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
-
患有内部崩解症的‘Palmer’芒果的果实品质参数与挥发性成分
查看原文2022
Food Chemistry
中科院一区JCR一区Fernanda Campos Alencar Oldoni, Camila Florencio, Giovana Brait Bertazzo, Pamela Aparecida Grizotto, Stanislau Bogusz Junior, Renato Lajarim Carneiro, Luiz Alberto Colnago & Marcos David Ferreira
食品标签
新鲜水果 特征风味 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定内部溃坏(IB) 是芒果果肉出现的早熟、不均匀成熟生理失调病害,仅在果实切开食用时才能被发现。因此,亟需开发检测芒果内部溃坏的分析方法,以避免消费者不满并减少采后损耗。本研究测定了芒果的理化指标与挥发性物质,评估其预测果肉内部溃坏的能力。对数据的 主成分分析(PCA)和偏最小二乘判别分析(PLS-DA) 表明,色泽、硬度及挥发性物质是反映内部溃坏相关生理变化的重要指标。研究将以下挥发性物质确定为内部溃坏的化学标志物:甲基丙烯酸乙酯、乙酸异戊酯、氧化柠檬烯、(E)-2 - 戊烯醛、十四烷、γ- 榄香烯。综上,结合 PCA 与 PLS-DA 分析,利用芒果理化特征可成功鉴别内部溃坏病害,健康果实与患病果实间存在显著差异。
-
十种南非本土水果的代谢组学与化学计量学分析
查看原文2022
Food Chemistry
中科院一区JCR一区Nompumelelo J. Nkosi, Tinotenda Shoko, Vimbainashe E. Manhivi, Retha M. Slabbert, Yasmina Sultanbawa & Dharini Sivakumar
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
机器学习/统计学习 定量预测/回归分析本研究采用超高效液相色谱 - 四极杆飞行时间质谱(UPLC‑QTOF/MS) 技术,对南非 10 种本土果实的代谢物进行了定性鉴定。代谢组学 - 化学计量学分析结果表明,在区分 3 个不同果实类群时,绿原酸的判别贡献度最高。热图分析依据代谢物含量呈现出相应的分布规律与聚类特征。德兰士瓦奶椰(Englerophytum magalismontanum) 中以下物质含量最高:槲皮素 3-O-α-L - 阿拉伯吡喃糖苷(401.09 mg/kg)、飞燕草素 3 - 半乳糖苷(57.80 mg/kg)、原花青素 B 型二聚体(527.07 mg/kg)、表儿茶素(1349.46 mg/kg)。水浆果(Syzygium cordatum) 中槲皮素 3 - 半乳糖苷、没食子酸甲酯 3-O-β-D - 吡喃葡萄糖苷含量最高;好望角无花果(Ficus capensis) 富含 3 - 咖啡酰奎宁酸(3-CQA)与 5 - 咖啡酰奎宁酸(5-CQA);莫博拉李(Parinari curatellifolia) 具有最高的铁离子还原抗氧化能力(FRAP,9.5 mmol TEAC/g)与 DPPH 自由基清除活性(IC₅₀ = 14.2 µg/mL)。对比其余 8 种本土果实,酸李(Ximenia caffra) 与沙杏藤(Landolphia kirkii) 对碳水化合物水解酶的抑制作用最强。相关性分析筛选出各果实中对应各类生物活性的关键功效成分,证实其具备作为功能性配料的应用价值。
-
基于偏最小二乘法和人工神经网络分析的采后苹果品质变化与货架期预测模型
查看原文2022
Food Chemistry
中科院一区JCR一区Yueyi Zhan, Danshi Zhu, Xiaojun Ren, Yusi Shen, Xuehui Cao, He Liu & Jianrong Li
食品标签
新鲜水果 保藏与贮藏 品质、结构与理化性质 常规理化指标测定 质构与流变测试计算机标签
偏最小二乘法 深度学习 定量预测/回归分析 时序传感器/物联网数据采后苹果的品质受贮藏温度影响显著。本文研究了苹果在 4℃和 20℃贮藏条件下,风味、质地、色泽、口感等感官品质的变化规律。在相关性分析基础上,采用偏最小二乘法(PLS)和人工神经网络(ANN) 构建货架期预测模型。结果表明:低温贮藏能更好地保持苹果的果皮色泽、果肉硬度及挥发性物质释放;20℃贮藏下苹果可滴定酸度下降速率远快于 4℃。PLS 模型可成功预测苹果货架期;采用单一指标进行 PLS 建模时,预测精度由高到低依次为:质地 > 色泽 > 风味。作为非线性算法,ANN 模型同样可有效预测两种温度条件下苹果的货架期。
-
利用红外热成像技术预测不同品种菠萝在贮藏期间的品质
查看原文2022
Food Control
中科院一区JCR一区Maimunah Mohd Ali, Norhashila Hashim, Samsuzana Abd Aziz, & Ola Lasekan
食品标签
新鲜水果 品质、结构与理化性质 理化与结构表征 常量营养素(宏量)计算机标签
偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据红外热成像技术是监测各类农产品品质与安全的高效技术手段。本研究借助红外热成像技术,探究贮藏期间菠萝的品质变化规律。实验选取多个品种的新鲜采收菠萝,分别置于 5℃、10℃、25℃条件下贮藏 21 天,每个贮藏温度梯度下各设置 360 份样本。研究人员对热成像图进行分割处理,基于图像参数完成特征筛选;同时采用标准参考方法,测定不同品种菠萝的多项理化指标,包括硬度、pH 值、可溶性固形物含量、含水量及色泽参数。研究发现,图像参数与菠萝理化指标间存在显著相关性,且不同贮藏处理条件的交互作用也会对二者关联关系产生显著影响。基于偏最小二乘回归算法构建菠萝品质预测模型,结果显示,该模型对所有品种菠萝各项品质指标的预测决定系数(R 2)均高达 0.94。此外,研究证实,10℃是维持菠萝各项理化特性稳定的最适贮藏温度。利用支持向量机算法对不同品种、不同贮藏温度下的图像参数差异进行判别分析,模型总体分类准确率达 97% 以上。综上,红外热成像技术可作为一种无损检测手段,实现对菠萝贮藏品质的精准监测,这一技术有望优化不同贮藏条件下菠萝的采后处理工艺与生产作业流程。
-
应用近红外光谱/人工神经网络定量分析塔纳葡萄中的糖苷化降异戊二烯类化合物
查看原文2022
Food Chemistry
中科院一区JCR一区Eduardo Boido, Laura Fariña, Francisco Carrau, Daniel Cozzolino & Eduardo Dellacassa
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 其他植物化学物质计算机标签
深度学习 偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据葡萄品种、酿造工艺与陈酿条件是影响葡萄酒香气的关键因素,而挥发性次级代谢产物是构成葡萄品种典型香气特征的核心物质。其中,葡萄中的糖苷化类异戊二烯降解产物是决定丹娜(Tannat)葡萄酒感官风味的主要物质,因此亟需采用快速仪器手段测定其含量,以实现葡萄分类与最佳采收成熟度判定。近红外光谱(NIR)是一种快速、无损、样品前处理简单的检测技术,但其定量应用需依托化学计量学模型进行解析。本研究建立 近红外 - 人工神经网络(NIR-ANN)校正模型,用于酿酒葡萄丹娜(Vitis vinifera cv. Tannat) 成熟及采收期间糖苷化类异戊二烯降解产物的定量分析。采用气相色谱 - 质谱联用(GC–MS)测定糖苷化类异戊二烯降解产物的参考含量。结果表明,人工神经网络(ANN)的拟合效果优于偏最小二乘(PLS)等线性模型;且以均质葡萄果肉为检测对象的校正模型精度优于葡萄汁,最优模型误差可达146 μg/kg。