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 712 条结果
-
利用紫外诱导荧光图像与基于CACHAS的两步层级分类方法集成，快速检测特级初榨橄榄油掺假
查看原文
2025
Food Chemistry
中科院一区JCR一区
Wilson Botelho do Nascimento Filho, Francisco dos Santos Panero, Paulo Henrique Gonçalves Dias Diniz, Caroline Mesquita Magalhães da Silva & Mirla Janaína Augusta Cidade
食品标签
植物油 过程监测与在线检测 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 偏最小二乘法 分类/鉴别/等级评定 可见光/RGB/视频数据本研究引入了一种新颖的环保型两步分级分类方法，结合紫外线诱导荧光图像，用于鉴定特级初榨橄榄油（EVOO），并检测精制大豆、菜籽油和葵花籽油的单独及同时掺假情况。开发了一种化学计量辅助彩色直方图分析系统（CACHAS），用于捕捉数字荧光图像并在灰度、RGB和HIS通道中提取分析指纹。采用了针对单类别分类优化的数据驱动软独立分类建模（DD-SIMCA），以99.8%的样本效率认证纯特级初榨橄榄油;而为多类别区分设计的偏最小二乘判别分析（PLS-DA）则基于一种、两种或三种精炼植物油的存在，以95.6%的准确率区分掺假样本。这些方法的互补应用使数据集能够稳健地评估，DD-SIMCA侧重验证真实样本，PLS-DA则增强了多类别中掺假样本的辨别能力。
-
膳食补充剂虾青素改善动脉粥样硬化的机制探索：基于人工智能虚拟筛选与实验验证的整合策略
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Yisa Cai, Shiyan Yang, Jiajiang Zhao, Guangzhen Zheng, Yun Han, Yuhan Zhang, Yiyuan Qin, Chao Yang, Qingping Xiong, Xinyi Chu, Chunhan Ju, Huixia Yin, Yingying Shi, Feng Jiang, Hui Yong & Yong Zhu
食品标签
其他添加剂与配料 抗氧化/抗炎等功能 动力学建模 花青素与类胡萝卜素计算机标签
机器学习/统计学习 设计/生成与推荐动脉粥样硬化（AS）是导致缺血性肠梗死、心肌梗死、中风、肾衰竭等高致命性和致残性疾病的主要且常见的病理基础。目前的药物干预措施（例如他汀类药物）往往会产生不良反应，限制了其长期使用。天然化合物因其多靶点疗效和优越的安全性而成为治疗动脉粥样硬化的有前景的替代方案。作为一种强效的抗氧化类胡萝卜素，虾青素通过同时针对炎症、氧化应激和脂质代谢来发挥独特的治疗潜力，而这些是动脉粥样硬化发病机制的关键驱动因素。本研究将通过整合策略（包括人工智能虚拟筛选和实验验证）系统地解析虾青素的治疗机制。值得注意的是，通过网络药理学和机器学习，发现了包括 CTSD、DPP4、FABP5、ITGAL 和 MMP9 在内的五种蛋白质作为虾青素干预动脉粥样硬化的核心靶点。同时，分子动力学模拟的结果证实了这些核心靶点能够与虾青素稳定结合。此外，体外实验进一步证实了虾青素能够抑制泡沫细胞的形成、恢复氧化还原平衡并抑制炎症。而且，它们之间存在着密切的关联。这些发现使虾青素成为一种多靶点的天然药物，可用于对抗动脉粥样硬化，同时解决了当前疗法在疗效和安全性方面的种种问题。
-
利用可见-近红外光谱技术检测燕麦中镰刀菌属及T-2和HT-2毒素污染
查看原文
2025
International Journal of Food Microbiology
中科院一区JCR一区
Irene Teixido-Orries, Lexuan Yang, Francisco Molino, Angel Medina, Sonia Marín & Carol Verheecke-Vaessen
食品标签
杂粮 微生物安全 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据兰氏镰刀菌（FL）是英国燕麦中的主要污染物之一，也是 T-2 和 HT-2 毒素的重要产生菌，而这两种毒素是燕麦中最常见的霉菌毒素。本研究探索了可见 - 近红外（Vis-NIR）（350–2500 纳米）光谱技术作为一种非侵入性、快速的方法，用于检测 FL、产生 T-2 和 HT-2 毒素的镰刀菌种类以及 T-2 和 HT-2 毒素的含量。在控制水活度（aw）条件（0.98、0.90 和 0.80）下，对燕麦籽粒进行了 FL 和其他镰刀菌的人工接种。研究发现，FL 是产生 T-2 和 HT-2 毒素的主要原因。研究开发了分类模型，根据 FL 的存在情况对燕麦籽粒进行区分。使用所有可见 - 近红外光谱时获得了最佳性能，分类准确率为 76.2%。可见区域（350–995 纳米）成为分类中最重要的范围。此外，根据 T-2 和 HT-2 毒素含量对燕麦籽粒进行分类，区分欧盟（EU）阈值以上和以下的燕麦，准确率为 93.3%。在霉菌毒素定量方面，使用可见区域获得了最佳性能，决定系数（R²）为 0.875。464、568、575 和 636 纳米等关键波长与毒素检测相关。近红外区域（1005–1795 纳米）在模型中也发挥了重要作用。这项研究表明，可见 - 近红外光谱技术是检测燕麦中镰刀菌和 A 型单端孢霉烯族毒素的一种有前景的非破坏性工具，不过还需要进一步研究以提高模型的稳健性，并为食品安全监测提供支持。
-
开发用于乌龙茶浸泡（水仙和柔贵）的分析"香轮"，以及利用机器学习预测"中国茶道"期间动态香气释放和颜色变化
查看原文
2025
Food Chemistry
中科院一区JCR一区
Ni Yang, Juliette Simon, Wanping Fang, Charfedinne Ayed, Wei Emma Zhang, Matthew Axell, Robin Viltoriano & Ian Fisk
食品标签
茶/茶饮料 特征风味 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 循环神经网络 定量预测/回归分析茶作为全球流行饮品，其风味已得到广泛深入的研究。本研究旨在创新性运用成熟的风味分析技术（气相色谱-质谱联用技术、气相色谱-嗅觉测量-质谱联用技术及大气压化学电离串联质谱技术），对两类乌龙茶（A型水仙、B型肉桂）茶汤的风味特征进行表征。利用气相色谱-质谱联用技术共鉴定出48种香气化合物，其中B型肉桂茶的多数香气化合物含量更高。通过气相色谱-嗅觉测量-质谱联用技术，基于20种关键香气化合物明确了两类茶的显著香气差异，并据此构建出包含8个核心香气描述词的香气轮图谱。借助大气压化学电离串联质谱技术，对功夫茶茶艺多轮冲泡过程中的香气实时释放规律进行了检测。研究采用多元多项式回归与长短期记忆神经网络模型，对七轮连续冲泡的茶汤香气及色泽数据开展分析。结果表明，经七次反复冲泡后，茶汤色泽与香气均呈逐步衰减趋势，且第四轮冲泡后衰减效果尤为明显。
-
云集成微流控荧光感测平台，采用UCNP/Fe3O4@Cu纳米探针，用于同时和现场多农药残留检测，并可借助智能手机辅助
查看原文
2025
Food Chemistry
中科院一区JCR一区
Lina Zhu, Rong Sun, Fei Gao, Gong Chen, Shuangshuang Liu & Qin Ouyang
食品标签
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
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据快速高效地检测农药残留对于确保食品安全至关重要。我们开发了一款智能手机辅助多通道微流控纸质设备（MCPD）生物传感器，集成云平台，可同时检测草甘膦（Gly）、马拉硫磷（Malathion）和对乙酰氨基啶（Ace）。通过通过耦合上转换纳米粒子（UCNPs）与铁制造的纳米探针，检测区的功能化3O4@Cu。在有靶点存在时，荧光强度会逐渐恢复，并可通过光谱仪和智能手机检测。在最佳条件下，MCPD对Gly、Mal和Ace的快速响应时间为25分钟，荧光检测限分别为0.133、0.181和0.232 ng/mL，基于图像的检测限分别为0.493、0.346和0.285 ng/mL。该方法与HPLC方法无显著差异。此外，基于安卓的云平台支持实时图像分析和数据存储。该MCPD生物传感器代表了一个灵敏高效、用于现场监测多目标的平台。
