重磅!食品科学与工程领域高质量科技期刊分级目录发布
![重磅!食品科学与工程领域高质量科技期刊分级目录发布](https://www.drugfoodai.com/wp-content/themes/8ae9b5e358e6699/themer/assets/images/lazy.png)
![重磅!食品科学与工程领域高质量科技期刊分级目录发布](https://www.drugfoodai.com/wp-content/themes/8ae9b5e358e6699/themer/assets/images/lazy.png)
![重磅!食品科学与工程领域高质量科技期刊分级目录发布](https://www.drugfoodai.com/wp-content/themes/8ae9b5e358e6699/themer/assets/images/lazy.png)
![重磅!食品科学与工程领域高质量科技期刊分级目录发布](https://www.drugfoodai.com/wp-content/themes/8ae9b5e358e6699/themer/assets/images/lazy.png)
(来源:中国科学技术协会)
原创文章,作者:ifyoung,如若转载,请注明出处:https://www.drugfoodai.com/food-journal.html
注意:本站原创指的是原创编译,并不主张对所介绍的工作的版权,如有侵权,请联系删除!
相关推荐
-
中英文版《现代光谱分析中的化学计量学方法》专著出版
由中石化石油化工科学研究院褚小立博士,中国农业大学黄越博士,海南大学云永欢博士,天津工业大学卞希慧博士撰写的英文专著《Chemometric Methods in Analytical Spectroscopy Technology》,近日由国际著名学术出版社Springer出版发行。
-
一种用于辨别中国白酒香气的仿生嗅觉识别系统
今天介绍一篇由北京汉王科技有限公司智能感知实验室的Weihong Liu等人于2022年3月在线发表在Food Chemistry上的文章。本文受小鼠嗅觉系统的启发,开发了一种仿生嗅觉识别系统来区分复杂的气味刺激,将气味受体(OR)的非凡特异性与反向传播(BP)神经网络的出色数据处理能力相结合,以区分中国白酒的香气。
-
基于输入修正卷积神经网络的电子鼻和高光谱图像融合羊肉新鲜度检测
今天介绍一篇来自安徽大学翁士状副教授课题组于2022年3月发表在Food Chemistry上的文章。该研究采用电子鼻和高光谱图像相结合的方法对羊肉总挥发性盐基氮(TVB-N)进行综合评价。为准确分析羊肉新鲜度提供了一种途径,并为其他肉类品质的研究提供了技术依据。
-
人体对食物的餐后反应与精准营养的潜力
今天介绍一篇由Sarah E. Berry等人前段时间发布于nature medicine的一篇文章。文中对英国(n=1002)和美国(n=100)的年轻健康成年人进行餐后代谢反应评估,并开发机器学习模型来预测人体内的甘油三酸酯(r=0.47)和血糖(r=0.77)对食物摄入的反应,这项技术有助于制定个性化的饮食策略。
-
基于偏最小二乘和人工神经网络分析的采后苹果品质变化及保质期预测模型
今天介绍一篇由渤海大学食品科学与技术学院励建荣教授的研究组等人于2022年6月在线发表在Food Chemistry上的文章。本文构建了偏最小二乘法(PLS)和人工神经网络(ANN)模型来预测苹果的保质期。本工作旨在丰富苹果保鲜理论,为采后苹果货架期的快速评价提供参考。
-
系统综述人工神经网络在食品加工过程中的建模应用
今天给大家介绍一篇由G. V. S. Bhagya Raj等人合作的,于近期发表在Critical Reviews in Food Science and Nutrition的一篇综述,文章中作者系统综述了ANN在食品加工等领域的应用进展并进行了展望。
-
中科院计算所蒋树强研究员团队IEEE TPAMI(24.314)高分论文:大规模食品图像识别
本期分享中科院计算所蒋树强研究员团队和美团合作发表于IEEE TPAMI2023的研究工作“Large Scale Visual Food Recognition” (Weiqing Min, Zhiling Wang, Yuxin Liu, Mengjiang Luo, Liping Kang, Xiaoming Wei, Xiaolin Wei, Shuqiang Jiang*) 。IEEE TPAMI全称为IEEE Transactions on Pattern Analysis and Machine Intelligence, 是模式识别、计算机视觉及机器学习领域的国际主流期刊,2022年公布的影响因子为24.314。
-
豆类中毛豆的理化特性及基于光谱学的机器学习方法在最佳采收期预测中的应用
今天介绍一篇由弗吉尼亚理工大学食品科学与技术系Dajun Yu等人于2021年8月发表于Food Chemistry的一篇文章。文中通过研究毛豆发育过程中理化性质的变化,并应用基于光谱学的机器学习(ML)技术来确定毛豆最佳采收期。对R5(始籽)、R6(满粒)和R7(初熟)生长期采收的毛豆进行了理化特性分析,并用手持式分光光度计测量了豆荚的光谱反射率(360-740nm)。根据毛豆样品的特征特性将其采收期分为“早期”、“准备期”和“晚期”,使用豆荚的光谱反射率的机器学习方法随机森林进行分类,研究结果证明该方法可以确定毛豆的最佳采收期。
-
基于质谱-机器学习技术的番茄分类:一个食品安全增强平台
今天介绍一篇由Arthur Noin de Oliveira等人于2022年8月发表在Food Chemistry(IF=9.231)上的文章。该研究旨在开发一个使用机器学习算法的平台,分析质谱数据,对番茄进行有机和非有机的分类。决策树算法被定制用于数据分析,该模型在确定每种水果属于哪个组时达到了92%的准确度、94%的灵敏度和90%的精确度。
-
社区食物零售业可达性、广域建成环境和家庭购买健康食品的相关性
今天介绍一篇将食品科学与建筑规划关联起来的角度新颖的论文,由彭科、Nikhil、Kaza等人发表在Public Health Nutrition上。建成环境与健康食物购买之间的联系是城乡规划领域一直被忽视的具有重大民生意义的课题。本文的目的是以分布在378个大都市的22448个美国家庭为例,利用多层次模型了解广域建成环境如何调节大超市和小便利店与人们购买新鲜蔬菜、蔬果数量多少之间的关系