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 393 条结果
-
基于智能手机的双荧光碳点智能装置用于水和食品样品中铜(II)的可视化与即时检测
查看原文2024
Food Chemistry: X
中科院一区JCR一区Tiange Li,Tiantian Wu,Meiju Lu,Ning Li,Yan Ma,Lianjun Song,Xianqing Huang,Jiansheng Zhao &Tianlin Wang
食品标签
食品安全与风险评估 理化与结构表征 矿物质与微量元素计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据Cu²⁺的过量存在可能对人体健康有害。因此,研究人员开发了一种基于多色荧光碳点(CDs)的比率荧光传感器,用于Cu²⁺的检测。通过一步水热法合成了蓝色和黄色碳点(B-CDs/Y-CDs)。加入Cu²⁺后,它会被B-CDs的氨基捕获并形成复合物,通过光诱导电子转移(PET)导致强烈的荧光猝灭。同时,Y-CDs的氨基也会与Cu²⁺结合,这会抑制其内部的PET,从而增强Y-CDs的荧光。该传感器具有快速、可视化和选择性好的优点,检测下限(LOD)低至2.29 nM。此外,研究人员还构建了一个由便携式光学检测器和智能手机组成的智能设备,实现了Cu²⁺的可视化即时检测(POCT),其检测下限为7.51 nM。该策略为监测重金属污染和食品安全提供了一种便捷的方法。
-
基于数字图像结合随机森林算法的蜂花粉粗蛋白含量绿色快速预测
查看原文2024
Food Research International
中科院一区JCR一区Leandra Schuastz Breda, José Elton de Melo Nascimento, Vandressa Alves, Vagner de Alencar Arnaut de Toledo, Vanderlei Aparecido de Lima & Maria Lurdes Felsner
食品标签
营养与生物功能 显微与成像技术 蛋白质与氨基酸计算机标签
随机森林 定量预测/回归分析 可见光/RGB/视频数据蜂花粉被认为是一种具有功能特性的优良膳食补充剂,广泛应用于食品、化妆品配方及生物医学领域。因此,了解其化学成分,尤其是粗蛋白含量,对于保证其质量及工业应用至关重要。为了定量蜂花粉中的粗蛋白,本研究探索了结合数字图像分析和随机森林算法来开发一种快速、经济且环境友好的分析方法的潜力。使用智能手机相机在受控光照下拍摄了蜂花粉样本(n = 244)的数字图像。利用开源软件提取了RGB通道强度和颜色直方图。粗蛋白含量通过凯氏定氮法(参考方法)测定,并与数字图像的RGB通道及颜色直方图数据结合,通过应用随机森林算法生成预测模型。所开发的模型在蜂花粉粗蛋白分析中表现出良好的性能和预测能力(R² = 80.93%;RMSE = 1.49%;MAE = 1.26%)。因此,根据AGREE指标,该分析方法可被视为环境友好型,是传统分析方法的优秀替代方案。它避免了有毒试剂和溶剂的使用,展现了能源效率,利用了低成本仪器,并且稳健、精确。这些特点表明其易于在质量控制实验室的蜂花粉样本粗蛋白常规分析中实施。
-
受人类嗅觉系统启发:基于深度学习的便携式化学响应染料气味传感器阵列用于快速检测虾与鱼类新鲜度
查看原文2024
Chemical Engineering Journal
中科院一区JCR一区Chengbin Jiang, Alan J.X. Guo, Yuwen Li, Yufan Wang, Jianfeng Sun, Zhizhou Chen, Xin Chen & Qianyun Ma
食品标签
鱼肉 甲壳类 品质、结构与理化性质 过程监测与在线检测 理化与结构表征 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据比色传感阵列(CSAs)能够检测食品储存过程中产生的挥发性有机化合物(VOCs),通过气味可视化实现新鲜度监测。本研究将十六种对VOCs具有显色响应的化学敏感染料负载于季铵化纤维素纳米纤维(C-CNFs)载体,构建了纸质基底的CSA。染料与C-CNFs间的强离子相互作用使染料牢固固定于传感器表面无渗漏,即使在60%高相对湿度(RH)条件下仍能提供稳定一致的比色变化。由于C-CNFs的三维多孔结构特性,该比色传感器阵列(CSA)对虾类和鱼类腐败过程中产生的挥发性有机物(VOCs)表现出高灵敏度检测能力。其对氨气、二甲胺、三甲胺、尸胺和腐胺的检测限分别为2、21、3、1和1 ppm。通过选用覆盖多种VOCs的染料,CSA的颜色变化可准确区分新鲜、次新鲜、轻微腐败及腐败的虾类与鱼类样本。这些颜色变化数据经数字化处理后,用于训练卷积神经网络(CNN)。CNN模型对上述新鲜度等级判定具有高准确率(99%)。CSA与CNN的结合为构建便携式传感平台提供了一种创新方案,可实现食品新鲜度等级的非破坏性智能判定。
-
基于理化性质分析和结构光照反射成像的稳定YOLOv8苹果损伤检测分类模型的构建
查看原文2024
Postharvest Biology and Technology
中科院一区JCR一区Junyi Zhang, Liping Chen, Liwei Luo, Zhonglei Cai, Ruiyao Shi, Letian Cai, Xuhai Yang & Jiangbo Li
食品标签
新鲜水果 微观结构与成像 其他品质相关性质 显微与成像技术计算机标签
目标检测网络 分类/鉴别/等级评定 可见光/RGB/视频数据苹果损伤各阶段的有效、准确检测一直是苹果无损分级中的一个挑战。本研究提出结合深度学习方法的可见光结构光照反射成像技术,用于识别富士苹果在四个不同时间阶段(0、6、12和24小时)的损伤。测量并分析了损伤组织的宏观/微观结构和理化性质,以确定损伤时间与这些性质之间的关系,以及它们如何影响损伤检测的准确性。结果表明,分类准确率随着损伤组织水分和总酚含量的降低,以及颜色褐变和损伤面积的增加而提高。YOLOv8模型取得了最高的检测准确率(99.5%)和稳定性。这项研究增强了对苹果损伤光学的理解,有助于发展先进的非破坏性检测技术。
-
人工智能在食品科学、技术与工业中的应用进展
查看原文2024
Trends in Food Science and Technology
中科院一区JCR一区Rezvan Esmaeily, Mohammad Amin Razavi & Seyed Hadi Razavi
食品标签
加工与新加工技术 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 感官科学与消费者研究 过程控制与数字化计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 设计/生成与推荐 可见光/RGB/视频数据 时序传感器/物联网数据背景:食物对于人类生存具有优先性和重要性,同样,食品科学也在世界范围内发挥着重要作用。因此,食品科学、食品技术、食品工业、食品加工、人类营养、功能食品和营养保健品主导着人们的日常生活,以实现健康的生活方式。在此之前,农业为食品提供了初级必需品。在农业阶段,消除有害化学物质和微生物至关重要。下一步,在食品加工中,需要检查多项标准以获得合格的食品产品,例如食品质量和食品安全。此外,评估食物摄入量支持了饮食中与营养相关的各个方面。
范围与方法:如今,尖端技术,特别是人工智能及其分支机器学习,以其优势和劣势,在不同学术和工业领域中的应用日益普及。食品科学与技术及相关议题也不例外。改进农业、促进作物分类、开发配方及新型食品与营养相关产品、进行更精确的感官评价、优化工业加工、提高食品质量、确保食品安全、管理供应链、废物再利用,以及最终估算热量和营养成分,这些都是食品科学与人工智能相结合所取得的部分成就。精确的感官评价尤其通过电子鼻、生物电子舌/电子舌和机器视觉来实现。
主要发现与结论:在农业、食品科学和营养领域应用人工智能算法,可以形成一个智能化的从农场到餐桌的循环,并在此科学突破中实现显著改进。