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 HS-SPME/GC-IMS 和 GC-MS 的葡萄-桑葚共发酵酒挥发性指纹分析:质量与真实性控制新策略
查看原文2026
Food Control
中科院一区JCR一区Mingyue Ji, Jiangang Gong, Yuchao Liu, Chuan Liu, Changwei Ao, Min Wang, & Jianxin Tan
食品标签
新鲜水果 酒精饮料 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法 发酵工艺与动力学 其他植物化学物质计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 红外/拉曼光谱数据 质构/流变/感官数据本研究通过桑葚和葡萄共发酵开发了一种新型果酒,以提升风味和营养价值。研究采用顶空固相微萃取-气相色谱-质谱和气相色谱-离子迁移谱,并结合主成分分析、偏最小二乘判别分析和正交偏最小二乘判别分析等多变量统计方法,考察 5 种酒样的挥发性有机化合物和感官特性:GW 为 100% 赤霞珠葡萄酒,GMH、GML、GMB 和 GMM 分别为葡萄与黑珍珠桑葚、龙桑桑葚、北京 1 号桑葚和梦建桑葚共发酵酒。GC-MS 分别在 5 种酒中鉴定出 55、49、47、50 和 49 种 VOCs,GC-IMS 在所有样品中检测到 66 个信号。VOCs 主要为酯类、醇类和酸类。多变量分析能有效区分不同酒样,并揭示其特征挥发物谱。己酸乙酯、乙酸异戊酯和 2-苯乙酸乙酯是果香的主要贡献物,而苯乙醇和苄醇贡献花香。己酸乙酯与感官评分呈最强正相关(r = 0.93,p < 0.01)。结果表明,原料选择和共发酵显著塑造果酒的挥发性和感官特征。GC-MS 与 GC-IMS 的互补使用,并结合感官分析和多变量统计,可为新型发酵果饮的评价和优化提供综合框架。
-
从感官代谢组学到快速分析和机器学习:葡萄酒口感建模展望
查看原文2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区María-Pilar Sáenz-Navajas, Chelo Ferreira, & David W. Jeffery
食品标签
新鲜水果 酒精饮料 氧化、褐变等化学变化 特征风味 代谢组学计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据 质构/流变/感官数据葡萄酒是一类复杂的天然产物,涉及葡萄成分的生物转化以及陈酿过程中的持续化学演化。尽管人们已经积累了大量关于葡萄酒化学和感官性质的知识,但仍存在研究空白,并不断出现新的挑战。感官代谢组学正在推动相关边界拓展,可用于识别与感官接受度和产品质量相关的重要化学贡献物。对于数字化转型中的葡萄酒行业,快速分析方法和及时获得结果同样关键,但这些方法会产生大量数据。机器学习正快速成为处理多维数据集和建模复杂葡萄酒现象的灵活而有力的方法。本文从感官代谢组学、快速分析和机器学习角度讨论葡萄酒口感建模,为涩感、质感和感官品质相关的数据驱动研究提供展望。
-
酱香型白酒生产的数字化转型:融合风味物质分析、机器学习识别与多轮次遗传算法勾调
查看原文2026
Food Research International
中科院一区JCR一区Xiaotong Lyu, Qi Jiang, Kemin Linghu, Yifei Zhou, Mengqian Yu, Chunhui Wei, Liangcai Lin, Qi Zhou, Zhengshu Zhou & Cuiying Zhang
食品标签
酒精饮料 特征风味 感官评价与方法学 其他过程控制与数字化研究 常规理化指标测定 光谱/色谱/质谱等分析方法 风味组学计算机标签
机器学习/统计学习 分类/鉴别/等级评定 设计/生成与推荐 时序传感器/物联网数据 组学数据酱香型白酒的勾调是通过将不同蒸馏轮次、风味差异显著的基酒按特定比例混合而成,其风味差异主要源于挥发性与非挥发性风味化合物的不同。为探索数字化辅助勾调方法,本研究首先构建各轮次基酒的感官剖面,确定特征描述符;随后系统开展风味组学分析,明确风味化合物的种类、含量及变化规律;搭建适用于多轮次酱香型白酒的8传感器电子鼻系统;基于风味组学数据,创新性构建两种智能模型:一是基于机器学习、融合电子鼻与色谱数据的轮次精准识别模型,二是融入多维风味化合物数据集、基于遗传算法的优化勾调模型。经感官评价与色谱分析验证,优化后的遗传算法模型被选定为酱香型白酒勾调的优选模型,为传统勾调工艺的数字化转型提供科学依据。
-
用于预测食品和饮料香气、风味及偏好的机器学习:小型和不平衡数据集的案例研究
查看原文2026
Food Quality and Preference
中科院一区JCR一区J.J. Nijdam, D. Torrico, L. Kumar, & V. Chelikani
食品标签
发酵乳/酸奶 酒精饮料 特征风味 感官科学与消费者研究计算机标签
机器学习/统计学习 定量预测/回归分析 质构/流变/感官数据 小规模数据集用于训练和测试机器学习模型,以根据仪器测量预测食品和饮料的香气和风味属性强度以及偏好评分的数据集,通常由于生成和分析样品的成本和工作量而规模有限。其结果可能导致模型预测性能差且不可靠。已经使用已发表的白葡萄酒、柑橘皮和酸奶数据集进行了案例研究,以探讨潜在的解决方案。选择能够有意义地反映感官属性或偏好驱动因素的表达性仪器测量,对于准确预测非常重要。使用类别数量有限的分类尺度进行感官评估,可以帮助确保为每个类别分配足够的样本,从而提高模型的泛化能力并减少预测偏差。在数据收集之后,通过合并类别可以提高准确性,以消除部分感官噪声,并在剩余类别中更均匀地平衡样本。如果诸如合成少数类过采样技术(SMOTE)等技术在处理基于不平衡数据集训练的模型中的预测偏差时效果不佳,后者可能会有所帮助。
-
使用BO-CDs作为比率荧光传感报告剂对酒类和饮料中的单宁酸进行可视化
查看原文2026
Food Chemistry
中科院一区JCR一区Wei Zhang, Zhen-quan Yang, Lixia Xiao, Xuechao Xu, Tianzhu Guan, Wenyuan Zhou, Xiaowei Tang, Xiaojuan Gong, & Qin Hu
食品标签
酒精饮料 其他饮料 过程监测与在线检测 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据这项工作报道了基于BO-CDs的比率荧光纳米探针(RFP)用于单宁酸(TA)可视检测的首次开发。通过蓝色发光的B-CDs与橙色发光的O-CDs的静电自组装构建,BO-CDs在400 nm激发下表现出449 nm和595 nm的双重发射。加入TA后,595 nm的发射被淬灭,而449 nm的信号保持稳定。该RFP显示出两个线性检测范围,分别为0.01 - 5.0 μM和5.0 - 25.0 μM,超低检测限(LOD)分别为7.65 nM和1.12 nM。值得注意的是,TA引发了明显的荧光颜色转变,从橘黄色到玫瑰粉,最终变为蓝紫色,从而促进了智能手机辅助和纸基可视检测平台的发展,其检测限分别为1.11和1.07 μM。该传感平台已成功应用于葡萄酒和饮料的现场总酸检测,并取得了令人满意的结果,凸显了基于智能手机集成CDs的RFP作为现场总酸分析便携工具的巨大潜力。