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 91 条结果
-
基于不同机器学习模型结合遗传算法的液熏虹鳟鱼多品质属性预测与工艺参数优化
查看原文2025
Food Research International
中科院一区JCR一区Jumpeng Zeng, Jingyi Luo, Yu Song, Xiaoming Jiang, Peixu Cong, Yanjun Liu, Changhu Xue & Jie Xu
食品标签
鱼肉 品质、结构与理化性质 响应面分析与多因素优化 光谱/色谱/质谱等分析方法 脂质与脂肪酸 花青素与类胡萝卜素计算机标签
机器学习/统计学习 定量预测/回归分析 质构/流变/感官数据本研究的目的是通过四种机器学习模型结合遗传算法,预测并优化液熏虹鳟鱼的关键品质属性和工艺参数。研究采用Box-Behnken设计,将盐浓度(1–9 %)、烟熏液浓度(0.5–2.5 %)、烟熏温度(30–50 °C)和烟熏时间(3–5 h)与感官特性、硫代巴比妥酸反应物含量以及虾青素含量相关联。结果表明,在所有机器学习模型中,反向传播人工神经网络对多目标品质属性的预测准确度最高(R2 = 0.953,RMSE = 0.204),也高于传统的响应面方法(R2 = 0.847,RMSE = 0.376)。此外,遗传算法优化了工艺参数:盐浓度1.1%;烟熏液浓度0.93‰;烟熏温度42 °C;烟熏时间3.5 h。最后,将优化后的液熏虹鳟鱼与商业熏制鲑科产品作为参考进行比较。结果表明,与商业熏制鲑科产品相比,优化后的液熏虹鳟鱼具有显著更高的感官评分(41.6)、虾青素含量(6.62 μg/g)和多不饱和脂肪酸含量(64.99 mg/g),同时TBARS值(2.76 mg/kg)更低。挥发性成分分析证实了液熏虹鳟鱼具有均衡的风味特征,表明其市场前景良好。这是首次在熏制水产品中应用BP-ANN-GA混合模型进行多目标预测和工艺参数优化,为智能化水产食品制造提供了一个数据驱动的框架。
-
氯原酸对冷藏金鲳鱼品质的影响:基于人工神经网络的预测模型
查看原文2025
Food Control
中科院一区JCR一区Ning Yang, Shitong Wen, Chuan Li, Qian Li, Longteng Zhang, Xue Song & Lulu Zhu
食品标签
鱼肉 保鲜涂膜与保鲜剂 货架期预测与品质劣变动力学 常规理化指标测定 蛋白质与氨基酸计算机标签
深度学习 定量预测/回归分析本研究探讨了氯原酸对冷藏金鲳鱼片品质的影响,并开发了一种人工神经网络模型来预测经CGA处理的金鲳鱼片在贮藏期间的品质变化。结果表明,CGA能有效抑制金鲳鱼片在贮藏期间的质构劣变和蛋白质降解。与对照组(31.86 mg N/100 g)相比,经2 g/L CGA处理的金鲳鱼片在15天后,其总挥发性盐基氮值(25.90 mg N/100 g)显著降低。此外,2 g/L CGA处理组中肌原纤维蛋白的α-螺旋比例增加至32.60%,而无规卷曲比例降至29.18%,表明CGA有效保护了肌原纤维蛋白的二级结构。而且,所建立的ANN模型能够以低于3%的相对误差,准确预测CGA处理的金鲳鱼片在贮藏期间的品质变化。本研究为CGA在金鲳鱼加工工业中的应用以及ANN模型参数在其他食品加工模拟中的应用提供了理论基础。
-
肉类科学与可解释人工智能的协同:量化脆度梯度以认证罗非鱼片加工的质量认证
查看原文2025
Food Chemistry
中科院一区JCR一区Shuqi Tang, Ling Zhang, Xingguo Tian, Mangni Zheng, Hu Zhang & Nan Zhong
食品标签
鱼肉 品质、结构与理化性质 质构与流变测试 光谱/色谱/质谱等分析方法计算机标签
卷积神经网络 模型可解释性 分类/鉴别/等级评定 高光谱/多光谱光谱 多模态/融合数据脆罗非鱼因其独特的口感和高市场需求,已成为受欢迎的水生产品。然而,不同酥脆阶段的菲力在营养价值和口感上差异显著,直接影响产品质量和消费者体验。因此,快速准确识别罗非鱼片的脆度对农民、商人和消费者来说至关重要。高光谱成像(HSI)技术已成为食品质量检测中的强大工具,提供了丰富的光谱信息,可用于详细分析。本研究提出结合HSI和双支卷积神经网络(DB-CNN)的方法,用于分类不同清晰度阶段的罗非鱼鱼片。通过分别处理VNIR和SWIR数据并在特征空间中融合,DB-CNN实现了95.74%的分类准确率,优于传统聚变方法。Grad-CAM++可视化验证了模型对关键光谱特征的识别。该方法为酥脆罗非鱼片的真伪鉴定和质量控制提供了有效解决方案,展示了其在食品和水产品分类中更广泛应用的潜力。
-
结合高光谱成像与深度学习的鱼糜热处理过程中理化特性及凝胶品质监测
查看原文2025
Food Control
中科院一区JCR一区Yu Xia, Xupeng Xiao, Selorm Yao-Say Solomon Adade, Qibing Xi, Jiam Wu, Yi Xu, Qingmin Chen & Quansheng Chen
食品标签
鱼肉 品质、结构与理化性质 传统热加工 显微与成像技术计算机标签
循环神经网络 偏最小二乘法 定量预测/回归分析 高光谱/多光谱光谱鱼糜制品加工行业在维持产品品质方面面临着严峻挑战,而品质问题会直接影响产品的消费者接受度及整体质量。本研究采用高光谱成像技术,针对鱼糜两阶段水浴加热过程中的品质变化,开展快速、无损、在线监测研究。实验中,鱼糜样品先经 40℃保温 30 分钟,再于 90℃保温 20 分钟,每 5 分钟采集一次关键品质指标数据,包括凝胶强度、持水性及白度。为全面评估两阶段加热过程中鱼糜的品质变化规律,基于高光谱成像数据构建了两种预测模型:偏最小二乘(PLS)模型和卷积神经网络 - 长短期记忆(CNN-LSTM)模型,并额外构建了一款 CNN-LSTM 模型用于多品质指标的同步预测。结果显示,尽管单一指标最优预测模型的性能略优于多指标联合预测模型(预测集决定系数 Rₚ²>0.93,相对分析误差 RPD>3.9),但两种方法均表现出良好的有效性。此外,本研究还对加热过程中鱼糜的品质变化特征进行了可视化呈现与分析。
综上,高光谱成像技术结合化学计量学方法,为鱼糜热加工过程中的品质变化监测提供了一种无损、快速、在线的解决方案。该方法满足了行业对创新型品质评估工具的需求,有望提升鱼糜制品市场的产品质量与消费者满意度。 -
通过气相色谱-离子迁移率谱和化学计量方法分析鲟鱼片冷藏期间挥发性化合物的动态演变
查看原文2025
Food Chemistry
中科院一区JCR一区Jia-hua Yang, Shan Cui, Mei-jun Sun, Kai Liu, Hao Tao, Dan Zhang, Zi-heng Yan, Chun-yu Kang & Chun-qing Zhao
食品标签
鱼肉 冷藏与冷冻保藏 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
偏最小二乘法 分类/鉴别/等级评定本研究探究了冷藏过程中鲟鱼鱼片的品质及挥发性风味物质的变化规律。采用正交偏最小二乘判别分析法(OPLS-DA)与气相色谱-离子迁移谱技术(GC-IMS)对特征风味物质进行鉴定。结果表明,随着冷藏时间延长,挥发性盐基氮含量、硫代巴比妥酸值、菌落总数及K值均呈上升趋势,冷藏约8天后达到腐败阈值。鲟鱼鱼片在不同冷藏阶段共检测出33种挥发性物质(包含单体与二聚体),涵盖醛类、醇类、酮类、酸类、酯类、醚类及其他类别化合物。正交偏最小二乘判别分析进一步区分了不同冷藏时期鲟鱼鱼片的风味差异,筛选出18种差异挥发性物质。相关性分析显示,反式-2-戊烯醛、2-甲基丙醛、戊二醛是冷藏初期鲟鱼鱼片愉悦风味的关键物质,而己腈与噻唑是导致鱼片产生不良异味的主要物质。