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
咖啡因

标签记录(计算机学者)

暂无筛选

共 6 条结果

  • 基于集成学习解析中国传统酸面团的微生物群落复杂性

    2026
    Food Research International
    中科院一区
    JCR一区
    查看原文

    Yan Liu, Jinyu Wang, Shiwei Zhou, Feijiang Li, Honghong Cheng, Zheqing Zhu, Jiale Wang, Aowen Liu, Ting Lu, Yujuan Yu, Senmiao Tian, Min Zhang, Faizan Ahmed Sadiq & Guohua Zhang

    食品标签

    谷物发酵食品 其他品质相关性质 过程优化与控制策略 发酵工艺与动力学 理化与结构表征 咖啡因

    计算机标签

    机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 质构/流变/感官数据 多模态/融合数据

    酸面团发酵依赖于由真菌和细菌组成的动态微生物群落,其形成受种间相互作用和环境条件的影响。本研究分析了来自中国十个省份的115份酸面团样品(包括26份干样品和89份湿样品)的微生物群及理化特性,并采用集成学习方法将微生物组成与理化性质相关联,揭示了支撑发酵结果和群落结构区域差异的关联关系。在干样品中,戊糖片球菌(39.46%)和短乳杆菌(11.02%)占主导地位,而湿样品则以旧大陆果乳杆菌(51.27%)为优势菌。酿酒酵母被认定为酸面团微生物群中的优势核心酵母菌种(在所有样品中检出率超过50%,且在各组中均位列前五)。扣囊复膜孢酵母、植物乳杆菌和肠膜明串珠菌为核心细菌菌种。集成学习与丰度排序鉴定出了西宫皮肤球菌、奥默柯达酵母及叶状巴克利酵母等稀有类群,尽管它们在酸面团微生物群中丰度较低,但与理化指标呈现显著相关性,不过其功能作用尚未明确。微生物群落结构与水分含量、pH值和总酸度等理化条件密切相关,这凸显了在设计用于酸面团发酵的稳定合成菌群时,考虑这些参数的重要性。本研究为不同区域和样品类型的酸面团微生物组结构与功能提供了基础性见解。通过将微生物群数据与理化特性相结合,我们证实了机器学习在揭示关键微生物-环境关系方面的潜力。这些研究结果为合理设计稳定、定制化的发酵剂以优化酸面团发酵提供了支撑。

  • 基于多光谱数据融合策略与化学计量学的日照绿茶产地溯源研究

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

    Mengqi Guo, Zhiwei Chen, Zezhong Ding, Dewen Wang, Dandan Qi, Min Lu, Mei Wang & Chunwang Dong

    食品标签

    茶/茶饮料 品质、结构与理化性质 感官评价与方法学 光谱/色谱/质谱等分析方法 其他理化与结构表征 蛋白质与氨基酸 多酚与黄酮 咖啡因

    计算机标签

    偏最小二乘法 支持向量机 随机森林 卷积神经网络 分类/鉴别/等级评定 高光谱/多光谱光谱 红外/拉曼光谱数据 质构/流变/感官数据 多模态/融合数据

    本研究提出了一种将多光谱数据融合策略与化学计量学分析相结合的新方法,用于日照绿茶的产地溯源。研究发现,日照绿茶与中国南方茶叶在感官评分和关键理化成分(儿茶素、咖啡因和氨基酸含量)方面存在显著差异。通过整合近红外和高光谱技术的数据,多元模型(包括偏最小二乘回归(PLSR)、支持向量回归(SVR)、随机森林(RF)和卷积神经网络(CNN))的预测精度得到了提高。融合数据集的性能优于单一光谱数据集。研究发现,不同地区的茶叶样品存在显著的光谱差异,从而实现了可靠的区分。基于近红外光谱数据的支持向量机(SVM)和随机森林(RF)判别模型均达到了100%的准确率。该方法为绿茶溯源提供了一种可靠且高效的工具,有望在茶叶行业的质量控制和真实性验证中得到应用。

  • 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

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

    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。

  • 基于气相色谱-飞行时间质谱的咖啡和大蕉副产物粉代谢物表征及保留指数化学信息学预测

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

    Laura Sofía Torres-Valenzuela, Carolina Franco-Urbano, Diana Paola Navia-Porras, Nicole Sarmiento & Cristian Rojas

    食品标签

    其他果蔬制品/植物类 挤压膨化与共挤技术 其他品质相关性质 副产物与废弃物高值利用 光谱/色谱/质谱等分析方法 代谢组学 其他统计建模方法 咖啡因 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 组学数据 中等规模数据集

    本研究分析了由咖啡果皮、大蕉轴和废弃大蕉制成的复合粉(CF)中的化学代谢物,以及挤出加工引起的代谢物变化。通过HP-5ms毛细管柱的气相色谱-飞行时间质谱(GC-QTOF-MS)分析鉴定出72种代谢物。结果表明,挤出加工选择性改变了代谢物组成,部分抗营养化合物(咖啡因、脱氧葡萄糖和半乳糖胺)含量降低,从而提升了CF的营养和功能品质。基于265个分子的色谱数据集,开发了具有良好预测能力(Q2=0.945)的构象无关定量结构-保留关系(QSRR)模型,用于预测代谢物保留指数。该研究为农工副产物CF的代谢物分析和新代谢物色谱性质预测提供了方法,同时推进了咖啡和大蕉副产物的高值化利用。

  • 在决策层使用多元素融合信息监测红茶发酵过程中的主要滋味成分

    2023
    Food Chemistry: X
    中科院一区
    JCR一区
    查看原文

    Ting An, Zhel Wang, Guanglin Li, Shuxiang Fan, Wenqian Huang, Dandan Duan, Chunjiang Zhao, Xi Tian & Chunwang Dong

    食品标签

    茶/茶饮料 品质、结构与理化性质 过程监测与在线检测 显微与成像技术 光谱/色谱/质谱等分析方法 碳水化合物与糖类 多酚与黄酮 咖啡因

    计算机标签

    智能手机/其他 特征工程与选择策略 定量预测/回归分析 过程控制与实时优化 高光谱/多光谱光谱 时序传感器/物联网数据 多模态/融合数据

    迄今为止,由于样本信息片面和模型性能不佳,红茶发酵质量的智能检测仍然是一个引人深思的问题。本研究提出了一种利用高光谱成像技术和电特性预测主要化学成分(包括总儿茶素、可溶性糖和咖啡因)的新方法。利用多元素融合信息建立定量预测模型。使用多元素融合信息的模型性能优于使用单一信息的模型。随后,采用融合数据结合特征选择算法的堆叠组合模型来评价红茶发酵质量。我们提出的策略比经典的线性和非线性算法获得了更好的性能,总儿茶素、可溶性糖和咖啡因的预测集相关系数(R)分别为0.9978、0.9973和0.9560。结果表明,我们提出的策略可以有效评价红茶发酵质量。

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