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 93 条结果
-
基于机器学习结合GC-TOF/MS和GC-IMS全面挥发性成分分析的果酒分类
查看原文2025
Food Research International
中科院一区JCR一区Changlin Zhou, Yashu Yu, Jingya Ai, Chuan Song, Zhiyong Cui, Quanlong Zhou, Shilong Zhao, Rui Huang, Zonghua Ao, Bowen Peng, Panpan Chen, Xiaoxiao Feng, Dong Li & Yuan Liu
食品标签
酒精饮料 感官评价与方法学 光谱/色谱/质谱等分析方法计算机标签
支持向量机 随机森林 K-近邻 逻辑回归/贝叶斯 其他深度学习结构 分类/鉴别/等级评定果酒通过各种水果发酵制成,以其独特的风味特征而著称。本研究采用智能感官分析、GC-TOF/MS和GC-IMS对八种果酒(包括5种葡萄酒SJ、LS、HY、TJ、FT,1种发酵梅酒FZ,1种蓝莓酒HZ,以及1种配制梅酒LM)的挥发性成分进行分析。通过GC-TOF/MS共鉴定出281种化合物,其中酯类和酸类占所有样品的80%以上。GC-IMS鉴定出60种化合物,主要包括16种酯、11种醇、6种酮和7种含硫化合物。这表明IMS和MS数据包含关于挥发性成分组成的不同信息。分别从TOF/MS数据和IMS数据中获得了37种和18种差异化合物。结合三种排序算法和五种机器学习模型(神经网络NN、随机森林RF、支持向量机SVM、K最近邻KNN、逻辑回归LR)进行应用,并从挥发性成分中识别出58个关键特征。LR和KNN模型的总体分类准确率达到0.95,F1分数大于0.9。对于IMS数据,NN、LR和KNN模型的准确率和F1分数均大于0.9。本研究推进了果酒分类,有益于饮料行业和食品化学研究。
-
多元风味分析技术融合策略用于鉴别陈年酱香型白酒
查看原文2025
Food Chemistry: X
中科院一区JCR一区Dan Wang, Yan Chen, Xinyu Ma, Xiaobing Zhang, Ji Zhang, Siqian Guo, Jingming Li & Liping Xiang
食品标签
酒精饮料 特征风味 光谱/色谱/质谱等分析方法 其他理化与结构表征 风味组学计算机标签
机器学习/统计学习 特征工程与选择策略 分类/鉴别/等级评定 时序传感器/物联网数据 组学数据本研究探索了通过多元数据分析和机器学习技术测定酱香型白酒年份的有效方法。考虑到白酒储存过程中风味的复杂动态变化,本研究整合了气相色谱-质谱联用(GC-MS)、气相色谱-离子迁移谱(GC-IMS)、电子鼻(E-nose)和电子舌(E-tongue)四种分析技术,构建了白酒的多层风味图谱。在此基础上,进一步构建了四种分类模型。融合数据策略结合合成少数类过采样技术(SMOTE)的过采样方法和神经网络,显著提高了陈年白酒(1年至30年)测定的准确率(0.96)和精确率(0.97)。研究筛选出28个重要特征,包括糠醛、2-己醇(GC-MS)、65号区域(GC-IMS)和苦味(电子舌)。此外,还探讨了不同数据源之间的潜在相关性。电子舌检测到的涩味与气相色谱-质谱联用检测到的乳酸乙酯以及气相色谱-离子迁移谱检测到的40号区域呈正相关。
-
机器学习辅助多信号纳米酶传感器阵列用于抗氧化酚类化合物的智能识别
查看原文2025
Food Chemistry
中科院一区JCR一区Jiahao Xu, Yu Wang, Ziyuan Li, Fufeng Liu & Wenjie Jing
食品标签
茶/茶饮料 咖啡饮料 酒精饮料 品质、结构与理化性质 营养与生物功能 多酚与黄酮计算机标签
其他深度学习结构 分类/鉴别/等级评定 定量预测/回归分析鉴定食品中的抗氧化酚类化合物(APs),对探究其生物功能及相关健康益处具有至关重要的作用。本研究成功制备了双功能铜-1,3,5-苯三甲酸(Cu-BTC)纳米酶。Cu-BTC具备优异的类漆酶活性,可催化多种抗氧化酚类化合物发生氧化反应,生成有色醌亚胺类物质。此外,Cu-BTC还表现出良好的类过氧化物酶活性,能够催化无色的3,3′,5,5′-四甲基联苯胺(TMB)氧化生成蓝色的氧化态TMB,且在近红外激光照射下展现出更强的光热性能。由于抗氧化酚类化合物具有强还原性,可抑制上述氧化过程。研究构建了比色/光热双模式传感阵列,实现了对抗氧化酚类化合物的判别分析。同时,将人工神经网络(ANN)算法与传感阵列相结合,成功实现了对红茶、咖啡及葡萄酒中抗氧化酚类化合物的精准识别与含量预测。最后,依托智能手机平台,开发出一种抗氧化酚类化合物的便携式检测方法。
-
基于GC-IMS、GC-MS和GC×GC-MS结合机器学习表征和探索酱香型白酒不同轮次挥发性成分的动态变化
查看原文2025
Food Research International
中科院一区JCR一区Jialiang Niu, Ruiqi Liu, Weiwei Li, Ying Lang, Xiuting Li, Weizheng Sun & Baoguo Sun
食品标签
酒精饮料 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
随机森林 分类/鉴别/等级评定 组学数据 多模态/融合数据酱香型白酒的生产过程包括七次蒸馏,产生七个轮次的基酒,随后进行勾调成为最终产品。因此,基酒的质量与最终产品的质量密切相关。这七个轮次的基酒各具独特的风味轮廓,但其挥发性成分及其特异性尚不明确。本研究综合利用GC-MS、GC×GC–MS和GC-IMS技术研究了基酒中挥发性化合物及其动态变化。共鉴定出469种挥发性化合物,其中17种为重叠化合物。利用随机森林模型,从三种方法中筛选出35种关键生物标志物。异戊酸乙酯、丁酸乙酯、苯甲醛、2-乙基-6-甲基吡嗪和苯乙醛等关键化合物在风味形成中起重要作用。通过受试者工作特征曲线验证了模型性能,曲线下面积接近1。此外,这些挥发性化合物的代谢途径主要涉及碳水化合物和氨基酸代谢。本研究揭示了酱香型基酒中挥发性成分的特异性,并为白酒质量控制提供了有价值的见解。
-
不同焙烤温度对枣酒风味特征的影响:基于HPLC、HS-GC-IMS和HS-SPME-GC-MS的分析
查看原文2025
Food Chemistry: X
中科院一区JCR一区Binbin Li, Qian Mu, Huijing Guo, Wenting Jia, Mengzhen Zhang, Ya Liu & Xinwen Jin
食品标签
酒精饮料 传统热加工 特征风味 光谱/色谱/质谱等分析方法 代谢组学计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据本研究采用高效液相色谱(HPLC)、顶空-气相色谱-离子迁移谱(HS-GC-IMS)、顶空-固相微萃取-气相色谱-质谱(HS-SPME-GC-MS)及感官分析方法,评估了不同烘烤温度(80–160°C)下红枣预处理对红枣酒中游离氨基酸和挥发性有机化合物动态变化的影响。结果表明,80–100°C烘烤可促进红枣酒中甜味氨基酸的积累,而140–160°C烘烤则会增加苦味氨基酸的含量。随着烘烤温度的升高,红枣酒中酯类、醇类、酸类、醛类和酮类物质的含量先上升后下降,而呋喃类化合物的含量则持续增加。通过正交偏最小二乘判别分析(OPLS-DA)、相对气味活性值(ROAV)计算和变量投影重要性(VIP)等多元统计分析,鉴定出6种关键特征风味化合物,包括乙酸异戊酯、己酸乙酯和辛酸乙酯。本研究得出的新见解可为红枣酒风味的改良提供指导。