,高光谱成像技术可作为一种可靠手段,用于干制柿子中化学成分的定量检测。
-
基于高光谱成像的玉米籽粒硬度测定
查看原文2022
Food Chemistry
中科院一区JCR一区Mengmeng Qiao, Yang Xu, Guoyi Xia, Yuan Su, Bing Lu, Xiaojun Gao & Hongfei Fan
食品标签
玉米 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 定量预测/回归分析 高光谱/多光谱光谱为实现玉米籽粒硬度的快速无损检测,本研究提出一种基于高光谱成像技术的籽粒硬度定量检测方法。首先建立硬度与水分含量的回归模型;其次在399.75~1005.80 nm波段范围内采集反射高光谱图像,通过 连续投影算法(SPA)优选特征波长,基于特征波长采用偏最小二乘回归(PLSR) 构建水分含量预测模型;最终将水分预测模型与硬度回归模型耦合,完成硬度预测模型的验证。模型硬度预测性能指标依次为:决定系数R2=0.912、均方根误差RMSE=17.76 MPa、相对分析误差RPD=3.41、误差范围比RER=14。综上,本研究为玉米籽粒硬度的快速无损检测提供了可行方法。
-
基于LC-MS/MS结合OPLS-DA筛选牛肉特异性定量肽段
查看原文2022
Food Chemistry
中科院一区JCR一区Chaodi Kang, Yingying Zhang, Mingyue Zhang, Jing Qi, Wentao Zhao, Jin Gu, Wenping Guo & Yingying Li
食品标签
畜肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 分类/鉴别/等级评定本研究基于液相色谱 - 串联质谱法(LC–MS/MS)结合正交偏最小二乘判别分析(OPLS-DA),建立了一种快速、简便、高效的牛肉特异性定量多肽筛选分析方法。通过构建 OPLS-DA 模型,筛选对分类具有显著贡献的物种特异性多肽。基于投影重要性变量(VIP)值和单变量 P 值,筛选具有统计学意义的多肽;经完整统计分析流程后,利用不同牛肉含量的自制样品,确定出3 条特异性定量多肽。以此为基础,采用 LC–MS/MS 建立目标特异性定量多肽的检测方法,并将定量结果应用于市售牛肉制品的真伪鉴定。所建方法具有高灵敏度、高特异性和良好重现性,研究结果证实:LC–MS/MS 联用 OPLS-DA 可高效筛选肉类特异性定量多肽,是鉴别肉制品真伪的有效手段。