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 276 条结果
-
将机器学习与横向流免疫分析结合用于超快速和高灵敏度他达拉非检测
查看原文2026
Food Chemistry
中科院一区JCR一区Jiawei Chen, Zhenzhen Chen, Sha Yu, Xiaoyue Xiao, Juan Peng, Yudi Xia, & Weihua Lai
食品标签
复合/即食/餐饮食品 化学污染物 过敏原与毒性问题 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
随机森林 定量预测/回归分析 时序传感器/物联网数据 中等规模数据集他达拉非(一种常在功能性食品和膳食补充剂中检测到的磷酸二酯酶5型抑制剂)具有显著风险。为了实现灵敏的现场检测,制备了一种抗他达拉非单克隆抗体(3C5),其半数抑制浓度(IC₅₀)为0.32 ng/mL。抗体-抗原结合动力学显示在早期检测阶段存在明显差异,从而推动将侧向流免疫层析法与机器学习(LFIA@ML)结合以进一步加快检测速度。基于多维信号特征训练的随机森林模型实现了快速检测和高准确性,决定系数为0.995,平均绝对误差为0.038。在140个样品中,LFIA@ML显示预测准确率为94.3%,并将检测时间显著缩短至3分钟。该分析方法与 LC-MS/MS 显示出强相关性,回收率范围为 92.3% 至 112%(变异系数 ≤ 15.37%)。LFIA@ML 展示了利用随机森林算法缩短检测时间的能力,并在葡萄酒样品中得到了验证。
-
机器学习辅助分子印迹 CeFeO3/CHIT 纳米复合材料选择性传感牛奶和果汁中的奥硝唑
查看原文2026
Food Control
中科院一区JCR一区Rui Liu, Meng Han, Chaojun Zhang, Wein-Duo Yang, & Binqiao Ren
食品标签
液态乳 果蔬汁/浓缩汁 化学污染物 过程监测与在线检测 常规理化指标测定 碳水化合物与糖类计算机标签
深度学习 随机森林 定量预测/回归分析 时序传感器/物联网数据食品中奥硝唑残留需要灵敏且具有选择性的分析方法。本研究开发了一种分子印迹 CeFeO3/壳聚糖纳米复合材料修饰玻碳电极,用于牛奶和橙汁中奥硝唑的电化学传感检测,并利用机器学习辅助预测和解释传感性能。MIP-CeFeO3/CHIT/GCE 传感器对奥硝唑表现出选择性识别能力,线性检测范围为 0.05-140 nM,检出限为 0.0143 nM。真实样品加标回收实验显示,牛奶中的回收率为 98.80%-102.83%,橙汁中的回收率为 99.30%-103.88%。研究采用人工神经网络、BP 神经网络、高斯过程回归、径向基函数和随机森林等机器学习模型,对电化学响应关系进行建模。GPR 对 pH、电位和电流之间的三维关系具有较强拟合能力,R2 达 0.9997,随机森林模型也表现出稳定预测性能。该研究表明,分子印迹电化学传感与机器学习结合可支持食品基质中药物残留的灵敏检测。
-
橄榄油感官剖析的新方法:利用近红外光谱和开源软件预测关键属性
查看原文2026
Food Control
中科院一区JCR一区María-del-Mar Garrido-Cuevas, Ana-María Garrido-Varo, María-Teresa Sánchez, & Dolores Pérez-Marín
食品标签
植物油 特征风味 感官科学与消费者研究 光谱/色谱/质谱等分析方法 传统统计分析与回归计算机标签
偏最小二乘法 随机森林 缺陷/异物检测与定位 红外/拉曼光谱数据 质构/流变/感官数据感官评价是橄榄油分类的重要依据,但耗时且依赖训练有素的品评小组。本研究评估了近红外光谱结合开源软件快速预测橄榄油关键感官属性和商业类别的可行性。研究共分析 488 个橄榄油样品,使用三台近红外仪器,包括便携式设备和台式设备。研究采用偏最小二乘判别分析和随机森林模型对果香和缺陷进行分类,并采用偏最小二乘回归预测果香、苦味和辛辣感强度。模型取得较高分类性能,果香分类准确率超过 94%,缺陷分类准确率超过 82%。感官强度定量预测表现为中等水平,RPDp 为 1.12-1.57。低成本便携式设备的表现接近台式设备。研究表明,近红外光谱和开源化学计量工具可支持橄榄油快速现场感官剖析和质量控制。
-
基于高光谱成像的冷藏 MAP 卤鸭脖鲜度变化无损检测
查看原文2026
Food Control
中科院一区JCR一区Di Wang, Jingui Zhang, Qiang Zhong, Zheng Xing, Zhixuan Yang, Alsadig Yahya, Ting Wu, Senem Kamiloglu, Siyi Pan, & Xiaoyun Xu
食品标签
禽肉 特征风味 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法 显微与成像技术 其他植物化学物质计算机标签
偏最小二乘法 随机森林 分类/鉴别/等级评定 高光谱/多光谱光谱 红外/拉曼光谱数据改良气调包装卤鸭脖的鲜度监测较为困难,因为传统质量分析通常需要破坏性取样和开封检测。本研究开发了一种近红外高光谱成像方法,用于检测 MAP 卤鸭脖在 4°C 和 10°C 冷藏 19 天过程中的鲜度变化。研究以 pH、菌落总数、低场核磁共振和挥发性盐基氮等理化与微生物指标作为参考鲜度指标,采集 900-1700 nm 范围内的 NIR-HSI 图像,并采用三阶段建模策略,包括 PLS、随机森林和 PLS-RF 模型,MSC、Savitzky-Golay 和 SNV 等光谱预处理,以及 CARS、GA 和 IVSO 特征波长筛选。对于 4°C 贮藏样品,全波长 PLS-RF 模型表现最佳,Rc2 为 0.967,Rp2 为 0.749,RMSEP 为 1.951,RPD 为 2.026;对于 10°C 贮藏样品,SNV-CARS-PLS-RF 模型表现最佳,Rc2 为 0.961,Rp2 为 0.747,RMSEP 为 2.431,RPD 为 2.003。TVB-N 的像素级可视化进一步表明,高光谱成像可用于不开封、无损监测包装卤鸭脖的鲜度劣变。
-
用于基于机器学习番茄尺寸分选的压力不敏感柔性弯曲传感器软夹爪
查看原文2026
LWT
中科院一区JCR一区Tianyun Dong, Chengjun Zhang, Hongwei Li, Chaoyue Han, & Jianfeng Ping
食品标签
新鲜水果 过程监测与在线检测计算机标签
随机森林 定量预测/回归分析 时序传感器/物联网数据柔性弯曲传感器能够为机器人番茄分选系统中的软夹爪提供精确检测能力,从而显著提升温和、准确抓取的性能。然而,传统传感器在抓取过程中容易受到接触压力干扰,导致弯曲信号失真并降低分选精度。为解决这一问题,本文提出了一种具有压力不敏感特性的全柔性弯曲传感器。该传感器结合半球形凸起结构与 H 形微通道设计,表现出优异的抗压力干扰能力。实验结果显示,传感器弯曲-压力灵敏度比达到 47.5:1,线性度 R2 = 0.97,响应时间为 144 ms,并具有良好的循环稳定性。研究将该传感器集成到柔性夹爪中,利用随机森林回归模型建立抓取电阻值与番茄尺寸之间的相关关系,实现了高精度尺寸预测。最终,该压力不敏感、高灵敏度柔性弯曲传感器成功应用于机械臂自动分选,为智能农业装备发展提供了重要支持。