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
暂无筛选

标签记录(计算机学者)

机器学习/统计学习

共 712 条结果

  • 未来预制食品的AI加工:进展与展望

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Jinjin Huang, Min Zhang, Arun S. Mujumdar & Chunli Li

    食品标签

    预制菜/即食菜肴 加工与新加工技术 冷藏与冷冻保藏 可持续性与资源高值化 光谱/色谱/质谱等分析方法

    计算机标签

    机器学习/统计学习 深度学习 分类/鉴别/等级评定 可见光/RGB/视频数据

    近年来,在现代生活快节奏和消费者对方便性需求日益增长的推动下,预制食品行业发展迅速。由于其易于储存、运输和操作,预制食品在现代餐饮业中扮演着越来越重要的角色。然而,其加工过程面临着若干挑战,包括劳动力短缺、分拣效率低下、清洗不充分、切割过程不安全以及缺乏行业标准。人工智能(AI)的发展将改变预制食品的加工方式。本综述总结了人工智能在预制食品分拣/分类、清洗、切割、预处理和冷冻等方面的应用进展与前景,涵盖数学模型、化学计量学、机器学习、模糊逻辑和自适应神经模糊推理系统等技术。例如,基于计算机视觉的人工智能分拣系统提高了原料分类的准确性,而清洗过程中的深度学习模型结合高光谱成像技术增强了对微生物污染的检测能力。尽管面临管理大规模数据和复杂模型等挑战,人工智能已显示出激发行业实践和研究的巨大潜力。人工智能应用可以提高预制食品加工的效率、准确性和一致性,同时降低劳动力成本、改善卫生监测、减少资源浪费并降低环境影响。此外,人工智能驱动的资源优化已显示出其在降低能耗和促进可持续食品生产实践方面的潜力。未来,人工智能技术有望进一步提高模型的泛化能力和操作精度,推动食品加工业向更智能、更可持续的方向发展。本研究提供了宝贵的见解,以鼓励在食品加工领域的人工智能应用和食品工业技术进步方面进行进一步的创新。

  • 培养肉的未来:聚焦多学科交叉、数字化与营养定制化

    2025
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Xin Gu, Liyi Wang, Shiqi Liu, Teresa G. Valencak, Lay Poh Tan, Yuyan Zhu, Min Zhou & Tizhong Shan

    食品标签

    细胞培养肉 营养与生物功能

    计算机标签

    机器学习/统计学习 设计/生成与推荐

    培养肉是未来食品生产中的一个新兴领域,采用跨学科策略,整合食品工业、组织工程和生物技术,以满足全球食品需求。利用干细胞培育肉类日益被认为是解决与畜牧业相关的环境、健康和伦理问题的方案。尽管取得了显著进展,但仍存在大量技术挑战。本文综述重点介绍了培养肉生产中的前沿工程方法和生物材料的最新进展。此外,还讨论了通过生物工程、合成生物学和人工智能来增强培养肉发展机遇的前景。最后,我们探讨了培养肉的未来趋势,特别强调营养优化和安全保障。本综述全面展示了培养肉领域的新兴技术,为加速智能细胞农业的发展和实现定制化肉制品的生产提供了参考。

  • 基于机器学习预测模型的Sn-Ta-O摻杂垂直石墨烯电化学传感器,用于监测饮料中的镉

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

    Zhiyu Tao, Lin Su, Mingji Li, Xiuwei Xuan, Cuiping Li & Hongji Li

    食品标签

    其他饮料 化学污染物 过程监测与在线检测 其他理化与结构表征 其他矿物质

    计算机标签

    机器学习/统计学习 定量预测/回归分析 时序传感器/物联网数据

    饮品品类日益多元化,市场对现场重金属检测的需求不断增加,以此保障饮品食用安全。多杂原子共掺杂石墨烯电极相较于传统碳基电极,具备更优异的电催化活性与稳定性,可应用于机器学习辅助的镉离子实时检测领域。研究采用物理气相沉积与化学气相沉积相结合的工业化制备工艺,制备出表面性能均匀的新型锡-钽-氧共掺杂垂直石墨烯电极。该锡钽氧掺杂垂直石墨烯传感器融合传统线性回归算法与机器学习预测模型,实现样品中镉离子的实时检测。该传感器检测范围广泛(0.1–200微摩尔每升)、检出限低(信噪比=3,检出限1.80纳摩尔每升),且长期稳定性能优异。此外,该传感器对各类饮品中的镉离子实时检测,回收率可达95.6%~105.2%,检测结果精准可靠。本研究开发了性能稳定的锡钽氧掺杂垂直石墨烯传感器,同时构建了基于机器学习的高效检测方案,为镉离子的现场实时定量检测提供了新方法。

  • 基于炼金转化框架的相对结合自由能方法:预测鲜味肽衍生物鲜味识别阈值的有效策略

    2025
    Journal of Agricultural and Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Zhiyong Cui, Tianxing Zhou, Yueming Wang, Danni Zhang, Jiaming Gu, Zhiwei Zhang, Xiaoxiao Feng, Wenli Wang & Yuan Liu

    食品标签

    蛋白质配料 特征风味 其他统计建模方法 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 设计/生成与推荐 组学数据 文本/知识库/法规数据 中等规模数据集 合成/仿真数据为主

    具有风味和营养双重特性的味觉肽拥有众多衍生物,这些衍生物的预测工作对于使用绝对自由能预测工具和肽分类模型而言颇具挑战性。虽然基于化学转化框架的相对结合自由能(RBFE)方法在药物活性预测方面表现优异,但它们在味觉活性预测中的应用尚未得到探索。通过科学文献分析,系统地对 611 种味觉肽及其衍生物进行了组织和分类,记录了它们的结构和识别阈值,并将其聚类为八个组。采用 AFEM(原子自由能模型)计算每个组的核心结构与其衍生物之间的相对结合自由能,然后对这些能量与其阈值之间的比率(以 10 为底)进行对数拟合。RBFE 在定性判断中达到了近乎完美的准确性,并在定性预测中显著优于近似方法(对接、MM-GBSA 和 MM-PBSA),定性预测的 R2 值为 0.912。动态平衡分析确定了保守的接触点,包括 HdB_147_ASP、HI_HdB_218_ASP、HI_HdB_220_TYR、HdB_SB_277_ARG 和 HdB_301_GLU。密度泛函理论阐明了细微的结构差异如何改变静电表面和ΔHOMO–LUMO 距离,从而导致阈值的变化。所整理的数据集已以“TPDB-衍生版”(http://www.tastepeptides-meta.com/TastePeptides_Derivative)的形式发表。这项研究开创了将原子力电子结构模型应用于鲜味研究活性预测的先河,并为未来鲜味肽的合理设计提供了技术基础。

  • 用客观的、基于仪器的方法替代咖啡感官质量评估方法的前景:综述

    2025
    Trends in Food Science & Technology
    中科院一区
    JCR一区
    查看原文

    Markos Makiso Urugo, Mohammed Worku, Tessema Astatkie, Pascal Boeckx, Yetenayet B. Tola & Paulos Getachew

    食品标签

    豆类与坚果(及籽类) 食品安全与风险评估 感官评价与方法学 光谱/色谱/质谱等分析方法

    计算机标签

    机器学习/统计学习 深度学习 分类/鉴别/等级评定 定量预测/回归分析

    背景:长期以来,咖啡质量评估一直依赖感官评价,这种方法虽能提供有价值的结果,但本质上具有主观性和可变性。随着全球咖啡市场对一致性、可追溯性和公平性的要求不断提高,人们的注意力已转向客观的、基于仪器的方法。
    目的:本综述探讨了光谱分析、色谱分析和人工智能驱动模型等分析技术的发展及其潜力,这些技术可为咖啡生产和贸易中的准确、一致且高效的质量评估提供支持。
    结果/发现:这些方法提供的定量数据加强了整个供应链的质量控制、欺诈检测和透明度。然而,高实施成本、技术复杂性以及资源有限地区获取渠道有限等障碍阻碍了其广泛应用。尽管感官评价方法在捕捉咖啡完整的感官特征方面仍至关重要,但仪器分析技术具有标准化和可重复性的优势。
    结论:将感官专业知识与仪器分析相结合的混合模型成为最具前景的解决方案,它既增强了科学严谨性,又融入了人类的洞察力。重要的是,此类模型能够促进全球咖啡分级更加公平和透明,尤其是当它们嵌入可追溯系统并得到包容性政策框架支持时。这种整合策略为不同生产环境中实现公平、数据驱动的质量评估提供了一条可持续的发展道路。

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