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 122 条结果
-
基于深度学习的微调迁移提升了利用微型近红外光谱预测茶叶成分的泛化能力
查看原文2025
Food Chemistry
中科院一区JCR一区Yujie Wang, Xuechen Zhang, Huahao Yu, Sitan Ye, Yan Hu, Xinbei Song, Yiqiang Zhang, Jinxian Tao, Zhengbing Tan, Mostafa Gouda & Xiaoli Li
食品标签
茶/茶饮料 光谱/色谱/质谱等分析方法 咖啡因计算机标签
迁移学习/领域自适应 定量预测/回归分析 红外/拉曼光谱数据利用近红外光谱预测茶叶成分的模型准确率往往受样品类型的限制。在此研究中,使用低成本的微型近红外光谱仪收集了四种茶叶(绿茶、红茶、乌龙茶和黄茶)的光谱数据。研究探索了多种策略,以开发适用于不同茶叶类型中儿茶素和咖啡因的通用预测模型。基于单一茶叶类型训练的局部模型无法准确预测其他类型的样品。尽管整合了多种茶叶样品的全局模型表现有所提升,但其准确率仍不达标。为解决这一局限性,研究采用了基于深度学习的微调策略,实现了将局部模型的准确率迁移到其他茶叶类型上。对预训练模型的卷积层和全连接层进行微调后,能够准确预测所有茶叶样品中的儿茶素和咖啡因含量,其性能优于传统的迁移成分分析。本研究提出了一种可推广且经济高效的茶叶成分测定方法。
-
基于迁移学习的祁门红茶质量近红外光谱评估方法改进
查看原文2025
Food Research International
中科院一区JCR一区Yurong Chen, Junhan Wang, Jingfei Shen, Yifan Zuo, Qianfeng Yang, Yongning Wei, Jichen Wang, Qing Yu, Wenjun Lv & Luqing Li
食品标签
茶/茶饮料 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
机器学习/统计学习 迁移学习/领域自适应 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据祁门红茶是一种著名的中国红茶,由于不同年份的数据存在变异性,其质量评估面临挑战。为解决此问题,我们利用近红外光谱数据开发了迁移学习算法。定性算法BLACK TEA-GRADING利用了极限学习机的随机傅里叶特征,将不同年份茶叶分级的F1分数从0.7035提高到了0.8138。定量算法BLACK TEA-SUBSTANCE ANALYSIS基于逆格拉姆矩阵,用于预测主要风味物质。不使用该算法时,均方误差超过0.04且R值低于0.7;使用该算法后,均方误差降至0.015以下,R值超过0.8。因此,我们的方法利用迁移学习和近红外光谱技术,提高了跨年份祁门红茶质量评估的准确性,推动了近红外光谱在茶叶质量评价中的应用。
-
融合图像与光谱信息的红茶数字拼配优化策略
查看原文2025
Food Research International
中科院一区JCR一区Zhangjie Xia, Qiaoyi Zhou, Shuen Yang, Feihu Song, Zhenfeng Li, Jiecai Wang, Caijin Ling & Chunfang Song
食品标签
茶/茶饮料 加工与新加工技术 显微与成像技术 光谱/色谱/质谱等分析方法计算机标签
超参优化/自动机器学习 过程控制与实时优化 可见光/RGB/视频数据 红外/拉曼光谱数据 多模态/融合数据筛选、拣选和拼配是精制茶的三大加工程序。其中,拼配是改善茶叶外观和风味的关键步骤,并能够大批量提供标准化的茶叶产品。传统上,茶叶拼配由经验丰富的拼配师根据每种毛茶的感官审评结果进行。在本研究中,机器视觉用于获取金毫、色泽和条索作为主要的图像信息。近红外光谱用于分析茶叶中的各种成分以评估茶汤滋味。然后,将图像信息和光谱信息输入红茶数字拼配模型,实现红茶的数字化拼配,并通过专业审评验证结果。研究选择了GDE3、NSGAII和NSGAIII算法,将茶叶拼配问题转化为一个同时考虑成本和品质的多目标优化问题。GDE3算法的收敛速度和收敛程度均优于其他两种算法。本研究表明,红茶的数字拼配为茶叶标准化提供了一种新颖而有效的方法。
-
普洱晒青绿茶中微小异物的检测:一种基于深度学习的增强型YOLOv8神经网络模型
查看原文2025
Food Control
中科院一区JCR一区Zejun Wang, Shihao Zhang, Yaping Chen, Yuxing Xia, Houqiao Wang, Ronghua Jin, Chun Wang, Zongpei Fan, Yuefei Wang & Baijuan Wang
食品标签
茶/茶饮料 食品安全与风险评估 显微与成像技术计算机标签
深度学习 缺陷/异物检测与定位 可见光/RGB/视频数据为高效、准确地检测普洱晒青茶加工过程中混入的微小异物,保障食品质量与消费者安全,本研究创新性地提出了一种基于深度学习的增强型YOLOv8神经网络模型。针对传统YOLOv8网络存在的不足,为进一步提升模型对异物目标的识别能力、增强特征提取的深度与广度,并更好地捕捉图像不同区域之间的上下文关联,本研究采用了Shape-IoU优化的损失函数,将网络部分结构替换为感受野注意力卷积(Receptive-Field Attention Convolution)技术,并嵌入双重注意力网络(Double Attention Networks)以优化整体架构。实验结果表明,所提出的增强型YOLOv8神经网络模型在普洱晒青茶异物检测任务中达到了98.35%的精确率,较原始YOLOv8模型提升了3.93%。与YOLOv7、YOLOv5、Faster R-CNN、CornerNet和SSD等主流检测模型相比,该增强模型的平均精度均值(mAP)分别显著提高了4.48%、6.66%、13.63%、13.20%和9.84%。该增强型YOLOv8网络为普洱晒青茶中微小异物的检测提供了一种切实可行的研究方法和重要参考,对茶叶生产企业及食品安全监管部门具有显著应用价值。此外,本研究还为普洱茶乃至更广泛的食品工业中的异物检测提供了更加全面、高效的解决方案,为食品安全与质量控制的现代化和智能化奠定了坚实基础。
-
基于风味组学与分子模型技术鉴定金牡丹红茶增甜感官效应的关键香气化合物
查看原文2025
Food Chemistry: X
中科院一区JCR一区Yang Wu, Qingyang Wu, Ziwei Zhou, Tingting Deng & Yun Sun
食品标签
茶/茶饮料 特征风味 光谱/色谱/质谱等分析方法 风味组学 动力学建模 数值仿真计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据创新金牡丹红茶具有显著的甜香与甜醇口感,但挥发性物质增强甜味的作用机制尚不明确。本研究结合风味组学、分子模拟与感官分析,鉴定出产生增甜感官效应的关键香气物质。采用顶空固相微萃取-气相色谱-嗅闻-质谱联用技术(HS‑SPME‑OC‑MS)及多元统计分析,共鉴定出93种与甜味相关的挥发性物质,经偏最小二乘判别分析(PLS‑DA)筛选得到30种核心物质。选取覆盖主要甜香亚型的6种代表性化合物进行分子模拟分析。分子对接与动力学结果显示,这些香气物质与甜味受体T1R3的结合强于与T1R2的结合,且结合更为稳定。以低甜度金牡丹红茶为基质进行香气添加实验证实,5种物质可显著提升感知到的甜味,其中苯甲酸-(Z)-3-己烯-1-醇酯与2-甲基-2-苯乙基丙酸的增甜效果最为突出。该研究阐明了创新红茶中香气与滋味的互作机制,为茶类食品的甜味调控提供了理论依据。