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
-
结合人工智能与3D食品打印的新型蛋白质食物来源在食品工业中的前景展望
查看原文2022
Trends in Food Science & Technology
中科院一区JCR一区Manuela Galión Bedoya, Daniel Restrepo Montoya, Gipsy Tabilo-Munizaga, Mario Pérez-Won, Roberto Lemus-Mondaca
食品标签
新资源食材 加工与新加工技术 营养与生物功能 3D 打印与结构构筑 蛋白质与氨基酸计算机标签
定量预测/回归分析 过程控制与实时优化 设计/生成与推荐背景:基于藻类、昆虫、植物、真菌和微生物蛋白的新型食品基质,因其高蛋白含量、高生物学价值、良好的氨基酸谱和功能特性而得到探索。3D食品打印(3D-FP)是食品工业中一种前景广阔的开发技术。该技术已不断演进,并在美食学、个性化营养、新成分和新型感官特性等不同食品相关创新中得到应用。同样,人工智能(AI)方法也被用于预测食品加工和保藏条件以及食品质量和理化性质。
范围与方法:本综述研究了基于人工智能和3D食品打印的新技术趋势,重点关注新型蛋白质来源的探寻以及高蛋白含量食品的进一步开发,应用于食品工业/市场。本综述旨在概述人工智能与3D食品打印技术相结合在当前及新型蛋白质食品工业应用中的前景研究进展。
主要发现与结论:本综述阐述了所探索的、具有功能特性且是必需氨基酸良好来源的不同于动物来源的蛋白质替代品。此外,本综述展示了人工智能和3D食品打印技术,以及如何利用不同的设备和方结合不同蛋白质食物来源使用这些技术。3D打印可与人工智能结合用于工艺优化、可打印膏体的配方、打印后处理及自动化等。这两项技术都能促进开发具有高营养价值和在食品工业中具有高应用潜力的个性化食品。 -
可见-近红外光谱结合模拟退火偏最小二乘分析预测牛初乳中免疫球蛋白G、A和M浓度的有效性
查看原文2022
Food Chemistry
中科院一区JCR一区M. Franzoi, A. Costa, A. Goi, M. Penasa & M. De Marchi
食品标签
液态乳 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
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据本研究尝试采用可见 - 近红外光谱结合 模拟退火偏最小二乘回归(SA-PLS) 变量筛选方法,对牛初乳中的免疫球蛋白组分(g/L)—— 即免疫球蛋白 G(IgG)、免疫球蛋白 A(IgA)与免疫球蛋白 M(IgM)进行定量预测。研究以放射免疫扩散法(该领域金标准方法)测定 678 份样品中免疫球蛋白的含量,并将所有样品等分为校正集(50%)与验证集(50%)。模型设定筛选变量的最大数量不超过 200 个,以 交叉验证均方根误差(RMSECV) 作为损失函数。基于校正集构建的最终模型,其预测性能在验证集上进行评估。整体结果显示,相较于普通偏最小二乘回归,模拟退火偏最小二乘回归可将验证集 RMSECV 降低 3%~17%。本研究证实,所建校正模型可对牛初乳中含量最丰富的免疫球蛋白 IgG 实现精准定量,模型性能为:RMSECV = 13.28 g/L,决定系数R2 = 0.83。上述结果可用于评估供畜禽及人类使用的牛初乳品质。
-
基于质谱分析和化学计量学的埃及亚麻籽饼代谢物谱与抗氧化活性的比较研究
查看原文2022
Food Chemistry
中科院一区JCR一区Reham Hassan Mekky , Essam Abdel-Sattar, Antonio Segura-Carretero & María del Mar Contreras
食品标签
豆类与坚果(及籽类) 光谱/色谱/质谱等分析方法 多酚与黄酮 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定亚麻籽(Linum usitatissimum L.)是一种在全球范围内具有重要经济价值的作物。亚麻籽榨油后会产生饼粕这一副产物。本研究采用反相高效液相色谱 - 二极管阵列检测器 - 四极杆飞行时间质谱联用技术(RP-HPLC-DAD-QTOF-MS) 及二级质谱(MS/MS),对四个埃及亚麻籽品种的饼粕开展非靶向代谢物谱分析。研究共在样品中检测出162 种代谢物,并将其分类为羟基苯甲酸类(20 种)、羟基肉桂酸类(20 种)、黄酮类(59 种)、木脂素类(9 种)、香豆素类(1 种)、氨基酸类(8 种)、肽类(3 种)、氰苷类(6 种)、茉莉酸类(15 种)、核苷类(2 种)、有机酸类(16 种)以及糖类(3 种)。通过主成分分析与系统聚类分析,这些亚麻籽品种被有效区分,表明该方法可用于品种溯源。此外,研究还测定了样品的总酚含量与抗氧化活性,所得结果与前述代谢组学分析结论一致。据我们所知,本研究首次完成了亚麻籽饼粕的全面代谢物谱分析,为其在食品工业中的应用提供了前景。
-
阿伦尼乌斯模型与人工神经网络预测冷冻罗非鱼品质变化的比较
查看原文2022
Food Chemistry
中科院一区JCR一区Hongli Wang, Yao Zheng, Wenzheng Shi & Xichang Wang
食品标签
鱼肉 保藏与贮藏 品质、结构与理化性质 蛋白质与氨基酸 理化与结构表征计算机标签
深度学习 定量预测/回归分析本研究旨在探究罗非鱼在112 天不同温度贮藏过程中的品质变化(冰晶形貌、Ca²⁺-ATP 酶活性、总巯基(SH)含量、内源荧光强度(IFI)及 K 值(鲜度指标)),并构建动力学模型与人工神经网络(ANN)模型对上述变化进行预测。贮藏前 4 周内,样品冰晶截面面积与等效直径显著增大,Ca²⁺-ATP 酶活性与总巯基含量急剧下降,差异具有统计学意义(p < 0.05)。在 265 K、259 K、253 K、233 K 条件下贮藏 16 周后,最大波长内源荧光强度(IFI_λmax)分别下降 43.95%、29.77%、28.97% 与 18.58%。基于 IFI_λmax 构建的动力学模型可精准描述 233–265 K 范围内的贮藏品质变化;而其他指标所建模型在贮藏后期(14–16 周)预测精度有所下降。人工神经网络模型的预测效果优于阿伦尼乌斯模型,对所有品质指标均具备更佳的预测性能。
-
基于拉曼光谱结合多元校准的猪肉中脱氧肌红蛋白和氧合肌红蛋白的同步定量
查看原文2022
Food Chemistry
中科院一区JCR一区Huanhuan Li, Xiangyang Wu , Suleiman A. Haruna, Yin Wang, Md Mehedi Hassan, Min Zuo de, Qin Ouyang,Quansheng Chen & Wenhui Geng
食品标签
畜肉 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
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据鉴于猪肉在营养层面的优势及市场接受度,保障猪肉品质至关重要。本研究采用拉曼光谱技术结合高效变量筛选化学计量学方法,对猪肉中肌红蛋白组分(脱氧肌红蛋白、氧合肌红蛋白)的含量进行定量检测。实验先测定肌红蛋白各组分的占比,再采用偏最小二乘法(PLS)、竞争性自适应重加权采样 - 偏最小二乘法(CARS-PLS)、遗传算法 - 偏最小二乘法(GA-PLS)、随机蛙跳 - 偏最小二乘法(RF-PLS)等多元校正方法建模并对比评估,以预测相关系数(Rp)、预测均方根误差(RMSEP)和剩余预测偏差(RPD)作为模型性能评价指标。0.9762、RMSEP=1.23、RPD=4.47。由此证实,拉曼光谱结合 RF-PLS 算法可用于脱氧肌红蛋白、氧合肌红蛋白的无损、快速、简便检测。