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
酒精饮料

标签记录(计算机学者)

暂无筛选

共 93 条结果

  • 高光谱驱动的PSO-SVM模型与优化的CNN-LSTM-Attention融合网络用于浓香型白酒掺假的定性和定量无损检测

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Xinjun Hu, Jiahao Zeng, Mingkui Dai, Anjun Li, Ying Liang, Wei Lu, Jianheng Peng, Jianping Tian, Manjiao Chen & Dan Huang

    食品标签

    酒精饮料 显微与成像技术

    计算机标签

    支持向量机 卷积神经网络 分类/鉴别/等级评定 定量预测/回归分析 高光谱/多光谱光谱

    受利益驱动的白酒掺假行为,严重危害消费者健康并扰乱市场秩序。本研究将高光谱成像技术与深度学习相结合,用于掺假检测。在对正品和掺假样品进行分类时,粒子群优化支持向量机(PSO-SVM)通过优化的光谱预处理,达到了97.62±1.15%的准确率。在定量预测方面,研究提出了一种名为Ghost-LSTM-缩放点积注意力(GLSNet)的新型融合网络,其预测性能(RP²=0.9569±0.0145)显著优于传统的偏最小二乘回归(PLSR)以及其他深度学习模型,如卷积神经网络(CNN)和卷积神经网络-长短期记忆网络(CLNet),同时与PLSR相比,推理效率提高了3.55倍。GLSNet在外部验证集上表现良好,并通过热图可视化了掺假分布情况。研究表明,高光谱成像结合深度学习能够快速、准确地检测白酒掺假,为质量控制和市场监管提供支持。

  • 机器学习辅助的江味白酒香气组合预测

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Min Zhu, Mingyao Wang, Junfeng Gu, Zhao Deng, Wenxue Zhang, Zhengfu Pan, Guorong Luo, Renfu Wu, Jianliang Qin & Katsuya Gomi

    食品标签

    酒精饮料 品质、结构与理化性质 风味组学

    计算机标签

    机器学习/统计学习 卷积神经网络 定量预测/回归分析 质构/流变/感官数据

    江味白酒(JFB)复杂的风味源于数百种化合物在物理化学和感官层面的相互作用,使得准确感知变得极具挑战性。现代机器学习技术提供了精确且科学的方法来预测感官属性。本研究将风味组学和感官分析应用于中国主要产区的27个代表性JFB样本,整合五种机器学习算法,建立了预测全球香气特性的新策略。结果表明,神经网络(NN)模型优于其他模型,有效捕捉了香料化合物之间复杂的相互作用。模型解剖识别出18个化学参数,可能影响整体香气特征。这些因素的重要性通过掺杂和省略测试进一步验证,显著增强了商业烈酒的感官体验。本研究展示了机器学习在JFB风味研究中的潜力,并为其风味形成的机制提供了宝贵见解。

  • 啤酒中二甲硫醚的顶空分析:基于纸基的智能手机比色法

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Jamilly B. Santiago & Fortunato B. Sevillanill

    食品标签

    酒精饮料 品质、结构与理化性质 显微与成像技术

    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

    啤酒是全球最受欢迎、最广泛消费的饮品之一。在酿造和发酵的生产过程中,自然的独特风格和固有风味被产生。二甲基硫化物(DMS)对啤酒的风味特征有显著贡献。在低浓度时,其存在是理想的。然而,在高浓度时,这种味道会变得异常。啤酒中DMS的浓度通过智能手机比色法测量。一种基于纸张的分析装置(PAD)通过将碱性硝基醇(Nitroprusside)制成的色生成试剂相固定在明胶水凝胶中。通过头间取样及随后与固定试剂的反应,检测到低水平的DMS。通过捕捉PAD的数字图像,利用RGB色彩值确定浓度。在5至120微克DMS L浓度范围内,绿色色值(G值)观察到线性行为−1,皮尔逊系数为0.995,检测极限为2.7微克升−1.展示了高精度和准确性,RSD范围为0.79%至1.36%(n=6),真实性值分别在92.5%至104.4%之间,也满足AOAC对低水平分析物的要求。基于智能手机的比色法结果与拉格和全麦芽啤酒样品中DMS的色谱分析结果高度吻合。该方法是气相色谱法的廉价替代方案,用于DMS测量,使小型酿酒厂和精酿啤酒生产者能够监测产品中的异味。

  • 利用能量散射X射线荧光技术鉴定具有保护产地标识的欧洲葡萄酒。基于建模的成功控制系统的挑战

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Michele Ghidetti, Sergej Papoci, Arantza Respaldiza, Håkan Enteborg, Franz Ulberth& María Beatriz de la Calle Guntiñas

    食品标签

    酒精饮料 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 中等规模数据集

    消费者愿意为受原产地命名保护、地理标志保护等带有地理溯源标识的食品支付更高价格。本研究利用X射线荧光光谱法获取葡萄酒的元素特征图谱,并结合多元分析方法,对111款克罗地亚、意大利和西班牙的红白葡萄酒进行产地溯源鉴别,其中102款产自20个受原产地命名保护产区,模拟了检测实验室的实际检测场景。经多元统计检验发现,同产地的葡萄酒样本会形成聚类,且与其他产区样本明显区分。采用类类比软独立建模分类法进行判别时,模型的灵敏度和特异度表现较差。本研究提出并验证了一种新方法:通过递进式偏最小二乘判别分析,依次从国家、产区到原产地命名保护级别进行分层分类,该方法分类准确率表现良好。整体样本的正确分类率达到88%。

  • 基于多种提取/浓缩方法、解卷积软件和多变量分析的梅斯卡尔酒挥发性化合物分析

    2025
    Food Control
    中科院一区
    JCR一区
    查看原文

    Erick D. Acosta-García, Jesús B. Páez-Lerma, María A. Martínez-Prado & Nicolás O. Soto-Cruz

    食品标签

    酒精饮料 特征风味 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

    梅斯卡尔(Mezcal)的感官特征被认为与其产区密切相关,这种特性主要源于酒体中所含的挥发性化合物。本研究对墨西哥杜兰戈州(Durango)四个不同地理区域所产梅斯卡尔的挥发性成分谱进行了分析。研究采用三种不同的方法提取和浓缩挥发性化合物,随后通过气相色谱-质谱联用技术(GC-MS)进行仪器分析。利用AMDIS软件,即使在存在共洗脱组分的情况下,也能有效识别化合物;同时,多元统计分析成功实现了对不同产地蒸馏酒的区分。研究还鉴定出若干此前未在梅斯卡尔样品中报道过的化合物,包括α-桉叶醇(α-eudesmol)、茴香脑(estragole)、癸酸丙酯(propyl decanoate)、β-石竹烯(β-caryophyllene)、葑醇(fenchol)和月桂烯醇(myrcenol)。基于地理来源的梅斯卡尔区分效果显著,其中来自Nombre de Dios和Tepehuanes两个市镇的梅斯卡尔在化学组成上更为接近。本研究所述的实验方法与数据处理流程可推广应用于其他酒类,以更全面地鉴定其微量成分组成。

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