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 393 条结果
-
基于智能手机的现场检测牛奶中的双氧水，使用便携式比例荧光探头
查看原文
2023
Food Chemistry
中科院一区JCR一区
Zhongyong Xu, Conghui Zeng, Yutian Zhao, Mei Zhou, Taoyuze Lv, Chao Song, Tianyi Qin, Lei Wang, Bin Liu & Xiaojun Peng
食品标签
液态乳 化学污染物计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据过氧化氢（H₂O₂）的现场检测对保障食品安全具有重要意义，人体摄入过氧化氢后会引发严重的病理反应。然而，目前已报道的大多数荧光探针均需借助荧光分光光度计，才能获得可读的信号输出与可靠的检测结果，这也使得过氧化氢的荧光检测仅能在标准实验室环境中开展。本文提出一种新型超分子策略，可将过氧化氢传统的开关型荧光响应成功转变为比率型荧光响应；该策略搭配基于智能手机的3D打印微型检测系统，即可实现过氧化氢的现场检测。与标准检测方法相比，该检测方法灵敏度达标、抗干扰能力优异且检测准确度理想。更为重要的是，这种便携式比率检测方法仅需简易检测设备，便可实现市售牛奶样品中过氧化氢残留量的检测。
-
基于 N,P 共掺碳点修饰铁基金属有机框架的智能手机集成分子印迹荧光传感器用于金霉素可视化检测
查看原文
2023
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Jinni Zhang, Yan Liu, Xueyan Cui, Yichuan Cao, Yan Li, Guozhen Fang, & Shuo Wang
食品标签
液态乳 化学污染物 过程监测与在线检测 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
智能手机/其他 定量预测/回归分析 红外/拉曼光谱数据 可见光/RGB/视频数据金霉素残留可能危害人体健康，因此开发便携、快速、灵敏且选择性的检测方法具有重要意义。本研究基于氮磷共掺碳点修饰的铁基金属有机框架，并结合分子印迹聚合物，成功制备了新型荧光仿生传感探针 NH2-MIL-53&N,P-CDs@MIP，用于检测金霉素。该探针基于内滤效应实现了对金霉素的荧光强度响应型“开-关”检测。在最优条件下，NH2-MIL-53&N,P-CDs@MIP 的荧光猝灭程度与金霉素浓度在 0.06-30 μg/mL 范围内呈良好线性关系，检出限为 0.019 μg/mL。该荧光探针用于牛奶样品中金霉素检测，回收率为 88.73%-96.28%。此外，研究开发了基于 NH2-MIL-53&N,P-CDs@MIP 的智能手机集成荧光传感装置，以替代昂贵笨重的荧光分光光度计，对金霉素进行定量测定，检出限为 0.033 μg/mL。该传感系统具有高选择性、强稳定性、高特异性和便携性，为抗生素残留定量检测提供了有效策略。
-
计算机视觉系统在屠宰场肉类安全保障中的应用：系统性综述
查看原文
2023
Food Control
中科院一区JCR一区
Marianne Sandberg, Sergio Ghidini, Lis Alban, Andrea Capobianco Dondona, Bojan Blagojevic, Martijn Bouwknegt, Len Lipman, Jeppe Seidelin Dam, Ivan Nastasijevic, & Dragan Antic
食品标签
肉类/蛋类与水产品 食品安全与风险评估 显微与成像技术计算机标签
机器学习/统计学习 可见光/RGB/视频数据2017-2019 年，欧盟出台新版食品生产官方监管法规，准许将计算机视觉系统（CVS） 作为辅助工具，应用于牛、猪、家禽的肉类检疫工作。本研究开展了一项系统性文献综述，旨在筛选并分析有关屠宰场中计算机视觉系统性能的相关文献 —— 这些系统主要用于动物宰前、宰后兽医检疫及肉类安全保障，涵盖胴体 / 器官污染与病变的检测系统。本次综述共筛选并分析了 62 篇文献，其中 35 篇报道了计算机视觉系统在胴体 / 器官病变检测中的性能，27 篇涉及胴体污染检测相关研究。从适用对象来看，针对肉鸡胴体及器官安全保障的计算机视觉系统相关文献有 53 篇，针对猪肉与牛肉的则分别为 5 篇与 4 篇。研究发现，并非所有已研发的计算机视觉系统都完成了有效性验证，仅有 3 篇文献报道了屠宰场场景下系统性能与官方兽医检疫表现的实时比对结果。文献记载的多数计算机视觉系统性能指标（即灵敏度与特异性）均高于 80%。对于食品生产企业而言，检测病变与胴体污染时的高特异性（即低假阳性率）至关重要，这有助于最大限度减少食品浪费；而高灵敏度（即低假阴性率）则是生产健康安全肉类产品的核心要求。目前，已有的针对肉鸡胴体及器官全面安全保障所开发的计算机视觉系统，虽表现出极高的灵敏度，但特异性仍未达到最优水平，这表明相关系统仍需进一步研发与优化。
-
基于图像评估与机器学习预测多糖基食品墨水用于3D打印的可打印性
查看原文
2023
Food Research International
中科院一区JCR一区
Yixing Lu, Rewa Rai & Nitin Nitin
食品标签
碳水化合物配料 3D 打印与结构构筑 质构与流变性质 质构与流变测试 显微与成像技术 碳水化合物与糖类计算机标签
机器学习/统计学习 随机森林 分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据 质构/流变/感官数据尽管用于食品制造的3D打印需求与兴趣日益增长，但基于生物聚合物组成和流变特性来预测食品级材料的可打印性仍是一项重大挑战。本研究开发了两种基于图像的可打印性评估指标：打印线条的宽度和粗糙度，并使用响应面方法（RSM）结合回归分析和机器学习，利用这些指标评估基于水凝胶的食品墨水的可打印性。使用低甲氧基果胶（LMP）和纤维素纳米晶（CNC）配制、具有不同离子交联密度的食品级墨水的流变学和组成特性被用作可打印性的预测因子。RSM和线性回归显示，基于配方参数对流变特性具有良好的预测能力，但无法预测可打印性指标。对于基于机器学习的预测模型，可打印性指标通过预先指定的阈值进行二值化，并训练随机森林分类器来预测线条宽度和粗糙度标签，以及使用配方和流变参数预测墨水的整体可打印性。在不包含配方参数的情况下，仅基于流变学测量数据训练的模型能够实现较高的预测准确率：对宽度和粗糙度标签的预测准确率为82%，对整体可打印性标签的预测准确率为88%，这证明了预测本研究开发的多糖墨水可打印性的潜力，并可能将该模型推广至具有不同成分的食品墨水。
-
基于YOLOv5s算法和CBAM的鲭鱼产品增强批量分选与快速感官分析：通过TPA、色差仪和PLSR分析的验证
查看原文
2023
Food Chemistry: X
中科院一区JCR一区
Yi-Zhen Huang, Lin Han, Xiaoqing Yang, Yu Liu, Bei-Wei Zhu & Xiu-Ping Dong
食品标签
鱼肉 质构与流变性质 颜色与外观品质 感官评价与方法学 常规理化指标测定 质构与流变测试 显微与成像技术计算机标签
模型设计/优化策略 偏最小二乘法 目标检测网络 分类/鉴别/等级评定 缺陷/异物检测与定位 可见光/RGB/视频数据 质构/流变/感官数据本研究采用YOLOv5s算法建立了太平洋鲭鱼（S. japonicus）和西班牙鲭鱼（S. niphonius）的快速质量识别模型。在YOLOv5s网络中使用了copy-paste数据增强技术进行数据扩充。此外，在网络结构的颈部集成了一个小目标检测层，并将卷积块注意力模块（CBAM）纳入卷积模块以优化模型。通过感官评价、质地剖面分析和色差仪分析评估了模型的准确性。研究结果表明，改进后的模型取得了0.966的mAP@0.5分数，超过了原版本的0.953。此外，改进后模型的参数量仅为7.848 M，平均检测时间为115毫秒/图像（图像分辨率2400×3200）。感官和理化指标能够可靠地区分合格与不合格样品。PLSR模型的R²X、R²Y和Q²值分别为0.977、0.956和0.663。
