食品质量杂志

到2050年，世界人口预计将超过90亿，这将需要农业和粮食产量增加70%才能满足需求，这对农业食品行业是一个严峻的挑战。在资源稀缺、气候变化、COVID-19大流行和非常苛刻的社会经济猜想的背景下，如果没有计算工具和预测策略的干预，这一要求很难实现。在此，我们报告了人工智能和机器学习作为一种预测性多学科方法的重要性，以改善粮食和农业部门，但也存在一些利益相关者应考虑的局限性。

艾叶利瓦伊。凡特是一种历史悠久的中药，其芽和苗可作蔬菜食用。然而，对其化学成分的研究答:艾叶是不够的。本文采用超高高效液相色谱串联混合四极-轨道阱质谱法(UPLC-Q-Exactive-MS/MS)对黄芩的化学成分进行了鉴定答:艾叶．采用Q萃取质谱仪采集质谱和质谱²数据。最后，初步鉴定了125个化合物答:艾叶通过与MZVault、MZCloud、华大基因库(华大基因股份有限公司自建标准库)等标准数据库(黄酮类化合物、苯丙类化合物、萜类化合物、有机酸等)的保留时间和准确分子量进行比较。

本文首次报道了利用水解卡拉亚胶(HKG)作为一种新型聚阴离子材料与明胶a进行复合凝聚，在pH为> 2.5时，HKG在pH为3.75,HKG与明胶比为1:1时，形成了最高收率的复合凝聚物。采用不同壳芯比、均质速度、乳化剂浓度和干燥技术，将最佳复合凝聚剂包封含姜黄素的大豆油。光学显微镜显示，均匀化速度和Tween 80浓度的增加产生更小更均匀的凝聚颗粒。壳芯质量比从1增加到4，大豆油和姜黄素的包封效率均呈线性增加。对微胶囊的加速过氧化试验表明，当增加壳芯比和使用冷冻干燥代替50℃的烘箱干燥时，微胶囊对油过氧化的保护作用增强^oC。在体外冷冻干燥和降低壳芯比时，姜黄素在模拟胃液和肠液中的释放更快。本研究展望了HKG在食品和制药行业活性成分微胶囊化方面的新应用。

水果中的主要香气化合物木姜子属pungensHemsl。采用溶剂辅助风味蒸发法(SAFE)对(LPH)进行浓缩，采用气相色谱-质谱-嗅觉测定法(GC-MS/O)、定量描述分析(QDA)、气味活性值(OAVs)和添加试验进行表征。结果表明，LPH中含有31种芳香活性化合物(风味稀释度，FD = 9)。其中30种气味采用标准曲线法定量。OAV分析结果表明，25种气味OAV≥1，可认为是强效气味。d -柠檬烯和3,7-二甲基-2,6-辛二烯的OAV值最高(OAV分别为9803和8399)，其次是(Z)-3,7-二甲基-2,6-二烯二酸(OAV = 1893)，β-月桂烯(OAV = 1798)， (E)-3-苯基-2-丙烯酸乙基(OAV = 1603)，以及β-石炔(OAV = 1129)。加成实验进一步证实了3,7-二甲基-2,6-辛二烯醛，(Z)-3,7-二甲基二烯-2,6-二烯和d -柠檬烯对柠檬属性有贡献，β-月桂烯对绿色属性有贡献，香茅对薄荷和鲜香有贡献，桉油醇对类桉树香有贡献。

对蜂蜜更高的需求和有限的供应导致了不同形式的蜂蜜掺假。蜂蜜掺假可以直接在天然蜂蜜中添加各种糖浆，也可以间接用糖浆喂养蜜蜂。因此，为了确保蜂蜜的安全和质量，需要可靠和具有成本效益的质量控制方法来检测蜂蜜掺假。在这项研究中，通过喂食不同比例的蔗糖(0到100%)来掺假蜂蜜。研究了掺假蜂蜜的各种物理化学性质，包括糖剖面、pH值、酸度、水分和颜色。结果表明，添加蔗糖可使饲料中葡萄糖和果糖的含量显著降低，分别从33.4 ~ 29.1%和45.2 ~ 35.9%。蔗糖含量从0.19显著增加到1.8%。随着蔗糖饲料添加量的增加，pH值从3.04显著升高至4.63。随着蔗糖饲料添加量的增加，酸度略有下降，但不显著，0%和100%蔗糖时，酸度分别在7.0 - 4.00 meq/kg之间变化。蜂蜜的轻盈(l值)也随着蔗糖饲料的增加而从59.3显著增加到68.84。蔗糖饲料对其他颜色参数无显著影响。K-means聚类利用上述生理特性对蜂蜜掺假程度进行分类。分类结果表明，葡萄糖含量和总糖含量分类准确率均为100%，pH值分类准确率最差，为52%。为了进一步预测蜂蜜掺假率，以糖剖面为输入，采用模拟退火-人工神经网络(SA-ANNs)进行模拟退火。RBF-ANN预测结果最好，SSE = 0.073, RE = 0.021，总体而言R²= 0.992。结果表明，蜂蜜糖谱可为检测蔗糖溶液间接掺假蜂蜜提供准确可靠的检测手段。

本研究提出一种基于深度学习的水果分级智能系统的设计。为此目的，最近基于剩余学习的网络“ResNet-50”被设计用于将水果，特别是香蕉，分类为健康或缺陷类。系统的设计是通过使用深层结构中存储的知识的迁移学习来实现的。为了实现深层结构，收集了香蕉的数据集。仿真结果表明，所设计的系统具有良好的泛化能力，仿真精度达到99%。将所设计的残差学习系统的仿真结果与其他香蕉分级系统的仿真结果进行了比较。对比结果表明了所设计系统的有效性。开发的系统可用于食品加工行业，在实际应用中，智能系统的准确性、成本和速度将提高生产率，并满足消费者的需求。该系统可以取代或协助人工操作人员在水果的选择上发挥他们的精力。