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 289 条结果
-
利用智能系统生产藻类蛋白以改善功能性食品配料行业
查看原文2023
Food Research International
中科院一区JCR一区Yi Ting Neo, Wen Yi Chia, Siew Shee Lim, Cheng Loong Ngan, Tonni Agustiono Kurniawan & Kit Wayne Chew
食品标签
微藻及藻类产品 营养与生物功能 可持续性与资源高值化 过程控制与数字化 3D 打印与结构构筑 过程监测与在线检测 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 过程控制与实时优化 时序传感器/物联网数据藻类蛋白的生产和提取用于功能性食品配料需要控制温度、pH、光强和浊度等多个参数。虽然物联网和人工智能已在微藻生物质提升和物种鉴定中得到探索,但它们在藻类蛋白生产和功能性食品加工中的具体应用仍然有限。本综述研究了基于物联网和人工智能的智能系统的应用潜力,以实现藻类蛋白生产和提取过程中的实时监测、远程控制、快速事件响应和预测性表征。藻类,包括大型藻和微藻,代表了具有高营养价值和生物活性潜力的可持续高效蛋白来源。综述涵盖了藻类的功能特性、蛋白质提取方法(如超声波辅助、脉冲电场、微波辅助)以及物联网在智能监测和机器学习在物种分类、生长预测和过程优化中的整合。此外,还讨论了人工智能在表征生物活性肽和功能性食品配料中的应用。文中探讨了数据安全、技术采用和监管障碍等挑战,并展望了智能系统在提高藻基功能性食品生产的效率、可持续性和创新性方面的未来前景。
-
基于机器学习和分子对接的鲜味肽筛选快速选择策略
查看原文2023
Food Chemistry
中科院一区JCR一区Chen Li, Ying Hua, Daodong Pan, Lulu Qi, Chaogeng Xiao, Yongzhao Xiong, Wenjing Liu, Yali Dang, Xinchang Gao& Yufen Zhao
食品标签
其他添加剂与配料 蛋白质组学 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定近年来,鲜味肽因其较高的营养价值和风味活性,已成为鲜味研究领域的热点。但现有的鲜味肽筛选方法流程繁琐、操作复杂,耗时耗力,难以实现高通量筛选。本研究构建了一种新型鲜味肽快速筛选模型,以羊骨水提物为原料,结合多肽组学、机器学习方法与分子对接技术进行逐级筛选。研究最终鉴定出6种全新的羊骨源鲜味肽,验证了该筛选模型的可行性,可应用于鲜味肽的高通量筛选。鲜味肽与T1R3亚基的分子对接结果表明,二者主要通过氢键和静电相互作用结合,关键结合位点为GLU277和SER146。该研究为探究鲜味肽的结合作用机制奠定了理论基础。
-
基于代谢组学方法的波里亚椰子树的地理区域可追溯性及环境因素与生物标志物之间的相关性
查看原文2023
Food Chemistry
中科院一区JCR一区Xiaoliu Liu, Can Zhong, Jing Xie, Hao Liu, Zhenni Xie, Shuihan Zhang & Jian Jin
食品标签
其他果蔬制品/植物类 光谱/色谱/质谱等分析方法 代谢组学 蛋白质与氨基酸 碳水化合物与糖类计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 组学数据不同产地茯苓的食用价值存在显著差异,因此开展茯苓产地溯源研究并筛选其地理特征标志物具有重要意义。本研究采用液相色谱-串联质谱技术、主成分分析及正交偏最小二乘判别分析(OPLS-DA),对不同产地茯苓的代谢物进行分析。正交偏最小二乘判别分析能够清晰区分云南、安徽、湖南荆州三大种植产区茯苓的代谢物差异。最终筛选出3种糖类、4种氨基酸和4种三萜类化合物作为茯苓产地溯源的特征标志物。相关性矩阵分析表明,特征标志物的含量与产地来源密切相关。海拔、温度及土壤肥力是造成茯苓特征标志物谱存在差异的主要环境因子。代谢组学研究方法为不同产地茯苓的溯源及特征标志物筛选提供了有效研究策略。
-
将可见近红外光谱与多元分析结合,快速评估抹茶物理化学指标
查看原文2023
Food Chemistry
中科院一区JCR一区Jizhong Wu, Muhammad Zareef, Quangsheng Chen & Qin Ouyang
食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 植物化学/生物活性成分计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据消费者对抹茶的偏好很大程度上受其理化性质影响。本研究探究了可见-近红外(Vis-NIR)光谱技术结合多元分析方法,用于快速、无损检测抹茶粒径及茶多酚与游离氨基酸比值(P/F值)。对比了协同区间(Si)、变量组合种群分析(VCPA)、竞争性自适应重加权采样(CARS)、区间组合种群分析(ICPA)等多种变量筛选算法,并首次提出将ICPA与CARS相结合的变量筛选策略,从可见-近红外光谱中筛选特征波长,构建偏最小二乘(PLS)模型。结果表明,ICPA-CARS-PLS模型对抹茶粒径(Rp=0.9376)和P/F值(Rp=0.9283)的检测效果良好。因此,可见-近红外反射光谱结合化学计量学模型可实现抹茶品质快速、高效、无损的在线检测,对抹茶工业化生产具有重要应用价值。。
-
豌豆蛋白水解液的美拉德反应产物作为牛肉风味增强剂:对风味和物理化学性质的影响
查看原文2023
Food Chemistry
中科院一区JCR一区Zhilang Zheng, Lihui Zhang, Min Zhang, Arun S. Mujumdar and Yaping Liu
食品标签
畜肉 质构与流变性质 颜色与外观品质 特征风味 蛋白质与氨基酸计算机标签
偏最小二乘法 定量预测/回归分析本研究评估了豌豆蛋白水解物美拉德反应产物(MRPs-PPH)作为减盐、增鲜组分,对牛肉香精风味及理化特性的影响。添加豌豆蛋白水解物美拉德反应产物后,牛肉香精的亮度降低、红度与黄度升高,质构特性也发生改变。加入该产物后,牛肉香精的表观黏度、储能模量及损耗模量均有所下降。研究最终采用偏最小二乘回归分析法(PLSR)分析了样品味觉属性与风味化合物之间的关联,筛选出对不同味觉属性具有显著正向贡献的风味物质。本研究表明,豌豆蛋白水解物美拉德反应产物可作为一种源自生物大分子的天然风味增强剂,兼具减盐与增鲜功效。