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 712 条结果
-
基于智能手机的数字图像中的文献计量研究与潜在应用:2013年至2024年的视角
查看原文2025
Food Chemistry
中科院一区JCR一区Marcela de Souza Zanginolami, Patrícia Valderrama & Oscar Oliveira Santana
食品标签
品质、结构与理化性质 显微与成像技术计算机标签
机器学习/统计学习 偏最小二乘法 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 可见光/RGB/视频数据本文首次提出了关于基于智能手机的数字图像在食品矩阵应用的文献计量学综述,专门使用R语言中的Bibliometrix软件包进行。尽管已有相关综述,但这是首次采用基于文献计量方法的定量方法,分析了2013年至2024年间发表并在Web of Science中发现的125篇文章。检索到的作品由431名研究人员撰写,发表在33个国家的38种期刊上,年增长率为45.92%。结果显示,大量文章聚焦于掺假检测和物质定量,且以实用、经济且易于获取的方式进行。超过60%的研究未使用化疗工具。在采用这些研究的中,最常用的包括偏最小二乘回归(PLS)、主成分分析(PCA)、层级聚类分析(HCA)和多重线性回归(MLR)。
-
追踪冷冻猪肉的营养和质量变化:一项为期12个月的研究,使用7类肉类参数和VIS/NIR光谱
查看原文2025
Food Chemistry
中科院一区JCR一区Xi Tang, Hui Xiao, Ting Luo, Jiacheng Wei, Ruiqiu He, Junhui Duan, Shijun Xiao, Nengshui Ding, Lusheng Huang & Zhiyan Zhang
食品标签
畜肉 品质、结构与理化性质 生产管理与数字化工厂 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 脂质与脂肪酸计算机标签
机器学习/统计学习 随机森林 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据冷冻猪肉存量对于稳定粮食安全和价格至关重要,但评估冷冻期间的营养和物理化学变化仍具挑战性。本研究对50头猪的长轴肌进行了为期12个月的冷冻储存实验,在−20°C下进行,量化了7个类别中62项肉质成分的变化,包括解冻损失、肌红蛋白、脂肪酸、氨基酸和劣化指标。Prophet模型表明,猪肉在适当冷冻下可保持良好品质1至2年,4年后出现明显劣化。跨维度的表型相关揭示了关键相互作用和异常,如花生四烯酸(C20:4n6)和蛋氨酸(Met)偏离各自簇。利用VIS/NIRS和九种机器学习算法,存储时间分类模型在SpecimIQ传输光谱和AdaBoost下实现了85.8%的准确率。这些发现展示了VIS/NIRS在食品安全和加工领域的潜力,为精确的储存时长识别提供了实用解决方案,并为管理冷冻猪肉储备提供了宝贵见解。
-
供应链中智能海鲜安全领域的人工智能:最新进展与未来展望
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Xidong Jiao, Jinlin Zhu, Weijian Ye, Hao Zou, Bowen Yan, Nana Zhang, Jun Qiang, Yifan Tao, Hao Zhang, Dachuan Zhang & Daming Fan
食品标签
肉类/蛋类与水产品 食品安全与风险评估 智能/指示型包装 包装系统中的监测与标签应用 过程监测与在线检测 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 定量预测/回归分析 过程控制与实时优化 可见光/RGB/视频数据 时序传感器/物联网数据 多模态/融合数据背景:水生蓝色食品对全球粮食安全和营养至关重要,但该行业面临着来自食品安全、供应链复杂性和可持续性问题日益严峻的挑战。在 海鲜供应链中整合人工智能(AI)技术,为提高检测准确性、确保安全性、提升效率和促进可持续发展提供了变革性的机遇。
范围与方法:本综述系统总结了在人工智能支持的智能安全监测和加工策略方面的最新进展,这些策略涵盖了从水产养殖生产到收获后处理及零售的整个水生食品链。重点发展体现在四个主要领域:(i)用于有效供应和增强海鲜韧性的智能水产养殖系统;(ii)利用智能包装、传感器和计算机视觉技术的人工智能驱动的海鲜新鲜度监测;(iii)鱼类产品的自动化预处理,包括物种分类、形态计量估计和智能切割系统;(iv)人工智能引导的海鲜掺假检测,如物种替代、原产地误标和冻融欺诈。最后,我们讨论了当前的挑战,并对推进用于海鲜安全检测和可追溯性的人工智能驱动系统提出了展望。
主要发现与结论:人工智能是确保水产品有效供应和维护食品安全的关键手段。它在无损传感、多维数据处理和实时决策支持方面展现出了卓越的能力。尽管取得了显著进展,但模型泛化性、数据集标准化以及可现场部署的智能系统的开发等挑战仍然亟待解决。未来的研究方向包括将人工智能与新型传感器平台整合、开发强大的多模态数据融合技术,以及改进预测模型,以实现具有韧性和可持续性的水生食品供应链。 -
Umami-gcForest:基于深林构建鲜味肽预测模型
查看原文2025
Food Chemistry
中科院一区JCR一区Shuaiqi Ji, Junrui Wu, Feiyu An, Mengxue Lou, Taowei Zhang, Jiawei Guo, Penggang Wu, Yi Zhu & Rina Wu
食品标签
其他添加剂与配料 蛋白质与氨基酸计算机标签
机器学习/统计学习 其他深度学习结构 分类/鉴别/等级评定鲜味肽因其能够增强鲜味、降低含盐量并具备营养价值,近年来受到广泛关注。然而,采用传统湿实验方法鉴定鲜味肽耗时久、工作量大且成本高昂。为此,本文基于深度森林算法构建了Umami-gcForest模型。该模型利用ProtBERT、氨基酸组成、组成-转换-分布以及伪氨基酸组成构建氨基酸特征矩阵,并采用互信息进行特征选择以实现维度优化。相较于其他机器学习基线模型、鲜味肽预测模型及组合模型,Umami-gcForest在不同测试集上的验证结果均展现出优异的预测准确率。通过沙普利可加解释值计算特征贡献度后发现,疏水性、电荷和极性是Umami-gcForest模型的关键特征。在此基础上,研究搭建了在线平台,方便用户实际应用。综上,Umami-gcForest可作为高效可靠的研究工具,为鲜味肽的高效精准筛选奠定了坚实基础。
-
综述:近红外光谱与化学计量方法在茶叶质量控制中的整合——原则、光谱预处理方法、机器学习算法、研究进展及未来方向
查看原文2025
Food Research International
中科院一区JCR一区Shengpeng Wang, Clemens Altaner & Lin Feng
食品标签
茶/茶饮料 食品安全与风险评估 过程监测与在线检测 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 定量预测/回归分析 红外/拉曼光谱数据随着茶叶产量的稳步增长,有效的茶叶质量监测需求日益紧迫。传统的感官评估和湿化学检测方法不足以实现茶叶质量的实时监测。作为一项新兴技术,近红外光谱(NIRS)具有诸多优势,如保持样品完整性、生成客观结果以及实现快速、简便的评估。这些功能使其成为实时茶叶质量检测的理想选择。本文系统回顾了NIRS的原理、频谱预处理方法、统计建模技术以及常用的机器学习方法。此外,还深入讨论了NIRS在鲜茶叶质量评估、茶叶特异性快速检测、茶叶品质评估与物种鉴定、地理可追溯性、NIRS设备开发及标准化等领域的研究进展。茶叶领域的未来研究方向也被提出。本综述为旨在理解NIRS技术在茶叶领域的应用和发展的研究人员提供了宝贵的资源。它提供洞察,促进实时茶叶质量监测,最终实现智能质量控制。