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
-
机器学习分析预培养对蜂蜜酒挥发性化合物动力学限速步骤的影响
查看原文2025
Food Chemistry: X
中科院一区JCR一区Xian Li, Tiantian Zhang, Ziwei Liu, Meng Jiao, Qian Li, Martin Gand, Kexin Zhu, Yibing Qiao, Wushuang Bai, Zisheng Guo, Bin Li, Yiran Wang, Jing Dong & Binglin Li
食品标签
酒精饮料 特征风味 感官评价与方法学 过程监测与在线检测 过程优化与控制策略 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 过程控制与实时优化 组学数据 质构/流变/感官数据开发了一种新型两步发酵工艺来提升蜂蜜酒的风味品质。采用三柱顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术,结合感官评价和机器学习,对蜂蜜酒的挥发性成分进行了分析。与传统蜂蜜酒(TM)相比,我们的新型蜂蜜酒(NM)使异味化合物减少了37.6%,其中异戊醇减少1.26倍,月桂酸乙酯减少2.09倍。同时,芳香化合物增加了39.41%,其中乙酸异戊酯增加3.31倍,己酸乙酯增加2.79倍,苯乙醇增加1.69倍。感官评价显示,新型蜂蜜酒的苦味显著降低41.1%,刺激性降低42.5%,而果味、甜味和宜人的酸味分别增加了27.4%、36.9%和45.5%。通过重组和遗漏实验,确定了关键香气化合物(苯甲醛、2,3-丁二醇、雪松醇)。动态监测和机器学习识别出了关键的限速步骤,包括苯乙醛的氧化(苯乙醇合成)、异戊醛(异戊醇合成)以及辛酸向癸酸的转化。
-
基于蒙特卡洛技术预测食品和蔬菜中农药残留保留时间的计算研究
查看原文2025
Food Research International
中科院一区JCR一区Shahram Lotfi, Shahin Ahmadi, Ali Azimi, Alla P. Toropova & Andrey A. Toropov
食品标签
水果/蔬菜与菌菇类/植物类 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 定量预测/回归分析 组学数据 多模态/融合数据 中等规模数据集农药在通过控制生长过程中的害虫增殖来提高优质粮食作物产量方面起着至关重要的作用。然而,不当施用可能对人类健康构成重大风险。在本研究中,通过高效液相色谱(HPLC)测定的食品和蔬菜中农药残留的保留时间(tR)被使用定量结构-保留关系(QSRR)进行建模。通过分析一个包含823种农药残留的数据集,利用基于CORAL-2023软件实现的蒙特卡洛方法开发了QSRR模型。数据集被划分为四个子集:主动训练、被动训练、校准和验证集。采用化合物的SMILES符号来计算相关性权重描述符(DCW)。为了构建QSRR模型,使用了一种结合了SMILES和氢抑制图(HSG)表示的混合最优描述符。在蒙特卡洛优化过程中应用了三种目标函数TF0、TF1和TF2来生成模型。每种目标函数都进行了五次独立的建模迭代以进行稳健的统计评估,并随后比较了它们的性能。使用TF2目标函数开发的模型显示出良好到优异的预测质量,在外部验证集上的决定系数(R2)范围在0.813至0.842之间。从分割5获得的最佳模型展现出优越的验证指标(R2 = 0.842,IIC = 0.697,CII = 0.913,CCC = 0.915,Q2 = 0.835)。此外,从最佳模型中识别出了导致log tR增加和减少的关键分子片段。
-
基于氟掺杂碳量子点和机器学习,探索氟喹诺酮类抗生素识别和环丙沙星检测中的氟-氟相互作用机制
查看原文2025
Food Chemistry
中科院一区JCR一区Xinyue Yin, Shuran Yang, Guorong Du, Lu Zhang, Yuhong Xiang & Nengsheng Ye
食品标签
液态乳 化学污染物 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析抗生素的滥用会对人类健康与生态系统造成严重威胁,因此亟需实现食品中氟喹诺酮类抗生素(FQs)的精准区分与痕量检测。本研究制备铝离子螯合氟掺杂碳量子点(FCQDs–Al³⁺),构建比率型荧光传感器,用于检测牛奶中的环丙沙星(CIP)。环丙沙星会使氟掺杂碳量子点在360纳米处的荧光发生猝灭,同时其与铝离子螯合后会增强430纳米处的荧光信号。该传感器检测限为4.20纳摩尔每升,牛奶样品加标回收率区间为96.32%~100.07%。机器学习方法证实荧光猝灭由氟-氟相互作用引发,并建立了六种氟喹诺酮类抗生素的识别模型。基于此可先对氟喹诺酮类抗生素开展定性分析,再进行定量检测。该传感器对其余五种氟喹诺酮类抗生素同样具备优异的定量检测效果,在氟喹诺酮类抗生素的鉴别与检测领域拥有巨大应用潜力。
-
AI支持的农业食品系统的可持续性与环境足迹
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Mehran Ghasemlou, Ghazanfar Abbas Khan, Benu Adhikari, Colin J. Barrow & Robert Finger
食品标签
可持续性与资源高值化 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 政策评估与影响分析 食品成分/消费数据库分析 情景分析与情景模拟计算机标签
机器学习/统计学习 模拟与数字孪生 文本/知识库/法规数据 公开数据集人类的未来取决于能否持续稳定地提供诸如食物、能源和水等基本资源。预计到 2050 年,全球对食物的总需求将增长 35%至 56%。然而,农业和食品系统面临着诸多相互交织的挑战,包括食品和营养不安全、供应链高度分散且层级化、与气候变化相关的挑战以及不可持续的耕作方式等。过去,加强粮食生产往往以牺牲自然生态系统和生物多样性为代价,并且事实证明,这不足以将农业食品系统转变为可持续的模式。减少或防止作物损失和食物浪费,以及转向更多植物性饮食,是健康农业食品系统的重要组成部分。例如,当前的农业和耕作方式使用了全球约 72%的淡水资源,这严重限制了水资源在水资源匮乏地区的获取。同时,为操作农业机械而消耗的化石燃料量增加 5 倍,这使全球能源获取变得更加复杂,而且全球近三分之一的粮食被损失或浪费,而超过 8.2 亿人处于饥饿状态。必须克服这些障碍,以实现一种真正的双赢局面,即通过协同作用实现更优质的食品生产以及减少农业对环境的影响。
-
分馏、功能以及环境-经济权衡的综合建模,以支持向可持续植物基成分的转型
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Syahmeer How, Vincent Desaulniers Brousseau, Deepa Agarwal, William Kaye-Blake, Roman Buckow & Mike Weeks
食品标签
谷物/块根/豆与坚果类 加工与新加工技术 蛋白质与氨基酸计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析背景:为响应全球对可持续食物来源日益增长的需求,植物基成分(PBI)已成为动物基成分的极具前景的替代品。然而,当前的作物生产系统面临着资源利用效率低下、副产品未被充分利用以及显著环境影响等相关挑战。解决这些问题不仅需要加工方面的进步,还需要强大的建模框架,以支持在技术、经济、环境和功能等维度的决策制定。
范围与方法:本综述探讨了用于评估和优化通过干法、湿法、混合法和油料种子分馏途径生产植物基成分的最新建模方法进展。它强调了技术经济评估(TEA)、生命周期评估(LCA)、火用分析和计算建模在评估过程可持续性和可行性方面的作用。重点在于用于预测单元操作中质量和能量平衡的过程建模,以及用于预测成分功能的人工智能(AI)和混合模型的整合。本综述还讨论了新兴的集成建模结构化框架,例如那些将TEA和LCA联系起来的框架,并考虑了如何扩展这些框架以纳入与食物系统相关的供应链动态、产品功能和社会文化约束。
主要发现与结论:本综述主张开发超越TEA-LCA的集成建模框架,将功能、供应链和特定情境因素纳入其中。这种多学科方法为将植物基成分(PBI)整合到高效、低浪费且经济可行的食品生产系统中提供了一条途径,该系统与全球可持续发展目标相一致。