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 91 条结果
-
基于聚类与降维技术的全氟及多氟烷基物质在动物物种器官中分布的机器学习多模态分析
查看原文
2025
Food Research International
中科院一区JCR一区
Ali Sani, Ibrahim Lawal Abdullahi, Abba Salisu, Habibu Magaji Tukur & Ahmad Kabir Maigari
食品标签
畜肉 禽肉 鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
随机森林 主成分分析/判别分析 分类/鉴别/等级评定 组学数据全氟及多氟烷基物质（PFAS）在水生和陆生生物中的污染构成了显著的环境与健康风险。本研究量化了鱼类（Clarias gariepinus, Oreochromis niloticus, Lates niloticus, Tilapia zilli）、牲畜（骆驼、牛、绵羊、公羊、山羊）和鸟类（鸽子、鸡、火鸡）多种组织（肝、肾、鳃、肌肉、皮肤、肺、血液、胸肉、羽毛）中的15种PFAS化合物。在鱼类中，C. gariepinus表现出最高的PFAS积累，其中PFOA (46.5 ng/g) 和 PFTrDA (50.1 ng/g) 在肝脏和肾脏中占主导，而O. niloticus则显示出较高的PFTrDA (56.87 ng/g) 和 PFUnDA (29.43 ng/g)。在牲畜中，骆驼肝脏含有较高的PFNA (9.22 ng/g)，牛肝脏中PFOS含量最高 (8.1 ng/g)。在鸟类中，鸽子肝脏的PFNA含量最高 (7.83 ng/g)。为分析PFAS的分布模式，研究采用了降维与聚类技术。主成分分析 (PCA) 捕捉了总方差的68.28%，揭示了两个不同的聚类，其中鱼类与较高的PFAS浓度密切相关，而禽类与其他肉类相比显示出独特的PFAS谱图。PFOS、PFOA及其他PFAS化合物在中心附近的聚类解释了它们对各类肉类（尤其是鱼类）的普遍影响，而t-分布随机邻域嵌入 (t-SNE) 则证实了高维空间中的清晰分离。聚类分析，包括K均值、层次聚类、DBSCAN和高斯混合模型 (GMM)，识别出明确的模式，其中DBSCAN和GMM检测到了重叠的类别和离群值。使用随机森林模型进行的特征重要性分析突出表明，总PFAS是最重要的预测因子，PFHxA和PFDoDA也有较强贡献，而器官类型和物种的影响相对较小。这些发现证明了无监督学习技术在表征跨物种和跨组织的PFAS生物积累模式方面的有效性，为生态和毒理学风险评估提供了宝贵信息。
-
基于比色分析和机器学习预测模型对日本鲭（Scomber japonicus）进行无损新鲜度评估
查看原文
2025
Food Chemistry
中科院一区JCR一区
Du-Min Jo, Hyun-Soo Kang, Ye-Bin Jang, So-Yeon Noh, Min-Seok Kwon, Geon-Woo Park, Yeh-Chan Ahn & Young-Mog Kim
食品标签
鱼肉 货架期预测与品质劣变动力学 光谱/色谱/质谱等分析方法计算机标签
支持向量机 定量预测/回归分析 可见光/RGB/视频数据新鲜度是海鲜品质的关键属性。然而，传统的评估方法既耗时又具有破坏性。本研究探索了一种无损检测方法，该方法通过对日本鲭（Scomber japonicus）的眼部、腹部和背部区域进行比色分析，并将这些变化与微生物和理化新鲜度指标相关联。在4°C和10°C的储存条件下，RGB、HSV和Lab色彩参数呈现出逐渐变暗的趋势，这与微生物数量、pH值和总挥发性盐基氮的增加相对应。研究还开发了多元线性回归（MLR）、偏最小二乘回归和支持向量回归（SVR）模型，用于基于色彩数据预测新鲜度。虽然MLR在线性指标（包括活菌计数和品质指数法）的预测方面表现良好，但SVR在非线性指标（包括pH值和总大肠菌群）的预测上更具优势。这些研究结果表明，将色彩分析与机器学习相结合有望实现海鲜新鲜度的实时、无损评估，这为其在工业质量控制系统中的应用提供了支持。
-
草鱼切割产品在多种储存温度下新鲜度监测模型的开发及实时预测平台的构建
查看原文
2025
LWT
中科院一区JCR一区
Qing Li, Xinyi Wen, Jiachen Ying, Xin Xiong, Huawei Ma, Yuqing Tan, Hui Hong, & Yongkang Luo
食品标签
鱼肉 货架期预测与品质劣变动力学 微生物计数与生长曲线 常规理化指标测定计算机标签
机器学习/统计学习 支持向量机 梯度提升决策树 定量预测/回归分析 质构/流变/感官数据水产品腐败会导致经济损失和健康风险，这凸显了实时新鲜度监测技术的必要性。在本研究中，对四种增值草鱼切块（背部、腹部、肚子和尾部）在五种温度（0、3、6、9 和 12 ℃）下储存 0-10 天。测量了五个新鲜度指标，并应用六种机器学习模型进行预测。每个指标表现最好的模型被集成到实时预测平台中。结果表明，预测总菌落数（TVC）、总挥发性碱氮（TVB-N）、K 值、整体感官可接受性和感官评分的最佳模型分别是径向基函数神经网络（RBFNN）、反向传播神经网络、梯度提升机、RBFNN 和支持向量回归。这些模型实现了较高的预测精度，R² 值范围为 0.9552 至 0.9734。由 RBFNN 建模的 TVC 在验证性能方面表现最佳，相对误差范围为 0.00 到 0.21。实时平台在 0.06 秒内完成新鲜度预测，并将样品分类为"新鲜"、"不太新鲜"或"腐败"等级。总体而言，本研究提出了一种创新的多切割、多指标、多温度建模策略。结合智能数字平台的实际应用，它为水产品供应链的质量评估和管理提供了一种稳健、非破坏性、数据驱动的工具。
-
集成计算机视觉和机器学习技术构建模型以定量虹鳟鱼片的肌间脂肪含量
查看原文
2025
Food Control
中科院一区JCR一区
Ming Huang, Libo Wang, Boyuan Wang, Wenxin Jiang, Ying Yu, Qingkai Tang, Qinfeng Gao & Yuan Tian
食品标签
鱼肉 品质、结构与理化性质 显微与成像技术 脂质与脂肪酸计算机标签
随机森林 深度学习 定量预测/回归分析 可见光/RGB/视频数据 中等规模数据集本研究旨在建立一种快速高效的方法，用于量化鲑科鱼鱼片中的肌间脂肪含量（IMF），该指标直接决定鱼片品质。研究首先采集了204张虹鳟鱼片图像，通过传统RGB分布分析进行初步IMF估算，但效果不理想（R² = 0.61）。因此，从图像中进一步提取了9个颜色特征和7个复合特征，基于计算机视觉与机器学习技术，训练了线性模型（逐步回归、弹性网络）和非线性模型（随机森林、深度神经网络）。所有模型准确率均超过63%，且R² > 0.85。其中随机森林模型表现最为稳健，R²达0.91，准确率为79%。研究进一步应用该稳健模型对120份新增鱼片样本进行IMF量化分析，结果显示IMF含量与鱼体规格、性别及遗传背景显著相关。本研究首次建立了具备高效性、准确性、实用性与可靠性的鲑科鱼鱼片肌间脂肪含量量化方法。
-
阿拉斯加狭鳕皮来源的两种降压抗氧化肽：计算、体外和体内研究
查看原文
2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区
Jing Li, Duo Cai, Yong-Nian Zhai, Chen-Xi Wu, Hai-Lin Zhang, Jian Zhang, Cheng-Lin Liu, Shi-Hai Liu, & Jian-Bo Qu
食品标签
鱼肉 质构与流变性质 抗氧化/抗炎等功能 体外模型 细胞模型 蛋白质与氨基酸计算机标签
机器学习/统计学习 定量预测/回归分析 合成/仿真数据为主本研究旨在从阿拉斯加狭鳕皮副产物中鉴定和表征两种具有降压和抗氧化活性的双功能新肽。结果显示，从阿拉斯加狭鳕皮中共鉴定出 59 条肽，其中 GP1（GSAGPAGPSGPRGP）和 GP2（LGDARNSPAPP）被预测具有最高的血管紧张素转换酶（ACE）抑制和抗氧化活性。GP1 和 GP2 表现出良好 ACE 抑制活性，IC50 分别为 0.166 和 0.177 mmol/L，并能显著降低高血压大鼠血压。此外，两条肽均能有效清除 ABTS 自由基，EC50 分别为 0.273 和 0.629 mg/mL，并保护 HepG2 细胞免受 H2O2 诱导损伤。分子对接显示，这些肽与 ACE 活性口袋和入口通道中的氨基酸残基相互作用，表现出混合竞争性抑制模式。这些肽还可结合 Keap1 的 Kelch 结构域，从而通过 Keap1-Nrf2 通路促进 Nrf2 介导的抗氧化酶转录激活。阿拉斯加狭鳕皮肽兼具 ACE 抑制和抗氧化特性，并具有较高胃肠稳定性，支持其作为降压功能食品、营养补充剂和肽基水凝胶开发中的多功能成分。
