01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
新鲜水果

标签记录(计算机学者)

暂无筛选

共 236 条结果

  • 基于优化机器学习的多传感器融合用于贮藏库尔勒香梨新鲜度无损监测

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Zhongbiao He, Jiahao Yu, Xue Zhou, Tengfei Tang, Bin Chen, Huibing Wang, Jingqi Gong, Jiashuo Shi, Xiaoshuan Zhang, & Yongman Zhao

    食品标签

    新鲜水果 品质、结构与理化性质 保藏与贮藏 碳水化合物与糖类

    计算机标签

    深度学习 支持向量机 分类/鉴别/等级评定 多模态/融合数据 时序传感器/物联网数据

    高效、无损的新鲜度监测对库尔勒香梨贮藏过程中的质量控制具有重要意义。本研究构建了融合气体组成、环境参数和介电特性的多传感器信息融合策略,并结合优化机器学习模型进行新鲜度分类。研究利用气体传感器、环境传感器和介电测量采集样品信息,同时以硬度、可溶性固形物等品质指标辅助建立新鲜度等级。研究比较了反向传播神经网络、支持向量机和随机森林模型,并采用遗传算法和粒子群优化提升模型性能。研究建立了 L1-L4 介电新鲜度等级,介电参数与硬度和可溶性固形物表现出较强相关性。采用高斯核的 PSO-SVM 模型取得最佳分类效果,准确率为 97.50%,F1 值为 97.49%,偏差较低;基于。NET 的数据采集平台进一步验证了连续监测的可行性。结果表明,多传感器融合与优化机器学习可为贮藏库尔勒香梨新鲜度无损监测提供准确、实用的方法。

  • 整合元素指纹和全反射 X 射线光谱指纹与机器学习用于高级海产品追溯

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Nuno M. Rodrigues, Vanessa F. Fonseca, Renato Mamede, Susanne E. Tanner, Bernardo Duarte, & Sara Silva

    食品标签

    鱼肉 新鲜水果 食品安全与风险评估 其他安全问题 标准/法规/数据库分析 矿物质与微量元素

    计算机标签

    随机森林 模型可解释性 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据

    海产品消费和需求增加导致食品欺诈问题上升,也推动了海产品追溯法规的发展,以保障海洋资源可持续利用和食品安全。头足类是具有商业价值的海产品资源,容易发生错误标识。普通章鱼在葡萄牙等南欧地区具有较高市场价值。本研究从葡萄牙大西洋沿岸 5 个捕捞区域和 3 个采样时期收集 450 个普通章鱼个体,评估其可食肌肉组织的元素指纹和光谱数据作为机器学习模型输入用于产地判别。研究在多时间数据上训练多种机器学习模型,揭示了模型性能和可解释性之间的权衡。分析显示不同季节之间存在明显分布偏移,可能与该物种复杂生命周期有关。模型性能显著依赖所用季节数据;10 月、9 月及其合并秋季数据训练的模型明显优于 4 月数据训练的模型。无论采用元素指纹还是光谱分析,这一趋势均存在,但多数模型中元素指纹数据总体具有统计学优势。总体性能方面,提升树模型表现突出;保持测试集结果显示,9 月数据的全元素指纹随机森林模型 F1 分数达到 73%。所建立模型具有较好的预测性能和泛化能力,基于 SHAP 的特征重要性分析显示模型决策可得到生物学解释,其中砷在所有采样时期均是区分捕捞区域的关键元素。

  • 基于多元统计分析筛选秭归脐橙品种的关键品质指标

    2026
    Food Chemistry: X
    中科院一区
    JCR一区
    查看原文

    Mingfang Tao, Peng Zhang, Tiancai Wang, Dan Zheng, Zhenzhen Xia, Xun Zhang, Yinjun Li, Youxiang Zhou & Xitian Peng

    食品标签

    新鲜水果 品质、结构与理化性质 理化与结构表征 多酚与黄酮

    计算机标签

    主成分分析/判别分析 分类/鉴别/等级评定 质构/流变/感官数据

    本研究从理化特性、生物活性物质及挥发性成分三个方面,对 5 个代表性秭归脐橙品种进行了全面表征。所有指标在不同脐橙品种间均存在显著差异(p <0.05,η²> 0.78)。纽荷尔脐橙(NO)在蛋白质、维生素 C、总可溶性固形物、可溶性糖、总酚、总黄酮含量及抗氧化活性方面表现最优。通过相关性分析、层次聚类分析(HCA)、正交偏最小二乘判别分析(OPLS-DA)等多元统计方法并结合市场相关指标,筛选出 14 项秭归脐橙特征品质指标。经主成分分析(PCA)(KMO > 0.6,巴特利特检验 p < 0.05),将上述指标按特征值>1 归为 3 个主成分,累计方差贡献率达 93.125%。以 14 项指标标准化值的加权求和计算各品种综合品质得分,结果显示纽荷尔脐橙得分最高。本研究结果可为秭归脐橙的营养评价与加工利用提供理论依据。

  • 利用光谱校正和可见/近红外光谱提升套袋“翠冠”梨可溶性固形物含量预测性能

    2026
    Food Control
    中科院一区
    JCR一区
    查看原文

    Yiran Zhao, Qingqing Li, Changqing An, Kun Tao, Yida Yu, & Huirong Xu

    食品标签

    新鲜水果 保藏与贮藏 过程监测与在线检测 光谱/色谱/质谱等分析方法 碳水化合物与糖类

    计算机标签

    偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据

    套袋是“翠冠”梨生长过程中常用的农业技术,也能在采收、运输和贮藏过程中有效保护果实。然而,在使用基于可见/近红外光谱的在线无损检测方法预测可溶性固形物含量时,果袋的遮挡效应及其材料会显著影响预测精度。因此,本研究针对套袋梨提出了一种基于偏最小二乘回归算法的光谱校正方法。该方法首先基于 Pearson 相关系数调整强度光谱权重,然后使用 PLSR 对套袋梨光谱中每个波长点进行校正。基于校正后的光谱,研究使用 PLSR 和最小二乘支持向量机建立 SSC 预测模型。此外,还使用连续投影算法和竞争性自适应重加权采样等特征波长选择算法,以提高模型准确性和效率。CARS-LSSVM 模型表现最佳,Rp2、RMSEP 和 RPD 分别为 0.814、0.284% 和 2.236。与基于原始套袋光谱的 SSC 预测模型相比,这些指标分别优化了 28.7%、25.5% 和 34.2%。本研究为果袋导致的光谱在线检测挑战提供了新解决方案,并成功实现了套袋“翠冠”梨 SSC 的可靠预测。

  • 三种餐桌葡萄(阳光麝香、巨峰和亚历山大麝香)的风味分析及其基于机器学习的风味预测

    2026
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Jiangfei Chai, Yutao Zhang, Jing Liu, Jiahui Zhang, Haihua Zhang, Chao Ma, Yuan Liu, & Yan Ping Chen

    食品标签

    新鲜水果 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 风味组学 其他植物化学物质

    计算机标签

    支持向量机 分类/鉴别/等级评定 时序传感器/物联网数据 质构/流变/感官数据

    餐桌葡萄是用于直接食用的,而酿酒葡萄则用于酿酒。香气显著影响餐桌葡萄的品质,并且采收时间至关重要。本研究使用感官评价和仪器分析,研究了三种餐桌葡萄(巨峰 (JF)、阳光玫瑰 (YGMG) 和亚历山大麝香葡萄 (YLSD))在六个成熟阶段的香气特征。随着成熟度增加,JF 和 YLSD 葡萄的香气从青味和花香转向果香和甜香,而 YGMG 葡萄的甜香、果香、青香和花香则更加浓郁。还鉴定出了用于区分成熟阶段的生物标志物,例如 JF 的糠醛、柠檬醛和 (Z)-2-己烯-1-醇,YGMG 的 (Z)-3-己烯-1-醇、(E)-2-己烯醛和芳樟醇,以及 YLSD 的糠醛、3-甲基丁醛和香叶醇。基于电子鼻的机器学习实现了对风味的快速分类和预测,其中SVC模型达到最高准确率(0.9394),可能有助于质量分级。本研究为葡萄香气质量监测提供了理论基础和技术支持。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号