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 91 条结果
-
基于挥发组学与机器学习的鲑鱼新鲜度状态挥发性标志物识别
查看原文2025
Food Research International
中科院一区JCR一区Qian Hu, Bingwu Zhou, Guoping Li, Ranran Xing, Ying Chen & Jiukai Zhang
食品标签
鱼肉 食品安全与风险评估 包装与智能监测 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 脂质与脂肪酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据新鲜度是决定鲑鱼品质和消费者接受度的关键因素。然而,驱动鲑鱼腐败的挥发性标志物和代谢途径,特别是在向次新鲜状态转变的关键过程中,仍然缺乏清晰的表征。本研究结合顶空固相微萃取-气相色谱-质谱联用技术和随机森林机器学习方法,系统鉴定了冷藏储存期间鲑鱼新鲜度的挥发性标志物。鲑鱼样品被分为三个不同的新鲜度阶段(新鲜:0-6天,次新鲜:7-8天,腐败:≥9天),以研究在4°C储存下的候选标志物。最初,单变量方差分析和正交偏最小二乘判别分析确定了189种差异显著的挥发性化合物。随后的随机森林建模将其缩小到40个具有高预测准确性的潜在标志物。进一步使用O2PLS和多变量线性回归的综合分析,确定甲基乙二醛、苯甲醇和乙酸为指示新鲜度渐进性下降的稳健候选标志物。这三种挥发性物质通过靶向分析得到了验证。代谢途径分析强调了苯乙烯降解、苯丙氨酸代谢、硫代谢、糖酵解/糖异生、丙酮酸代谢和赖氨酸降解是关键腐败途径。总体而言,这种基于挥发组学的策略为理解新鲜度转变过程中的挥发性腐败指标提供了宝贵见解,并为客观评估鲑鱼质量提供了一种有效的替代方法。
-
比色和荧光探针配合智能手机应用监测鱼类新鲜度
查看原文2025
Food Chemistry
中科院一区JCR一区Xiaofei Sun, Xin Jiang, Xinyi Zhao, Zengdong Wang, Jie Yuan, Yang Li, Xuepeng Li, Jianrong Li, Lijun Tang & Keli Zhong
食品标签
鱼肉 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
分类/鉴别/等级评定 定量预测/回归分析 可见光/RGB/视频数据本研究合成了一种基于吩噻嗪的新型“关-开”型荧光探针MPZ,化学名称为(E)-5-((10-乙基-2-甲氧基-10H-吩噻嗪-3-基)亚甲基)噻唑烷-2,4-二酮。该探针可通过去质子化作用,在7秒内快速检出生物胺,兼具比色与荧光双通道检测特性。研究自主开发了一款用于鱼类新鲜度可视化便携检测的应用软件——“Visual Evaluation”。该软件集成图像采集、红绿蓝(RGB)数值可编辑扫描、数据分析拟合、数据存储及结果验证等多项功能。更为重要的是,由该应用软件与负载MPZ的滤纸标签(MPZ/FPS)构成的智能检测平台,可对三文鱼中的挥发性盐基氮总量进行定量检测,且经中国国家标准方法验证,具备良好的检测准确度与可靠性。该智能检测平台有望为便携式可视化检测领域提供新思路,同时也可为商户及监管部门提供一种无需仪器、可智能读数的三文鱼新鲜度评估新工具。
-
通过智能手机辅助的比比荧光平台与铈-镍双金属纳米簇检测多西环素
查看原文2025
Food Chemistry
中科院一区JCR一区Hui Chen, Hanyu Yang, Yi Zheng, Yingying Li, Jie Hu, Xiupei Yang & Yating Yang
食品标签
鱼肉 液态乳 化学污染物 显微与成像技术 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
机器学习/统计学习 定量预测/回归分析 可见光/RGB/视频数据四环素抗生素(如多西环素DOX)在动物来源食品中积累,当浓度过高时对人体健康构成相当大风险。本研究引入了利用卵白蛋白稳定的铈-镍双金属纳米簇(OVA-Ce/Ni NCs)检测DOX的比分荧光传感器。该传感器利用卵白蛋白对DOX的敏化效应,导致荧光峰值在510 nm,而其固有的蓝色荧光在420 nm处逐渐消灭。在最佳条件下,OVA-Ce/Ni NCs传感器对DOX的线性响应范围为0.2–80微米,检测极限极低,仅为51 nM。该传感器对DOX表现出极佳的选择性,并成功应用于牛奶和鱼类样本中的DOX检测。此外,智能手机辅助检测促进了DOX的视觉识别。本研究展示了一种高度敏感且选择性地检测动物衍生食品中DOX的方法,对污染物的鉴定和控制具有潜在意义。
-
自动化LA-DBD-TLC-MS设备结合机器学习算法用于精确检测渔业产品中的生物胺
查看原文2025
Food Chemistry
中科院一区JCR一区Tiantian Zhang, Haonan Mi, Shichao Wei, Yuan Xu, Zhao Yang, Shuai Liang & Xuelu Ding
食品标签
鱼肉 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
支持向量机 随机森林 主成分分析/判别分析 其他深度学习结构 分类/鉴别/等级评定 定量预测/回归分析本研究研制了一种新型小型化自动化激光剥蚀介质阻挡放电薄层色谱-质谱联用(LA-DBD-TLC-MS)装置,可用于水产品中生物胺的快速检测。该装置为即插即用系统,集成了二极管激光热脱附、介质阻挡放电等离子体电离与串联质谱检测功能,并通过实验与计算方法对关键运行参数进行了优化。以纳米炭黑为基质时,该装置的检出限可达0.230皮克每平方毫米。在六种生物胺筛查检测中,其检测效果与高效液相色谱-串联质谱法相当;同时结合主成分分析、随机森林、支持向量机、多层感知机等机器学习算法,可实现鱼类品种区分与腐败程度评估,检测准确率较高。多元线性回归模型对三文鱼腐败程度的预测相关性优异,决定系数达0.974。该研究证实,LA-DBD-TLC-MS装置可作为可靠、精准且高通量的检测工具,适用于水产品中生物胺的快速分析,也具备用于食品基质中有机化合物直接痕量分析的应用潜力。
-
利用分子振动光谱技术,利用贝叶斯优化的一维卷积神经网络分析蛇头鱼中的TVB-N:近红外和拉曼光谱
查看原文2025
Food Chemistry
中科院一区JCR一区Qin Ouyang, Zhenzhou Fan, Huilin Chang, Muhammad Shoaib & Quansheng Chen
食品标签
鱼肉 氧化、褐变等化学变化 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 梯度提升决策树 卷积神经网络 定量预测/回归分析 红外/拉曼光谱数据挥发性盐基总氮(TVB-N)是评价鱼肉新鲜度的核心指标之一。本研究采用近红外光谱(NIR)与拉曼光谱技术检测乌鳢鱼片的挥发性盐基总氮含量。研究通过变量交叉点算法-改进缩减输入变量法(VCPA-IRIV),从近红外光谱和拉曼光谱数据中提取与挥发性盐基总氮相关的特征变量。基于筛选得到的特征变量,分别构建偏最小二乘(PLS)模型与一维卷积神经网络(1D-CNN)模型。随后采用数据融合策略对挥发性盐基总氮含量进行预测。其中,结合贝叶斯优化一维卷积神经网络的特征级融合方案效果最优,其挥发性盐基总氮的校正相关系数与预测相关系数分别达到0.9677和0.9676。研究结果证实,近红外光谱与拉曼光谱均可有效用于鱼肉新鲜度评价。两种振动光谱技术的融合应用,能够更快速、高效且全面地实现鱼肉新鲜度的定量检测。