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 712 条结果
-
物联网赋能的智能厨房技术及其对食品储存、制备与餐饮体验的影响:系统综述
查看原文2025
Food Research International
中科院一区JCR一区Hazem Golshany, Yang Ni, Qun Yu & Liuping Fan
食品标签
其他加工设备与系统 保藏与贮藏 过程控制与数字化 智能/指示型包装计算机标签
机器学习/统计学习 过程控制与实时优化 设计/生成与推荐 时序传感器/物联网数据物联网(IoT)技术在厨房中的集成正在彻底改变食品储存、制备和餐饮体验。智能厨房家具,包括物联网冰箱和烹饪设备,可加强食品管理、减少浪费并促进营养认知。本系统综述审查了2018年1月至2024年9月期间的同行评审研究,重点关注智能厨房家具的创新及其对食品管理和消费习惯的影响。智能冰箱利用传感器和人工智能监控食品新鲜度、推荐食谱、自动订购食品杂货并减少浪费。物联网烹饪设备可实现精确的温度控制、个性化营养优化以及如定制餐食的3D食品打印等先进功能。智能餐饮家具集成了份量控制系统、膳食追踪工具和交互功能,丰富了用餐体验。尽管取得了这些进步,但数据隐私问题和网络安全风险等挑战仍然显著。监管框架正在不断发展以解决这些问题,同时支持智能包装和基于区块链的食品可追溯性等新兴技术。通过融入能源效率和减少浪费等可持续性原则,智能厨房家具有潜力重新定义家庭空间,并鼓励环保意识的生活方式。本综述强调了这些技术在促进可持续消费和改善现代家庭健康结果方面的变革性作用。
-
基于计算信息重设计Erwinia tasmaniensis的果聚蔗糖酶以增强其热稳定性用于果聚糖生物合成
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Thanapon Charoenwongpaiboon, Yanisa Srichompoo, Karan Wangpaiboon, Stefano Benini, Robert A. Field, Chanchao Lorthongpanich, Piamsook Pongsawasdi & Rath Pichyangkura
食品标签
碳水化合物配料 其他加工技术 其他品质相关性质 过程优化与控制策略 常规理化指标测定 光谱/色谱/质谱等分析方法 其他理化与结构表征 碳水化合物与糖类计算机标签
机器学习/统计学习 定量预测/回归分析 设计/生成与推荐 合成/仿真数据为主果聚糖因其独特的理化性质和生物活性而成为一种多功能生物材料。为了高效合成果聚糖,提高果聚蔗糖酶的热稳定性至关重要。本研究首次采用理性蛋白质设计方法,对Erwinia tasmaniensis的果聚蔗糖酶(EtLsc)进行了工程改造。使用分子动力学(MD)模拟来识别EtLsc的热敏感区域,并通过使用FireProt折叠能量计算设计了热稳定变体。在设计候选者中,A197P和S239P突变体与野生型相比,具有显著更高的熔化温度(Tm)和半衰期(t1/2)。双重变体A197P/S239P的Tm提高了7.9 °C,在50 °C下的t1/2延长了48倍,这比之前的研究成果有更显著的提升。使用HPSEC、HPAEC-PAD和1H NMR进行的动力学和产物分析表明,这些突变并未改变催化效率或果聚糖结构。结果证明了基于分子动力学辅助的能量工程在设计热稳定EtLsc方面的潜力。
-
基于近红外光谱和化学计量学组合的Gastrodia elata Blum地理可追溯性
查看原文2025
Food Chemistry
中科院一区JCR一区Guangyao Li, Jieqing Li, Honggao Liu & Yuanzhong Wang
食品标签
食用花卉 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 卷积神经网络 分类/鉴别/等级评定 可见光/RGB/视频数据 红外/拉曼光谱数据天麻的有效成分含量受不同地区的土壤与气候条件影响,因此地理溯源对保障其品质与商品价值至关重要。本研究将近红外光谱技术与多种化学计量学方法相结合,构建了一套有效的天麻地理溯源方法。首先,基于陕西数据集的近红外光谱数据构建传统机器学习模型,同时利用近红外光谱生成的二维同步相关谱图像和三维同步相关谱图像构建残差网络模型;其次,采用昭通数据集对模型性能进行验证。结果表明,三维同步相关谱-残差网络模型效果最优,测试集准确率达100.00%,交叉验证准确率为95.45%。本研究为监管部门快速甄别天麻产地真伪提供了理论依据,但后续仍需扩充数据、开展深入研究,进一步验证并完善该模型的适用范围。
-
可持续食品设计中的人工智能:技术、伦理考量与未来
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区S. Harikrishnan, Deepika Kaushik, Prasad Rasane, Ashwani Kumar, Narinder Kaur, Chagam Koteswara Reddy, Charalampos Proestos, Fatih Oz & Mukul Kumar
食品标签
循环经济与绿色供应链计算机标签
机器学习/统计学习 深度学习背景:应对气候变化、资源枯竭和粮食不安全等紧迫的全球性挑战,需要创新的可持续食品设计方法。人工智能(AI)正逐渐成为一项变革性技术,有望显著提升整个食品系统的可持续性。
范围与方法:本综述全面探讨了人工智能与可持续食品设计的融合。它探究了各项技术创新,包括人工智能驱动的精准农业、智能食品加工以及替代蛋白质的研发。本文进一步研究了人工智能通过预测分析和区块链在优化食品供应链中所发挥的作用。关键的是,它还深入分析了人工智能在食品系统中涉及的伦理考量、环境和社会影响,以及不断演变的监管格局,指出了未来的发展前景和固有的挑战。
主要发现与结论:人工智能拥有革新食品生产、分销和消费的巨大能力,能够提高效率并减少环境足迹。然而,要充分发挥其潜力,就必须解决算法偏见、数据隐私和社会公平等关键伦理问题,同时减轻人工智能自身对环境的影响。一种多方利益相关者参与的协作方式,以健全的伦理框架和透明的政策为支撑,对于确保人工智能的负责任和公平部署至关重要,最终将为子孙后代培育一个具有韧性和可持续性的全球食品系统。 -
食品标签
食品安全与风险评估计算机标签
机器学习/统计学习 知识抽取与语义理解 文本/知识库/法规数据人工智能正助力食品安全朝着零污染目标迈进,广泛应用于供应链管理、质量管控、污染物检测以及消费者安全保障等领域。人工智能与物联网、区块链、基因组学等技术深度融合,能够提升整个食品供应链的溯源能力、预测分析水平以及病原体识别效率。人工智能在食品安全领域的应用范围十分广泛,涵盖污染物检测、供应链动态监测、潜在风险预判以及质量管控流程优化等多个方面。要实现食品零污染,人工智能将发挥核心作用,助力构建具备韧性、反应灵敏且高效运转的食品安全体系,守护公众健康并增强消费者信任。人工智能在风险防控与保障食品品质完整性方面具备显著优势,但数据质量、监管体系、伦理规范等方面的挑战也亟待审慎应对。持续的技术创新与战略性投入,对于充分释放人工智能的潜力、应对不断变化的食品安全难题、维护全球粮食安全至关重要。未来的研究方向主要包括完善数据共享机制、搭建透明化的人工智能应用体系以及推动跨学科深度合作。此类合作是最大限度发挥人工智能价值、守护公众健康、打造具备抗风险能力食品体系的关键所在。