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 364 条结果
-
通过智能感官技术、气相色谱-质谱联用、气相色谱-离子迁移谱和机器学习分析四种新型烤法对烤羊肉串风味的影响
查看原文2023
Food Chemistry: X
中科院一区JCR一区Che Shen, Yun Cai, Meiqi Ding, Xinnan Wu, Guanhua Cai, Bo Wang, Shengmei Gai & Dengyong Liu
食品标签
畜肉 传统热加工 特征风味 感官评价与方法学 光谱/色谱/质谱等分析方法计算机标签
支持向量机 卷积神经网络 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据 多模态/融合数据为分析四种新型烤法(D:电烤箱、W:微波炉、K:空气炸锅、L:电烤炉)与T法(传统炭火烤制)对烤羊肉串感官评价、智能感官技术(电子鼻和电子舌)及挥发性有机化合物的影响。采用HS-SPME-GC-MS和HS-GC-IMS分析VOCs。此外,整合基于色谱的方法、智能感官技术和感官评价的数据进行多变量统计分析,并使用五种机器学习模型预测VOCs和烤法。与T法相比,K法和L法产生了更高浓度的不饱和醛类、酮类和酯类。K法表现出独特的黄油味。卷积神经网络-支持向量机模型在预测VOCs和烤法方面表现出优越的性能。总体而言,K法和L法可作为生产烤羊肉串的新型烤法,且CNN-SVM模型可有效预测其风味特征。
-
一种针对不同产地霉心苹果光谱模型的迁移学习方法
查看原文2023
Food Control
中科院一区JCR一区Zhongxiong Zhang, Haoling Liu, Zichao Wei, Miao Lu, Yuge Pu, Liulei Pan, Zuojing Zhang, Juan Zhao, & Jin Hu
食品标签
新鲜水果 微生物安全 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 支持向量机 循环神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据本研究采用补偿模型与迁移学习模型两种方法,旨在提升霉变苹果果核检测模型对不同产地样品的适应性。实验采集了扶风、灵宝两个产区苹果的光谱数据,以偏最小二乘判别分析(PLS-DA)模型和最小二乘支持向量机(LS-SVM)模型为基础,分别构建了各产地的局部模型、全局模型及基于迁移成分分析(TCA)的迁移学习模型。结果表明,补偿模型与基于 TCA 的迁移学习模型均能有效消除产地因素对模型性能的干扰。相较于补偿模型法,采用灵宝产区数据构建的基于 TCA 方法的 LS-SVM 模型,其特异性与准确率分别提升了 9.09% 和 4.54%。外部验证实验进一步验证了上述理论结果的可靠性。本研究为解决单一产地模型适应性差的问题提供了切实可行的方案,同时也为霉变苹果果核的光谱检测建立了一套可靠且通用的方法。
-
使用带有新型多任务遗传编程方法的近红外光谱预测多种食品质量参数
查看原文2023
Food Control
中科院一区JCR一区Yu Yang, Shangpeng Sun, Leiqing Pan, Min Huang, & Qibing Zhu
食品标签
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
支持向量机 定量预测/回归分析 红外/拉曼光谱数据为满足日益增长的食品安全与品质检测需求,食品工业领域亟待开发可同时快速测定多项食品品质参数(FQPs)的新技术。将近红外光谱(NIR)技术与光谱预测模型相结合,实现食品品质参数的快速、可重复、无损且低成本定量分析,目前已在食品工业中得到越来越广泛的应用。然而,现有多数基于光谱的预测模型均建立在单任务学习框架下,即针对每一项品质参数单独构建对应的光谱预测模型。这种建模范式忽略了不同食品品质参数预测任务之间潜在的关联性,可能导致单一品质参数预测模型的性能下降。本研究提出一种基于遗传规划的新型多任务建模方法,命名为EM4GPO,旨在实现多项食品品质参数的同步预测。在 EM4GPO 方法中,研究人员利用多维树结构对原始近红外光谱数据进行编码,提取多项品质参数的共享特征;针对每一项品质参数,在共享特征的基础上构建最小二乘支持向量回归(LS-SVR)模型,以挖掘专属特征并建立预测模型;在模型优化阶段,本研究开发了一种全新算法,将多维多分类遗传规划、多维种群优化方法与非支配排序法相结合,通过种群进化实现对已提取的共享特征、专属特征及 LS-SVR 预测模型的协同优化。研究人员采用 10 组近红外光谱数据集,对所提出的 EM4GPO 模型进行验证,并与 9 种主流近红外预测模型展开性能对比。实验结果表明,EM4GPO 模型在所有数据集上的表现均优于其他常用方法,证实该方法在基于近红外光谱的多食品品质参数同步预测任务中具有显著的竞争力与有效性。
-
基于紫外光激发下可见光成像结合偏振光成像的玉米单籽粒脱氧雪腐镰刀菌烯醇与玉米赤霉烯酮污染分类
查看原文2023
Food Control
中科院一区JCR一区Maozhen Qu, Shijie Tian, Hengjie Yu, Da Liu, Chao Zhang, Yingchao He, & Fang Cheng
食品标签
玉米 微生物安全 显微与成像技术计算机标签
支持向量机 分类/鉴别/等级评定 可见光/RGB/视频数据玉米中脱氧雪腐镰刀菌烯醇(呕吐毒素)与玉米赤霉烯酮的污染问题对食品安全构成严重威胁。因此,开发一种经济高效且无损的检测方法,实现对受这两种霉菌毒素污染玉米的分类鉴别,已成为一项重要研究课题。本实验随机选取天然受脱氧雪腐镰刀菌烯醇和玉米赤霉烯酮污染的玉米籽粒为研究对象,采用紫外光激发可见光成像技术结合偏振光成像技术,分别提取玉米胚乳面与胚芽面的纹理及颜色特征。基于所提取的特征,构建 6 种分类模型,对 1035 粒受污染玉米籽粒开展单粒级分类鉴别研究。结果表明,胚乳面为最优检测面,最优分类模型为支持向量机(SVM),其分类准确率达 88.1%。研究进一步通过图像局部特征分析减少二次污染风险,并借助霉菌毒素浓度验证实验,对模型性能进行深度评估。验证结果证实,该方法可有效区分玉米受脱氧雪腐镰刀菌烯醇和玉米赤霉烯酮污染的 3 个等级,同时还能降低检测平台的搭建成本。
-
成本效益高且灵敏的指示置换阵列(IDA)检测法,用于红茶发酵质量监测
查看原文2023
Food Chemistry
中科院一区JCR一区Huiyan Jia, Wenxuan Yuan, Zhengyu Ren, Jingming Ning, Yong-Quan Xu, Yujie Wang & Wei-Wei Deng
食品标签
茶/茶饮料 过程监测与在线检测 其他理化与结构表征 发酵工艺与动力学 多酚与黄酮计算机标签
支持向量机 定量预测/回归分析本文研制了一种新型指示剂置换阵列(IDA)传感器,用于红茶发酵品质评价。基于苯硼酸与邻苯二酚可逆共价结合的原理,选取苯硼酸作为受体,实现与多酚类物质的靶向结合;以邻苯二酚紫和茜素红S作为反应指示剂。该指示剂置换阵列传感器对发酵茶样品具有灵敏的差异化响应,借助支持向量机(SVM)对发酵程度进行评价,准确率可达80.39%~88.00%。此外,通过指示剂置换阵列结合支持向量机回归模型,可精准预测发酵过程中的关键多酚组分,其中总多酚、总儿茶素、表没食子儿茶素没食子酸酯的预测偏差比分别为1.55~1.72、2.03~2.21、2.03~2.08。综上,所研制的指示剂置换阵列传感器可实现红茶发酵过程的原位品质监测,具备成本低廉、灵敏度高、检测快速等优势。