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

  • 利用水热处理衍生的集成机器学习模型保障长角藻生物质的安全并提升其营养品质

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

    Thiru chenduran Somasundaram, Thomas Steven Mock, Damien L. Callahan & David Scott Francis

    食品标签

    其他肉与水产品 化学污染物 理化与结构表征

    计算机标签

    机器学习/统计学习 定量预测/回归分析

    褐藻作为食品资源在大规模工业化应用中面临的主要障碍之一,是其碘和砷含量通常超出食品安全监管限值所带来的风险。水热处理可有效降低澳大利亚褐藻物种 Phyllospora comosa 中过高的碘和砷含量,使其低于澳大利亚针对褐藻设定的最大残留限量(碘:1 mg/g,砷:0.00667 mg/g,以干重计)。实验结果表明,在82 °C、250秒的水热处理条件下,碘含量从2.76 mg/g降至0.88 mg/g(降幅达68%),砷含量从0.01693 mg/g降至0.00965 mg/g(降幅达43%)。机器学习模型进一步预测,若在100 °C下焯水约4分钟,即可使砷含量降至最大残留限量以下。通过对数据进行加性对数比(additive log-ratio)转换分析发现,在最高强度处理条件(82 °C–250 s)下,约有50%(干重)的 Phyllospora comosa 样品成分被浸出流失。尽管如此,经水热处理后的 Phyllospora comosa 产品安全性显著提高,更适合人类食用,从而有望推动海藻在澳大利亚的生产与消费规模扩大。

  • 人工智能驱动的食品中微塑料检测:来源、健康风险、检测技术与新兴人工智能解决方案的全面综述

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

    Himani Rawat, Ashish Gaur, Narpinder Singh, Manickam Selvaraj, Arun Karnwal, Gaurav Pant & Tabarak Malik

    食品标签

    化学污染物 常规理化指标测定 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

    由于相关的环境和健康风险,食品中的微塑料污染正成为一个日益令人担忧的问题。全球塑料产量不断上升,预计到2060年,年产能将超过21亿吨。因此,有必要对微塑料进行有效的检测和识别,以确定环境风险并保障食品安全。本研究旨在比较检测食品中微塑料的传统方法(光学检测、热分析、高光谱成像)与先进技术(傅里叶变换红外光谱、热解-气相色谱-质谱、拉曼光谱)。虽然传统方法足以提供定性见解,但先进技术在检测更小颗粒时具有更高的灵敏度和特异性。本文分析了这些方法的优势和局限性,考量因素包括准确性、成本、灵敏度和效率。文章还分析了人工智能在解决这些局限性方面的基本优势。人工智能的速度、准确性和适应性能够增强微塑料的检测和识别能力,为合规监管和食品安全监测提供支持。这种全面的分析阐述了在应对日益严峻的微塑料污染挑战时,人工智能作为未来研究工具所发挥的重要作用。

  • 食品包装中的高级防伪油墨:聚焦功能材料到数字集成的综合综述

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

    Prachi Jain, Divyanshu Gupta, Harleen Kaur, Suman Singh & Kirtiraj K. Gaikwad

    食品标签

    食品安全与风险评估 智能/指示型包装 包装系统中的监测与标签应用

    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

    背景:食品行业内假冒产品的激增,加剧了对智能、安全包装技术的需求。传统的显性和隐性防伪措施正得到先进技术的补充,其中包括专用的安全油墨。这些油墨种类繁多,从紫外荧光油墨、热致变色油墨到磁性油墨和基于DNA的油墨,它们能对特定刺激产生独特反应,使得复制变得极其困难。将它们整合到食品包装中,既能提供视觉和法医鉴定层面的认证,又能与多种基材保持兼容性。
    范围与方法:本综述研究了防伪油墨在食品包装中的发展与应用,重点关注根据其光学、热学、导电性、磁性和生化反应进行的分类。文中探讨了功能添加剂、材料兼容性等关键成分及其在防止假冒生产中的作用。这项研究还考察了区块链和人工智能在产品认证及供应链透明度方面的整合应用。文中涉及了环境和监管方面的考虑,以及可扩展、可持续使用的策略。基于近期的研究,本综述概述了加强包装安全性的基本设计特征和创新之处。
    主要发现与结论:防伪油墨结合了可见和隐藏特征以及法医鉴定的精确性,为防范食品欺诈提供了多层次且可靠的防御手段。紫外荧光油墨、热致变色油墨、基于DNA的油墨和纳米材料油墨等技术增强了产品的可认证性和可追溯性。可生物降解配方和智能传感器有助于实现可持续包装目标。尽管面临成本高昂和监管障碍等挑战,区块链和人工智能等数字工具在加强供应链安全方面仍显示出良好前景。例如,可将嵌入了二维码、荧光图案或序列化标记等独特特征的防伪油墨整合到区块链框架中,在该框架内,所有标识符都记录在区块链账本上,并在产品链的每个环节借助人工智能优化的扫描进行检查。这种整合策略有助于防止假冒行为,并提高整个产品生命周期的透明度和问责性。

  • 基于人类微生物组的食品健康效应机器学习预测

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

    Nanako Inoue, Tomokazu Shibata, Ryusuke Sawada, & Yoshihiro Yamanishi

    食品标签

    复合/即食/餐饮食品 血糖、血脂与代谢相关功能 肠道健康与微生物相关功能 微生物组/宏基因组学 益生菌/益生元/合生元

    计算机标签

    机器学习/统计学习 定量预测/回归分析 组学数据

    食物吸收依赖体内微生物活动。探索食品功能性时,需要同时考虑食品化合物及其经微生物代谢产生的代谢物。本研究开发了一种机器学习方法,利用微生物和代谢数据预测食品功能。预测基于 70478 种食品组成化合物、24255 种代谢物的化学性质,以及它们与疾病相关通路中靶蛋白的相互作用。研究识别出 941 种食品与 83 种疾病之间的潜在功能关联,并提供了机制层面的见解,尤其是与微生物相关的机制。微生物介导的食品对疾病的影响可按食品类型分类;例如,各食品类别中与疾病相关的微生物提示,拟杆菌门可能参与血脂异常,厚壁菌门可能参与帕金森病。该方法有助于识别疾病相关微生物、发现益生元食品,并突出食品干预在预防医学中的潜力;同时也可用于阐明由微生物代谢物介导的食品-疾病相互作用新机制。

  • 基于感官评估和多元统计分析,比较六种菊花的香气特征,为甜香菊花的栽培提供策略

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

    Yi Li, Yang Pu, Fang Xu, Yajing Niu, Mengmeng Zhang & He Huang

    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 其他植物化学物质

    计算机标签

    机器学习/统计学习 偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 组学数据

    可食用菊花品种香气较轻,而野生菊花则表现出多样的香气特征。本研究研究了六种菊花的香气特征,包括菊花变种芳香(Cia)、菊花(Cl)、菊花(Cv)、菊花(Ci)、菊花(Co)和菊花'黄香'(CmHXL)。通过感官评估和头空间固相微萃取气相色谱质谱(HS-SPME-GC–MS),鉴定出79种挥发性化合物。主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)发现了17个标记化合物,包括醋酸銭、桉树醇和菊花酮,将该物种分为三个不同的气味组。此外,研究了Cia中芳香化合物跨代遗传的情况。结果显示,醋酸甲酯含量显著下降(跨代减少63.16%至95.79%),显示香气遗传面临挑战。本研究发现菊花是一种独特的芳香资源,尽管存在遗传挑战,仍为甜香可食用品种的发展提供了新见解。

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