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
-
替代干燥技术对啤酒花香气品质的影响:一种结合HS-SPME-GC-MS-O与化学计量学的方法
查看原文2022
Food Chemistry
中科院一区JCR一区Xueqian Su, Ken Hurley, Zhiyuan Xu, Yixiang Xu, Laban Rutto, Sean O'Keefe, Holly Scoggins & Yun Yin
食品标签
水果/蔬菜与菌菇类/植物类 加工与新加工技术 特征风味 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 分类/鉴别/等级评定 时序传感器/物联网数据面对美国精酿啤酒厂数量持续增长的现状,行业亟需经济可行、高效的啤酒花干燥工艺方案。本研究分别采用脱水机干燥(52 ℃)、烘箱干燥(52 ℃)、冷冻干燥(-25 ℃)处理啤酒花,直至最终水分含量降至 8%~10%。借助顶空固相微萃取 - 气相色谱 - 质谱 - 嗅闻联用技术(HS-SPME–GC–MS–O),对各类干燥啤酒花的香气轮廓进行系统分析。所有样品中,辛酸甲酯、β- 月桂烯、反式 -α- 香柠檬烯、芳樟醇、香叶醇均被判定为高香气强度物质。整体来看,脱水机干燥组的香气物质含量在三组中最高,较冷冻干燥组提升 5%~23%,较烘箱干燥组提升 6%~37%。主成分分析与系统聚类分析亦明确区分了三种干燥方式所得样品的香气含量差异。因此,52 ℃条件下的脱水机干燥可作为小型化啤酒花加工的优选替代工艺,能够为区域生产商与本地精酿啤酒厂带来显著效益。
-
分析技术与化学计量学相结合用于追溯油脂地理来源的系统综述(2013–2020)
查看原文2022
Food Chemistry
中科院一区JCR一区Haroon Elrasheid Tahir, Muhammad Arslan, Gustav Komla Mahunu, Abdalbasit Adam Mariod, Sulafa B.H. Hashim, Zou Xiaobo, Shi Jiyong, Hesham R. El-Seedi & Taha H. Musa
食品标签
油脂及油脂制品 脂质与脂肪酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 文本/知识库/法规数据近十年来,随着消费者对全球各地食品来源的关注度不断提升,全球进口高品质定价食品市场呈现迅猛增长态势。众多国家均要求食品标注产地信息,以保障消费者对食品真实属性与产地的知情权。监管机构正不断扩充、更新油脂真实性鉴别所用的分析技术清单,为执法工作提供技术支撑。本综述系统梳理了各类分析检测技术结合多元统计分析,在油脂地理产地鉴别中的研究与应用进展;阐述了当前主流的检测技术手段,并通过科学计量分析明确了油脂产地溯源领域的研究趋势,以及该方向成果发表的主流期刊。总体而言,本文可为食品行业及食品质量监管部门提供详实参考,助力其筛选适配的油脂真实性鉴别方法。
-
结合顶空GC/MS、快速GC电子鼻与化学计量学分析鉴定姜的品种和地理来源
查看原文2022
Food Chemistry
中科院一区JCR一区Dai-xin Yu, Xia Zhang, Sheng Guo, Hui Yan, Jie-mei Wang, Jia-qi Zhou, Jian Yang & Jin-Ao Duan
食品标签
其他根茎类 光谱/色谱/质谱等分析方法计算机标签
随机森林 分类/鉴别/等级评定 时序传感器/物联网数据消费者对食品不同品种与地理来源的真实性问题关注度日益提升。本研究采用顶空气相色谱 - 质谱联用技术(HS-GC–MS)与快速气相色谱电子鼻(fast GC e-nose),成功实现对我国七大主产区干姜品种及地理来源的鉴别区分。经化学计量学分析,基于 HS-GC–MS 数据可将两类生姜品种清晰区分;同时,快速气相色谱电子鼻提取的风味信息可完成产地判别,并筛选出部分潜在风味组分作为产地溯源的关键指标。此外,本研究对比了多种模式识别算法在品种与产区鉴别中的效果,其中随机森林算法(RF)的判别准确率最高。综上,本研究建立了一种结合多元化学计量学与算法的快速精准检测方法,可用于生姜品种与地理来源鉴定,该方法同样适用于其他农产品。
-
通过PLS-DA建立半定量模型评估葡萄汁中多菌灵的含量
查看原文2022
Food Chemistry
中科院一区JCR一区Leonardo Valderrama, Patrícia Valderrama & Eduardo Carasek
食品标签
果蔬饮料 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 分类/鉴别/等级评定 红外/拉曼光谱数据多菌灵(CBZ)是用于葡萄作物病害防治的杀菌剂,其在食品中的最大残留限量由专门监管机构制定标准。本研究基于便携式紫外 - 可见光谱法结合偏最小二乘判别分析,构建半定量分类模型,用于测定葡萄汁中的多菌灵含量。经外部验证集验证,所建模型的灵敏度与特异度范围为 83%~100%,该结果在工业应用中具备良好前景,且模型对不同品种葡萄酿制的葡萄汁检测具有稳健性。变量重要性投影(VIP)分值可筛选出参与分类建模的关键变量。本研究提出的检测方法快速简便,仅需稀释这一极简前处理,无需使用试剂与溶剂,成本也远低于传统检测手段,可为果汁行业的质量控制提供技术支撑。
-
牛至真实性分析:多种食品指纹技术的开发、验证与适用性评估
查看原文2022
Food Research International
中科院一区JCR一区Jet Van De Steene, Joeri Ruyssinck, Juan-Antonio Fernandez-Pierna, Lore Vandermeersch, An Maes, Herman Van Langenhove, Christophe Walgraeve, Kristof Demeestere, Bruno De Meulenaer, Liesbeth Jacxsens & Bram Miserez
食品标签
新鲜蔬菜 食品安全与风险评估 其他安全问题 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
随机森林 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 高光谱/多光谱光谱 红外/拉曼光谱数据 中等规模数据集本研究评估了多种分析技术(即近红外光谱、中红外光谱、高光谱成像、气相色谱-质谱联用和质子转移反应飞行时间质谱)结合化学计量学,在解决牛至食品真实性不同问题方面的潜力。总共分析了来自一个收获季节的102个牛至样本用于产地和品种评估,159个样本用于掺假评估,72个样本用于批次间控制。采用高斯过程潜变量模型技术获得降维后的二维空间。使用随机森林回归算法作为掺假评估的回归模型。产地评估的预测率可超过89%。品种评估的预测率可超过78%。批次间控制可成功使用近红外光谱和质子转移反应飞行时间质谱进行。从10%掺假量开始,可成功使用高光谱成像、近红外光谱和质子转移反应飞行时间质谱进行掺假检测。