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 393 条结果
-
光致应答:面向减害物质检测与饮料风味分类的通用智能多通道传感器阵列研发
查看原文2025
Chemical Engineering Journal
中科院一区JCR一区Xuhui Xia, Xuheng Li, Jia Zheng, Peng Zhao, Xin Zeng, Mingyi Guo, Changjun Hou & Danqun Huo
食品标签
其他饮料 品质、结构与理化性质 特征风味 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法 维生素计算机标签
主成分分析/判别分析 卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据还原性物质是区分风味饮料的关键指标。开发快速智能的还原性物质检测方法可显著提升饮料生产管理水平,并促进风味数据库构建。本研究通过利用Mel-Cu的强过氧化物酶(POD)样活性及石墨烯提供的增大的催化核心表面积,成功合成了GO@Mel-Cu纳米酶。基于GO@Mel-Cu的三通道传感器阵列通过三种显色底物(OPD、TMB和ABTS)构建,实现了对19种还原性物质的鉴别及五大类风味饮料的分类。该平台不仅展现出对抗坏血酸1 nM的检测限(LOD),更在对19类还原性物质的判别中达到100%准确率,凸显了其在还原性物质高灵敏检测与风味饮料普适性判别中的双重潜力。采用PCA、LDA和HCA对五种风味饮料的吸光度指纹进行分析,实现了组内物种的成功区分。在盲样测试中,本传感器阵列对五种风味饮料及其二元混合物的判别准确率分别达到98.2%和98%。为推进饮料分类的便携化与智能化,本研究训练了ResNet 50模型用于传感器阵列图像分类,准确率超过98%。随后开发了一个便携式通用风味饮料鉴别平台,该便携系统可实现从拍摄照片到输出结果的直接转换。本研究为风味饮料鉴别及减害物质检测提供了可行的策略,在食品生产与监管领域具有应用价值。
-
ColorNet:基于AI的猪肉新鲜度检测框架,使用比色传感器阵列
查看原文2025
Food Chemistry
中科院一区JCR一区Guangzhi Wang, Yuchen Guo, Yang Yu, Yan Shi, Yuxiang Ying & Hong Men
食品标签
畜肉 品质、结构与理化性质 过程监测与在线检测 理化与结构表征计算机标签
分类/鉴别/等级评定 可见光/RGB/视频数据猪肉的新鲜度对风味、营养价值以及消费者健康至关重要。当前比色传感阵列(CSA)检测系统存在传感器研发成本高、识别准确率低、应用平台受限等难题。为此,本文构建了比色传感阵列与ColorNet框架用于猪肉新鲜度检测。通过筛选敏化pH指示剂及醛酮类指示剂,设计出53点位比色传感阵列。为优化传感器性能,采用欧氏距离法筛选出24个响应更灵敏的染料阵列点位。ColorNet可提取猪肉新鲜度的色彩特征信息,实现实时检测,准确率达99.5%。面向实际落地与移动端应用,借助梯度激活映射算法优化得到精简版12点位比色传感阵列,识别准确率仍保持99%,与24点位阵列性能相当。该研究提出的比色传感阵列及检测模型能够保障消费者健康与食用安全,为猪肉行业的质量监测与管控提供了有力的技术支撑。
-
用于鲑鱼新鲜度监测的薄膜:由亲脂大豆蛋白、羟丙基甲基纤维素和负载紫草素的十八烯琥珀酸酐修饰γ-环糊精MOF制备
查看原文2025
Food Hydrocolloids
中科院一区JCR一区Yuanda Sun, Haibo Xu, Yi Ma, Yingmeng Hou, Shasha Cheng, Mingqian Tan, Jingru Chang & Haitao Wang
食品标签
鱼肉 蛋白质配料 智能/指示型包装 常规理化指标测定 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 定量预测/回归分析 可见光/RGB/视频数据智能包装薄膜的开发因其能够追踪水产品新鲜度的能力而受到相当多的关注。将天然色素掺入可食用薄膜已成为一种有前景的食品新鲜度评估方法。然而,天然色素在成膜溶液中的有限稳定性和较差分散性对其在食品中的实际应用构成了挑战。在本研究中,天然色素紫草素被成功封装在十八烯基琥珀酸酐(ODSA)修饰的γ-环糊精金属有机框架(OCM)的孔道内。随后,负载紫草素的OCM被整合到大豆亲脂蛋白/羟丙基甲基纤维素基薄膜(LP/HPMC薄膜)中。结果表明,负载OCM-紫草素显著增强了LP/HPMC薄膜的结构和功能特性。值得注意的是,OCM对紫草素的包封率为60.12%±0.83,其储存7天的稳定性比游离紫草素高出1.5倍。这些OCM-紫草素均匀分布在LP/HPMC薄膜基质内,从而使LP/HPMC薄膜的力学性能、紫外线阻挡能力和水蒸气阻隔性能得到改善。此外,所制备的负载OCM-紫草素的LP/HPMC薄膜(OCM-紫草素薄膜)表现出pH值和氨敏感性,使它们能够在储存期间有效监测鲑鱼的新鲜度。另外,建立了一个深度学习模型,将鲑鱼的总挥发性碱性氮(TVB-N)水平与薄膜的颜色变化相关联。在这些模型中,Xception模型展现了高达0.9973的准确性,突出了这些薄膜在实际应用中用于实时可靠新鲜度监测的潜力。总之,OCM-紫草素薄膜具有出色的pH响应特性,使其非常适合用于食品安全和质量控制的智能包装。
-
高性能硫空位硫化亚铁模拟酶实现的食品谷胱甘肽便携式即时检测
查看原文2025
Food Chemistry
中科院一区JCR一区Zhen Huang, Lu Luo, Pengcheng Lin, Donglin Cao & Wei Xiao
食品标签
品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据谷胱甘肽(GSH)是一种关键的生物活性物质,对食品营养和安全性有着显著影响。本研究开发了一种基于硫空位硫化铁(SV-FeS)模拟酶的新型比色传感平台,用于食品样品中谷胱甘肽的快速定量检测。该模拟酶具有三维(3D)微花结构,比表面积大,表现出优异的类过氧化物酶(POD样)活性。SV-FeS(pH=3,1小时)模拟酶对H₂O₂具有较高的底物亲和力,米氏常数(Kₘ)较低,为0.052 mM。在液相谷胱甘肽检测中,该传感器在5–100 μM范围内显示出良好的线性关系(R²=0.998),检测限(LOD)为0.38 μM。为满足即时检测(POCT)需求,构建了集成SV-FeS(pH=3,1小时)模拟酶和基于智能手机的读出系统的微流控纸基分析装置(μPADs)。该传感器可在5分钟内实现谷胱甘肽的一步定量,线性范围为35–500 μM(R²=0.990),检测限为10.4 μM。在实际应用中,该传感器表现出令人满意的性能,加标回收率为95.5%–102.5%,相对标准偏差(RSD)低于8%,且在4°C下可保持15天的稳定性。这项工作为食品质量与安全监测中谷胱甘肽的现场检测提供了一种有效的解决方案。
-
一种利用CV和NIRS配合TCN进行谱特征提取的红茶质量检测方法,用于大规模生产
查看原文2025
Food Chemistry
中科院一区JCR一区Jianhua Liang, Jiaming Guo, Hongling Xia, Chengying Ma & Xiaoyan Qiao
食品标签
茶/茶饮料 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
卷积神经网络 循环神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据 红外/拉曼光谱数据为实现规模化生产中红茶品质的精准严谨检测,本研究提出一种融合计算机视觉(CV)与近红外光谱技术(NIRS)的多模态融合方法。首先采用计算机视觉技术评价茶叶外观品质,同时利用近红外光谱技术定量检测茶多酚(TP)、游离氨基酸(FAA)、咖啡碱(CAF)等关键化学成分。此外,采用多种方法从近红外光谱中提取潜在品质特征,再对多源信息进行融合,并通过分类器实现茶叶品质的精准判别。研究结果表明,时间卷积网络(TCN)融合模型的准确率可达98.2%,优于卷积神经网络(CNN)融合模型及传统检测方法。本研究证实时间卷积网络可高效提取光谱特征,数据融合技术能显著提升茶叶品质检测效果,为红茶规模化生产工艺优化提供了重要参考依据。