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
标签记录（计算机学者）
共 339 条结果
-
基于化学计量学方法研究商业单甘油酯诱导的菜籽油凝胶化
查看原文
2022
Food Chemistry
中科院一区JCR一区
Aurélie Monié, Sophie Franceschi, Stéphane Balayssac, Myriam Malet-Martino, Mathieu Delample, Emile Perez & Jean-Christophe Garrigues
食品标签
植物油 品质、结构与理化性质 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 红外/拉曼光谱数据市售富含单甘酯（MGs）的油脂胶凝剂是酰基甘油酯构成的复杂混合物，其胶凝性能随所用基础油种类与胶凝剂浓度的不同而发生变化。本研究建立了一套化学计量学方法，用以识别胶凝过程中的关键影响参数。研究采用气相色谱（GC）与核磁共振（NMR）技术对混合物中的脂肪酸及酰基甘油酯组分进行定性解析，并定义了相应分析参数；通过计算特定酰基甘油酯类群与组分比例，实现分析结果的简化归纳。为确定关键分析参数，本研究将人工神经网络应用于定量结构 - 性质关系（QSPR） 研究，关联经流变学振荡实验测定的胶凝性能参数。结果表明：低胶凝剂浓度下，富含 C16:0 的单甘酯与特征异构体比例均对储能模量G′存在正向促进作用；高浓度条件下，富含 C18:0 的酰基甘油酯与不饱和 / 饱和脂肪酸比例对G′呈正向影响。与之相反，低浓度下富含 C18:0 的酰基甘油酯对G′的提升作用较弱。
-
近红外高光谱成像技术与深度卷积生成对抗网络结合预测单粒玉米籽粒的含油量
查看原文
2022
Food Chemistry
中科院一区JCR一区
Liu Zhang, Yaqian Wang, Yaoguang Wei & Dong An
食品标签
玉米 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
偏最小二乘法 支持向量机 深度学习 定量预测/回归分析 高光谱/多光谱光谱对单粒玉米的含油率进行快速、无损预测，对食品工业具有重要意义。然而，获取大批量玉米籽粒含油率的实测参考值耗时且成本高昂，数据集规模有限也会导致模型泛化能力偏低。本研究将高光谱成像技术与 深度卷积生成对抗网络（DCGAN） 相结合，用于单粒玉米含油率的预测。利用 DCGAN 同时对光谱数据与含油率数据进行扩增，经多次迭代后，生成与实验真实数据高度近似的仿真数据。分别构建 偏最小二乘回归（PLSR）与支持向量回归（SVR） 模型，对比数据扩增前后的模型性能。结果表明，该方法不仅提升了两种回归模型的预测效果，还解决了建模需要大量训练数据的难题。
-
基于鱼眼液荧光激发发射矩阵（EEM）分析的鳙鱼头部新鲜度无损预测：比较BPNNs和RBFNNs模型
查看原文
2022
Food Chemistry
中科院一区JCR一区
Xin Shi, Jiaran Zhang, Ce Shi, Yuqing Tan, Hui Hong & Yongkang Luo
食品标签
鱼肉 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
机器学习/统计学习 深度学习 定量预测/回归分析 红外/拉曼光谱数据本研究基于 激发 - 发射矩阵（EEM） 特征组分，构建了反向传播神经网络（BPNNs）与径向基函数神经网络（RBFNNs）模型，用于评估不同贮藏温度下鳙鱼头的新鲜度。通过平行因子分析（PARAFAC）从鱼眼液的激发 - 发射矩阵数据中提取出两个特征组分，该组分为表征变温条件下鱼类新鲜度相关荧光基团的最优特征变量。研究采用基于 EEM 特征组分的 EEM-RBFNNs 与 EEM-BPNNs 模型预测鱼类新鲜度。结果表明，EEM-BPNNs 模型对 硫代巴比妥酸反应物（TBARS）和细菌总数（TAC） 的预测相对误差均低于 10%，预测效果优于 EEM-RBFNNs 模型。这说明，结合平行因子分析得到的鳙鱼眼液 EEM-BPNNs 模型，在变温贮藏条件下的鱼类新鲜度预测中具备极高的应用潜力。
-
基于花青素谱的杜罗法定产区单一品种红葡萄酒真实性鉴别：偏最小二乘判别分析、决策树和人工神经网络的比较
查看原文
2021
Food Control
中科院一区JCR一区
Fernanda Cosme, Juliana Milheiro, Joana Pires, Fernanda Isabel Guerra-Gomes, Luís Filipe-Ribeiro, & Fernando M. Nunes
食品标签
酒精饮料 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
偏最小二乘法 深度学习 分类/鉴别/等级评定本研究以杜罗河法定产区（DDR）的国家杜丽佳（TN）、法兰西杜丽佳（TF）及廷塔・罗丽红（TR）三个单一品种红葡萄酒为研究对象，探究结合花色苷指纹图谱与多元统计分析方法实现品种鉴别可行性，具体采用的分析方法包括偏最小二乘判别分析（PLS-DA）、分类回归树（CART）及人工神经网络（ANN）。实验结果显示，在单一品种葡萄酒的产地溯源分类中，分类回归树与人工神经网络模型表现出更优的准确性，测试集分类准确率均达 100%；而偏最小二乘判别分析模型的分类准确率为 91.4%。不同模型筛选出的品种鉴别核心特征变量存在差异：偏最小二乘判别分析模型的关键变量为矮牵牛素 - 3 - 葡萄糖苷、锦葵素 - 3 - 乙酰葡萄糖苷及矢车菊素 - 3 - 葡萄糖苷；分类回归树模型的关键变量为矮牵牛素 - 3 - 葡萄糖苷、芍药素 - 3 - 乙酰葡萄糖苷及锦葵素 - 3 - 乙酰葡萄糖苷；人工神经网络模型的关键变量则包括锦葵素 - 3 - 乙酰葡萄糖苷、矮牵牛素 - 3 - 葡萄糖苷、锦葵素 - 3 - 葡萄糖苷、芍药素 - 3 - 香豆酰葡萄糖苷及飞燕草素 - 3 - 葡萄糖苷。综上，杜罗河原产地命名保护体系下的国家杜丽佳、法兰西杜丽佳及廷塔・罗丽红单一品种红葡萄酒的花色苷指纹图谱，结合多元统计分析方法，可作为验证其品种真实性的有效技术手段。
-
基于人工神经网络的电子鼻技术用于玉米中黄曲霉毒素B1和霉菌毒素的快速检测
查看原文
2021
Food Control
中科院一区JCR一区
Marco Camardo Leggieri, Marco Mazzoni, Sihem Fodil, Maurizio Moschini, Terenzio Bertuzzi, Aldo Prandini, & Paola Battilani
食品标签
玉米 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
深度学习 分类/鉴别/等级评定 时序传感器/物联网数据霉菌毒素对食品及其制品的安全性构成重大威胁。开发一种快速、可靠且低成本的检测方法，用于分析法规重点管控的霉菌毒素，具有重要的实用价值与时间效益。本研究旨在评估电子鼻技术在快速识别玉米样本中霉菌毒素污染水平是否超标方面的应用潜力。2014—2018 年，研究人员从意大利北部某商业化农田共采集 316 份玉米样本，分别采用传统检测方法（高效液相色谱 - 质谱联用技术，HPLC-MS）和配备 10 个金属氧化物传感器阵列的便携式电子鼻（德国施韦林市艾森斯分析仪器有限公司，AIR PEN 3 型），对样本中黄曲霉毒素 B₁（AFB₁）和伏马毒素（FBs）的污染状况进行分析。研究人员采用人工神经网络（ANN）、逻辑回归（LR）和判别分析（DA）三种算法，探究电子鼻能否有效区分黄曲霉毒素 B₁或伏马毒素污染水平超标与未超标的玉米样本。结果显示，三种算法均表现出较高的鉴别准确率（≥70%）；其中人工神经网络算法的性能最优，对黄曲霉毒素 B₁和伏马毒素的鉴别准确率分别达到 78% 和 77%。本研究首次整合五年期样本数据，并采用三种不同统计学方法验证电子鼻的检测性能。研究结果表明，结合人工神经网络算法的电子鼻技术，可作为快速、可靠检测玉米中黄曲霉毒素 B₁与伏马毒素的实用工具。
