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 236 条结果
-
基于近红外高光谱成像的西府海棠可溶性固形物含量和硬度指数评估及成熟度判别
查看原文2022
Food Chemistry
中科院一区JCR一区Qiang Gao, Peng Wang, Tong Niu, Dongjian He, Meili Wang, Huijun Yang & Xiaoqiang Zhao
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 碳水化合物与糖类计算机标签
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 高光谱/多光谱光谱西府海棠(Malus micromalus Makino)兼具较高的商业价值与营养价值。本研究采用 近红外高光谱成像技术(NIR-HSI) 结合化学计量学方法,构建回归与分类模型,以提升西府海棠品质无损检测的效率。研究运用连续投影算法(SPA)、区间随机蛙跳算法及竞争性自适应重加权采样法,筛选出对可溶性固形物含量(SSC)与硬度指数(FI)变化敏感的有效波长。分别基于全光谱与有效波长数据,建立偏最小二乘回归、极限学习机两类预测模型,实现对可溶性固形物含量与硬度指数的定量分析。此外,研究构建了基于灰狼优化算法改进的支持向量机(GWO-SVM)分类模型和偏最小二乘判别分析模型,用于判别西府海棠的成熟度。其中,SPA-ELM 模型与 SPA-GWO-SVM 模型表现出理想的性能。上述结果表明,近红外高光谱成像技术可有效应用于西府海棠的品质检测。
-
激光烧蚀电喷雾电离质谱成像:一种用于评估霉菌感染水果中棒曲霉素扩散的新工具
查看原文2022
Food Chemistry
中科院一区JCR一区Gesiane da Silva Lima, Gabriel Franco dos Santos, Ruver Rodrigues Feitosa Ramalho, Deborah Victoria Alves de Aguiar, Jussara Valente Roque, Lanaia Itala Louzeiro Maciel, Rosineide Costa Simas, Igor Pereira & Boniek Gontijo Vaz
食品标签
新鲜水果 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/回归分析本研究报道了采用激光烧蚀电喷雾电离质谱成像技术(LAESI 成像),探究真菌毒素 —— 棒曲霉素从果实腐烂区域向健康组织扩散的过程。实验仅制备了霉菌侵染组与未侵染(对照组)的苹果、草莓切片,此为唯一的样品前处理步骤。使用2.94 μm 红外激光辐照组织切片,使样品中的化合物被直接烧蚀、电喷雾电离,随后进入质谱进行分析。通过对展开式 LAESI 成像数据采用 多元曲线分辨 - 交替最小二乘法(MCR-ALS) 处理,获得了棒曲霉素的相对含量信息。对照组样品中未检出棒曲霉素,而所有霉菌侵染果实中均能检测到该毒素;LAESI 成像图直观呈现出棒曲霉素由腐烂区域向果实未受侵染部位扩散的分布特征。本研究证实,相较于研究果实中真菌毒素扩散的传统分析方法,LAESI 成像技术具有显著优势。
-
通过平面色谱和化学计量学快速检测杏制品中添加南瓜的欺诈行为:基于分析生态尺度的绿色度评估
查看原文2022
Food Chemistry
中科院一区JCR一区Petar Ristivojević, Filip Andrić, Vesna Vasić, Dušanka Milojković Opsenica & Gertrud Morlock
食品标签
新鲜水果 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
机器学习/统计学习 分类/鉴别/等级评定欧盟委员会规定,市场流通的水果制品需符合高品质与真伪合规标准。针对易发生食品掺伪的杏制品品质评价,本研究建立了一种环保、简便且低成本的分析轮廓检测方法 ——高效薄层色谱多维度成像法(HPTLC-FLD/Vis)。该新型植物化学轮廓法被用于分析真品样品(7 份杏样品、5 份南瓜样品)与模拟掺伪制品(11 份混合样品,由南瓜原料按 2.5%~53% 比例掺入杏原料制得)。基于分析生态尺度评价证实,HPTLC-FLD/Vis 法能耗与溶剂消耗量低,是一种性能优异的绿色分析方法。化学计量学数据分析结果显示,依据植物化学轮廓可明确区分纯杏制品与杏 - 南瓜混合制品,并筛选出实现两类样品区分的化学标志物。结果表明,该方法可检出杏制品中低至 2.5% 的南瓜掺伪量。
-
西藏本地水果“墨脱柠檬”的植物化学特征及其与中国其他栽培种的比较
查看原文2022
Food Chemistry
中科院一区JCR一区Jing Zhang, Ya Xu, Chi-Tang Ho, Jia-Qi Qiu, Xiao-Hui Qiu, Zhi-Hai Huang, Liang Zhang & Wen 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 植物化学/生物活性成分计算机标签
偏最小二乘法 分类/鉴别/等级评定受地理隔绝影响,西藏本土果树资源尚未得到系统勘探与开发利用。墨脱柠檬(ML)是野生香橼的一个地方特有种质,为藏东南地区居民重要的功能性食品与膳食资源。本研究基于超高效液相色谱 - 四极杆静电场轨道阱质谱(UHPLC-QE Orbitrap MS)联用技术,采用整合分析策略首次对墨脱柠檬的化学成分进行全面表征。研究共定性解析出 196 种化学成分,其中 33 种为柑橘属植物中首次报道,55 种被鉴定为潜在新植物化学成分。结合偏最小二乘判别分析(PLS-DA)模型与单变量统计分析,将墨脱柠檬与栽培香橼、佛手进行化学成分对比,揭示出墨脱柠檬具有独特的化学组成,并筛选出 30 余种差异标志物。墨脱柠檬在形态、化学组成上的独特性,以及优良的抗氧化活性,表明其是一种有益于人体健康的新型潜在食品资源。
-
基于人工神经网络与遗传算法耦合的黑树莓籽中鞣花单宁加速溶剂提取优化
查看原文2022
Food Chemistry
中科院一区JCR一区Ga Eun Lee, Ryun Hee Kim, Taehwan Lim, Jaecheol Kim, Suna Kim, Hyoung-Geun Kim & Keum Taek Hwang
食品标签
新鲜水果 品质、结构与理化性质 传统热加工 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
深度学习 定量预测/回归分析本研究旨在鉴定黑树莓籽(BRS) 中的鞣花单宁组分,并采用人工神经网络(ANN) 结合遗传算法,对鞣花单宁的加速溶剂萃取工艺进行优化。研究从黑树莓籽中共鉴定出 15 种单体与二聚体鞣花单宁。构建人工神经网络模型时,将萃取时间、萃取温度、溶剂浓度设为输入变量,总鞣花单宁含量设为输出变量。训练完成的 ANN 模型均方误差为 0.0102,回归相关系数达0.9988。模型预测得到的总鞣花单宁含量最大化最优萃取条件为:丙酮体积分数 63.7%、萃取时间 4.21 min、萃取温度 43.9 ℃。该最优条件下实测总鞣花单宁含量为13.4±0.0 mg/g(干重),预测误差为0.75±0.27%。本研究首次对黑树莓籽的鞣花单宁组成进行系统分析,并确定了黑树莓籽中总鞣花单宁最大化提取的最优工艺条件。