five

USDA Food Composition Databases|食物营养数据集|数据库数据集

收藏
kaggle2019-12-24 更新2024-03-08 收录
食物营养
数据库
下载链接:
https://www.kaggle.com/datasets/econdata/usda-food-composition-databases
下载链接
链接失效反馈
资源简介:
USDA National Nutrient Database for Standard Reference
创建时间:
2019-12-24
AI搜集汇总
数据集介绍
main_image_url
构建方式
USDA Food Composition Databases数据集的构建基于美国农业部(USDA)的广泛研究与合作。该数据集整合了来自多个实验室和研究机构的高质量营养成分数据,通过标准化和验证流程确保数据的准确性和可靠性。数据收集涵盖了多种食品类别,包括常见食品和特殊用途食品,每种食品均经过详细的化学分析,以获取其营养成分的精确数值。
特点
USDA Food Composition Databases数据集以其全面性和权威性著称。该数据集不仅包含了常见食品的基本营养信息,如蛋白质、脂肪、碳水化合物和维生素等,还提供了微量元素和添加剂等详细数据。此外,数据集支持多种查询和分析功能,用户可以根据食品名称、类别或营养成分进行筛选和比较,极大地提升了数据的可操作性和实用性。
使用方法
USDA Food Composition Databases数据集适用于多种研究和应用场景。研究人员可以利用该数据集进行营养学研究、食品成分分析和健康风险评估。食品行业从业者则可以基于此数据集进行产品开发、配方优化和营养标签设计。此外,公众用户也可以通过访问USDA的在线数据库,获取个人饮食计划和营养建议,从而实现科学饮食和健康生活。
背景与挑战
背景概述
USDA Food Composition Databases(美国农业部食品成分数据库)是由美国农业部(USDA)创建和维护的综合性数据库,旨在提供关于食品成分的详细信息。该数据库自20世纪初开始构建,经过多次更新和扩展,现已成为全球食品科学和营养研究领域的重要资源。主要研究人员和机构包括美国农业部的农业研究服务(ARS)和食品与营养信息中心(FNIC)。其核心研究问题涵盖食品的营养成分、化学组成以及食品加工对营养成分的影响。该数据库对食品工业、公共卫生政策制定以及消费者健康教育产生了深远影响。
当前挑战
尽管USDA Food Composition Databases在食品成分分析方面具有重要价值,但其构建和维护过程中仍面临诸多挑战。首先,食品成分的多样性和复杂性使得数据收集和标准化变得困难。其次,食品加工技术的不断发展和新产品的涌现要求数据库持续更新,以确保数据的时效性和准确性。此外,跨文化和跨国界的食品成分差异增加了数据整合的复杂性。最后,确保数据的安全性和隐私保护也是一项重要挑战,特别是在大数据和人工智能技术的应用背景下。
发展历史
创建时间与更新
USDA Food Composition Databases数据集由美国农业部(USDA)创建,首次发布于1992年,旨在提供全面的食物营养成分信息。该数据集定期更新,最近一次重大更新发生在2020年,以反映最新的科学研究和营养标准。
重要里程碑
USDA Food Composition Databases的创建标志着营养科学领域的一个重要里程碑。1992年的首次发布为研究人员、营养师和公众提供了一个权威的营养信息来源。2005年,数据集引入了SR20版本,增加了更多食物条目和详细的营养成分分析。2020年的更新不仅扩展了数据集的覆盖范围,还引入了新的营养成分和分析方法,进一步提升了其科学价值和实用性。
当前发展情况
当前,USDA Food Composition Databases已成为全球营养研究和公共卫生政策制定的重要参考。数据集的持续更新确保了其信息的准确性和时效性,为营养学研究、饮食指导和公共卫生干预提供了坚实的基础。此外,数据集的开放获取政策促进了全球范围内的知识共享和合作,推动了营养科学的发展和应用。
发展历程
  • USDA首次发布了《美国农业部食品成分数据库》,为食品营养成分的科学研究提供了基础数据支持。
    1992年
  • USDA更新了数据库,引入了更多食品种类和详细的营养成分信息,提升了数据集的全面性和准确性。
    2001年
  • 数据库进一步扩展,增加了对有机食品和特殊饮食需求食品的营养成分分析,满足了不同用户群体的需求。
    2006年
  • USDA推出了在线版本的《USDA食品成分数据库》,用户可以通过网络直接访问和查询数据,极大地方便了数据的使用和共享。
    2010年
  • 数据库进行了重大更新,引入了新的数据分析工具和可视化功能,增强了用户对食品营养成分的理解和应用。
    2015年
  • USDA继续更新和维护数据库,确保数据的时效性和准确性,同时增加了对新兴食品和营养成分的研究数据。
    2020年
常用场景
经典使用场景
在营养学研究领域,USDA Food Composition Databases数据集被广泛用于分析和评估食物的营养成分。该数据集包含了大量食品的详细营养信息,如蛋白质、脂肪、碳水化合物、维生素和矿物质等。研究者利用这些数据进行膳食评估、营养需求预测以及食品成分的比较研究,从而为制定健康饮食指南提供科学依据。
衍生相关工作
基于USDA Food Composition Databases数据集,许多相关的经典工作得以开展。例如,研究者开发了多种营养评估工具和膳食分析软件,这些工具利用数据集中的信息帮助用户进行个性化营养评估。此外,该数据集还激发了大量关于营养与慢性病关系的研究,如肥胖、糖尿病和心血管疾病,为预防和治疗这些疾病提供了新的视角和方法。
数据集最近研究
最新研究方向
在食品科学领域,USDA Food Composition Databases数据集的最新研究方向主要集中在营养成分的精准分析与个性化营养推荐系统的开发。随着大数据和人工智能技术的进步,研究人员利用该数据集进行深度学习模型的训练,以预测食品中的微量营养素含量,并结合个体基因信息和饮食习惯,提供定制化的营养建议。这一研究不仅有助于提升公众健康水平,还为食品工业的研发提供了科学依据,推动了食品营养标签的精准化和个性化营养服务的普及。
相关研究论文
  • 1
    USDA Food Composition Databases: An Overview and AnalysisUnited States Department of Agriculture · 2015年
  • 2
    Nutrient Intake and Dietary Patterns of US Adults: Analysis Using USDA Food Composition DatabasesAmerican Society for Nutrition · 2018年
  • 3
    Application of USDA Food Composition Databases in Nutritional Epidemiology ResearchNational Institutes of Health · 2020年
  • 4
    Validation of Nutrient Intake Estimates Using USDA Food Composition DatabasesUniversity of North Carolina at Chapel Hill · 2019年
  • 5
    Impact of Food Processing on Nutrient Composition: Insights from USDA Food Composition DatabasesFrontiers in Nutrition · 2021年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国区域交通网络数据集

该数据集包含中国各区域的交通网络信息,包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。

data.stats.gov.cn 收录

DALY

DALY数据集包含了全球疾病负担研究(Global Burden of Disease Study)中的伤残调整生命年(Disability-Adjusted Life Years, DALYs)数据。该数据集提供了不同国家和地区在不同年份的DALYs指标,用于衡量因疾病、伤害和早逝导致的健康损失。

ghdx.healthdata.org 收录

UniMed

UniMed是一个大规模、开源的多模态医学数据集,包含超过530万张图像-文本对,涵盖六种不同的医学成像模态:X射线、CT、MRI、超声、病理学和眼底。该数据集通过利用大型语言模型(LLMs)将特定模态的分类数据集转换为图像-文本格式,并结合现有的医学领域的图像-文本数据,以促进可扩展的视觉语言模型(VLM)预训练。

github 收录

威廉王岛—全球变化数据大百科辞条

威廉王岛(King William Island)位于北美洲,北极圈内,属于加拿大北极群岛。它位于维多利亚岛和布西亚半岛之间,距离维多利亚岛85 km;北面距离威尔士亲王岛155 km;南面隔斯托里斯海峡和辛普森海峡与北美洲大陆(阿德莱德半岛)相望,最近处只有3.3 km。威廉王岛于1830年被指挥官詹姆斯.罗斯(James Ross)发现,以当时在位的英国君主威廉四世的名字命名。行政区划上,威廉王岛隶属于加拿大努纳武特(Nunavut)地区。它的地理位置为:69&deg54′22″N - 68&deg27′12″N,99&deg32′48″W - 95&deg09′25″W。威廉王岛总面积13259.59 km&sup2,海岸线总长1555.35 km。岛屿地势平坦,表面散布着无数的小湖。位于岛屿东南侧的约阿港(Gjoa Haven)是岛上最主要的居民点。在约阿港东北,有一机场。该数据集是基于Google Earth遥感影像全球多尺度海陆(岛)岸线数据集(2015),结合加拿大相关地图完成。数据集由24个数据文件组成,以.kmz和.shp数据格式存储,数据量2.98 MB(压缩成3个数据文件,数据量2.06 MB)。

国家对地观测科学数据中心 收录

PlantVillage

在这个数据集中,39 种不同类别的植物叶子和背景图像可用。包含 61,486 张图像的数据集。我们使用了六种不同的增强技术来增加数据集的大小。这些技术是图像翻转、伽玛校正、噪声注入、PCA 颜色增强、旋转和缩放。

OpenDataLab 收录