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BPNN-GA优化的静态磁场辅助高湿度低温解冻技术提升牛羊肉品质
查看原文2025
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Jiangshan Qiao, Min Zhang, Arun S. Mujumdar & Chunyan Lei
食品标签
畜肉 物理辅助加工 品质、结构与理化性质 理化与结构表征 脂质与脂肪酸计算机标签
机器学习/统计学习 定量预测/回归分析 质构/流变/感官数据解冻过程常导致品质劣变,包括水分流失、质地变差和颜色变化。本研究开发了一种集成了静态磁场(SMF)和高湿度低温解冻(HHLT)的复合解冻技术,用于在−18°C下储存的冷冻牛腱和羊腱。采用反向传播神经网络(BPNN)结合遗传算法(GA)对SMF辅助HHLT的解冻参数(解冻温度、相对湿度和SMF强度)进行了优化。建立的BPNN模型在不同条件下预测解冻损失具有高精度,均方误差低于0.1,相关系数接近1。通过GA获得的最佳参数为:牛肉8°C,83%RH,4 mT;羊肉12°C,87%RH,8 mT。与常规HHLT相比,优化后的SMF-HHLT显著提高了解冻效率,牛肉约46.6%,羊肉约32.5%。此外,SMF-HHLT将解冻损失降至1.33%(牛肉)和1.28%(羊肉),表现优于传统的室温解冻和低温解冻。低场核磁共振和磁共振成像进一步证实,SMF-HHLT通过保留结合水并抑制水分流失,有效保持了水分分布和状态,接近新鲜样品。此外,SMF-HHLT显著改善了解冻后品质,表现为质地和颜色劣变减少,pH和TVB-N水平稳定,脂质稳定性增强。工业相关性:在肉类加工行业,解冻引起的品质损失和低效过程常导致显著的经济和产品质量损失。本研究提出了一种集成的SMF-HHLT方法作为一种创新的解冻技术。BPNN-GA预测模型为快速参数优化提供了一种精确高效的方法,从而节省了时间和资源。优化的SMF-HHLT在提高产品质量的同时缩短了解冻时间,有望提高生产效率、降低运营成本,并提升产品在市场上的竞争力。
-
基于GC-IMS结合智能感官技术的藜麦芽植物饮料风味代谢特性分析
查看原文2025
Food Research International
中科院一区JCR一区Jian Ma, Jingyi Du, Wentao Zhang, Hui Zhao, Yanhong Ma, Huiru Hong, Wuyang Huang & Jian Li
食品标签
果蔬饮料 感官科学与消费者研究 理化与结构表征 微生物与发酵实验 常量营养素(宏量)计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据 组学数据发芽和发酵后,藜麦的风味品质显著提升,然而这种改善背后的具体代谢机制尚不清楚。本研究对藜麦乳酸菌发酵(QLF)和藜麦芽乳酸菌发酵(QSLF)过程中0、4、8和12小时样品的异味、口感、挥发性有机化合物(VOCs)及基础理化指标进行了统计分析,以探究藜麦芽乳酸发酵过程中风味代谢物的变化规律。结果表明,发酵8小时后,QLF和QSLF中的pH、总酸、总皂苷和氨基酸水平趋于稳定。发芽显著降低了皂苷含量,而乳酸菌发酵则补充了发芽过程中损失的氨基酸。电子鼻和电子舌测试表明,QSLF具有最佳的嗅感和味感。GC-IMS测试结果共鉴定出44种VOCs,包括20种醛类、6种酯类、11种高级醇类、4种酮类和3种其他化合物。QSLF组(QSLFA)的VOCs含量高于QLF组(QLFA)。通过对QLFA和QSLFA进行正交偏最小二乘判别分析(OPLS-DA)模型分析,鉴定出22种关键VOCs(主要为醛类和高级醇类);其中21种含量增加,从而提升了QSLFA的香气品质。主要的差异代谢途径是苯丙氨酸代谢,它通过影响脂肪酸、氨基酸和碳水化合物代谢来增强QSLFA的风味。这些发现为谷物和假谷物类食品的深度加工提供了依据。
-
基于迁移学习的祁门红茶质量近红外光谱评估方法改进
查看原文2025
Food Research International
中科院一区JCR一区Yurong Chen, Junhan Wang, Jingfei Shen, Yifan Zuo, Qianfeng Yang, Yongning Wei, Jichen Wang, Qing Yu, Wenjun Lv & Luqing Li
食品标签
茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 迁移学习/领域自适应 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据祁门红茶是一种著名的中国红茶,由于不同年份的数据存在变异性,其质量评估面临挑战。为解决此问题,我们利用近红外光谱数据开发了迁移学习算法。定性算法BLACK TEA-GRADING利用了极限学习机的随机傅里叶特征,将不同年份茶叶分级的F1分数从0.7035提高到了0.8138。定量算法BLACK TEA-SUBSTANCE ANALYSIS基于逆格拉姆矩阵,用于预测主要风味物质。不使用该算法时,均方误差超过0.04且R值低于0.7;使用该算法后,均方误差降至0.015以下,R值超过0.8。因此,我们的方法利用迁移学习和近红外光谱技术,提高了跨年份祁门红茶质量评估的准确性,推动了近红外光谱在茶叶质量评价中的应用。
-
要推动人工智能在食品科学领域的发展,需要领域知识、公正的评估以及完善的数据标准
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Dachuan Zhang, Meihui Liu, Zhaoshuo Yu, Hanlin Xu, Stephan Pfister, Giulia Menichetti, Xingran Kou, Jinlin Zhu, Daming Fan & Pingfan Rao
食品标签
营养与生物功能 食品安全与风险评估 可持续性与资源高值化计算机标签
机器学习/统计学习 深度学习背景:人工智能(AI)在包括食品科学在内的许多科学领域都展现出了变革性潜力。其应用涵盖营养、安全、风味和可持续性等方面。然而,当前人工智能在食品科学中的应用往往缺乏与领域专业知识的整合,面临可复现性挑战,并且受到碎片化数据集和有限基准测试的阻碍。
范围与方法:本观点概述了主要挑战,并提出了五项战略举措,以指导人工智能在食品科学中有效且负责任地整合。这些举措包括将领域知识嵌入模型、建立透明且可复现的工作流程、采用基准测试实践、促进实际验证,以及开发健全的数据标准和基础设施。
主要发现与结论:为了充分释放人工智能在食品科学中的潜力,未来的研究必须优先考虑具有领域感知的模型开发、开放科学实践和实际验证。这些努力对于打造可靠、可推广且有影响力的人工智能工具至关重要,此类工具能够应对食品系统中的现实挑战。 -
通过整合计算模拟理性筛选四种高效降解黄曲霉毒素 B1 的过氧化物酶
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Yufei Wang, Qing Zhang, Jingying Pei, Yijia Su, Tosin Victor Adegoke, & Yan Wang
食品标签
过敏原与毒性问题 其他特殊成分计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主黄曲霉毒素 B1(AFB1)降解因传统方法局限而仍是重要挑战。本研究提出一种计算筛选策略,用于筛选 AFB1 降解酶,并选出分别来源于 Agrocybe pediades、Klebsiella pneumoniae、Trametopsis cervina 和 Pleurotus eryngii 的四种过氧化物酶 ApeLip、KpDyp、TrcLip 和 VPL2。这些酶在 Escherichia coli Shuffle T7-B 中异源表达并纯化后,均具备高效降解 AFB1 的能力,并表现出一定碱耐受性。在最优条件下,ApeLip、KpDyp、TrcLip 和 VPL2 对 AFB1 的降解率分别达到 90.06%、91.55%、91.93% 和 92.91%。分子动力学模拟表明,范德华相互作用是主要结合机制,尤其通过疏水残基发挥作用。UPLC-QTOF-MS 分析确认,AFB1 的 C8-C9 键羟基化生成毒性较低的 AFB1-8,9-二氢二醇。该计算模拟与实验框架为理性发现酶提供了有效平台,并促进了真菌毒素缓解策略的发展。