冷鏈物流對鮮肉新鮮度的影響及智能檢測

王建強(qiáng)，陳景華，郝發(fā)義，李芃，毛渝沁，周奕楓，陳之毅，曹瑋杰

食品流通與包裝

冷鏈物流對鮮肉新鮮度的影響及智能檢測

王建強(qiáng)，陳景華，郝發(fā)義，李芃，毛渝沁，周奕楓，陳之毅，曹瑋杰

（上海理工大學(xué) 出版印刷與藝術(shù)設(shè)計(jì)學(xué)院，上海 200093）

研究肉類新鮮度檢測方法在冷鏈物流中的應(yīng)用進(jìn)展，以發(fā)展符合市場需求的食品新鮮度檢測技術(shù)。根據(jù)肉類腐敗原理，分析冷鏈物流對食品新鮮度的影響，闡述目前肉類新鮮度檢測技術(shù)的工作原理，介紹肉類新鮮度檢測技術(shù)的研究現(xiàn)狀。雖然近年來肉類新鮮度檢測技術(shù)逐漸智能化，提高了檢測精度，但依然存在技術(shù)檢測成本高昂，針對銷售環(huán)節(jié)無法做到有效監(jiān)控等問題。智能標(biāo)簽作為一種相對成本低廉、加工方便的檢測技術(shù)具有很大的發(fā)展空間。

冷鏈物流；肉類新鮮度；智能檢測

隨著我國經(jīng)濟(jì)快速發(fā)展，人民收入逐漸提高，人們對商品的質(zhì)量也有了新的要求。普通物流體系對于商品尤其是食品的保護(hù)還有欠缺，在運(yùn)輸過程中時(shí)常出現(xiàn)食品變質(zhì)腐壞的狀況。鑒于此，冷鏈運(yùn)輸行業(yè)迅速發(fā)展起來。2020年我國的冷鏈運(yùn)輸市場已經(jīng)超過3800億元[1]，隨著國家一系列的政策出臺，未來冷鏈?zhǔn)袌鲞€會(huì)進(jìn)一步擴(kuò)大規(guī)模。冷鏈運(yùn)輸對于食品的腐敗過程雖然有一定減緩作用，但是還做不到完全阻止，尤其對于鮮肉等易腐食品，新鮮度檢測是避免食品安全問題的重要手段。在20世紀(jì)40年代，Clark[2]就已經(jīng)發(fā)明了一種指示劑，可用來檢測包裝內(nèi)食品表面細(xì)菌變化情況，細(xì)菌代謝使得食品腐敗，導(dǎo)致包裝內(nèi)pH發(fā)生變化，該指示劑在不同pH環(huán)境下顯示不同顏色。消費(fèi)者通過對比指示劑顏色與標(biāo)準(zhǔn)色卡可以確定食品新鮮度。20世紀(jì)90年代，F(xiàn)unazaki等[3]發(fā)現(xiàn)鮮肉*值、*值與鮮肉貯藏時(shí)間密切相關(guān)，提出利用色彩色差計(jì)檢測肉品新鮮度。Russell等[4]發(fā)現(xiàn)鮮肉在腐敗過程中產(chǎn)生的氨類化合物與布三酮可以發(fā)生反應(yīng)，導(dǎo)致顏色變化，通過布三酮顯色反應(yīng)可以檢測鮮肉新鮮度。

隨著信息化時(shí)代的到來，各個(gè)行業(yè)的技術(shù)創(chuàng)新都集中在信息化技術(shù)的產(chǎn)業(yè)融合和運(yùn)用上，冷鏈物流便是能很好體現(xiàn)技術(shù)融合的產(chǎn)業(yè)之一。溫度控制系統(tǒng)、智能排列系統(tǒng)、安全檢測系統(tǒng)等均是根據(jù)需求分化出管控冷鏈物流各階段的智能技術(shù)系統(tǒng)。食品新鮮度檢測作為食品安全中重要的一環(huán)同樣得到發(fā)展。對食品新鮮度檢測技術(shù)展開探究尤為重要[5]。

1 冷鏈運(yùn)輸對肉類新鮮度的影響

1.1 鮮肉冷鏈物流現(xiàn)狀

肉類屬于易腐易損食品，在運(yùn)輸過程中，其品質(zhì)易發(fā)生質(zhì)量安全問題。冷鏈物流是保護(hù)肉類產(chǎn)品質(zhì)量的有效方法。在發(fā)達(dá)國家，鮮肉冷鏈流通率接近100%，我國冷鏈物流起步晚，目前我國平均鮮肉冷鏈流通率僅占15%。在北京、上海等發(fā)達(dá)城市，冷鮮肉已經(jīng)占到鮮肉市場的30%，在杭州市區(qū)小范圍內(nèi)已達(dá)到60%以上。冷鮮肉已展示出良好的市場前景。

1.2 鮮肉新鮮度的變化原理

影響鮮肉新鮮度、導(dǎo)致肉類失去食用價(jià)值主要有2種原因：肉類自身酶的作用、外界空氣中含有的微生物對肉的作用[6]。肉在自溶酶作用下的蛋白質(zhì)分解過程稱為肉的自家溶解，由微生物作用引起的蛋白質(zhì)分解過程稱為肉的腐敗，肉中脂肪的分解過程稱為酸敗[7]，見圖1。

鮮肉內(nèi)自溶酶的作用：生物體內(nèi)擁有大量的酶用來催化生成代謝所需的各種反應(yīng)，在生物死亡后，許多內(nèi)源性酶在一定溫度和濕度環(huán)境中仍然活躍，并參與鮮肉腐敗前后的生理變化，如蛋白酶在生物死后依然會(huì)降解肉蛋白結(jié)構(gòu)，脂肪酶和脂氧合酶在氧氣環(huán)境中會(huì)將不飽和脂肪酸氧化，導(dǎo)致脂肪酸敗變質(zhì)。肉類自身酶的作用是肉類變質(zhì)初期的重要因素。

天然蛋白質(zhì)通常不能直接被微生物吸收，這是因?yàn)樘烊坏鞍踪|(zhì)是高分子的膠體粒子，它不能通過微生物的細(xì)胞膜。大多數(shù)微生物都是在蛋白質(zhì)分解產(chǎn)物上才能迅速發(fā)展，肉的自溶為微生物的繁殖提供了條件。

腐敗微生物的生長：動(dòng)物死后由于停止了血液循環(huán)，失去了吞噬細(xì)菌的功能，使得細(xì)菌得到了繁殖生長的機(jī)會(huì)。鮮肉在屠宰、分割至包裝的各個(gè)階段都有可能被腐敗細(xì)菌污染。如乳桿菌、弗式假單胞菌、熱殺索斯菌[8]等。微生物除了吸收生物體內(nèi)酶分解產(chǎn)生的小分子物質(zhì)作為自己的代謝能量外，一些微生物自身也會(huì)在胞外產(chǎn)生蛋白酶，分解鮮肉內(nèi)的蛋白質(zhì)等大分子化合物。肌肉組織的腐敗就是肌肉中蛋白質(zhì)受微生物作用的分解過程，微生物將蛋白質(zhì)初步水解為多肽，再水解成為氨基酸。脂肪是肉類在貯藏過程中最易腐敗的成分之一。最初的脂肪酸敗是由于脂肪組織本身酶的作用，在微生物大量繁殖生長后，微生物成為脂肪酸敗的主要原因。微生物產(chǎn)生的脂肪酶將脂肪分解為脂肪酸和甘油，使鮮肉產(chǎn)生了不良?xì)馕丁Ｔ谝欢ǖ臏囟葷穸群蜌怏w環(huán)境下，微生物借助生物體內(nèi)的營養(yǎng)物質(zhì)大量繁殖，破壞鮮肉肉質(zhì)的同時(shí)產(chǎn)生大量有害物質(zhì)，這是使鮮肉腐敗的主要因素。

圖1 食品腐敗影響因素

1.3 冷鏈運(yùn)輸各環(huán)節(jié)對鮮肉新鮮度的影響

鮮肉的冷鏈物流指鮮肉在經(jīng)過冷凍加工后，在包裝、分揀、運(yùn)輸、倉儲(chǔ)等各個(gè)環(huán)節(jié)始終處于低溫環(huán)境，最大程度減緩整個(gè)物流環(huán)節(jié)中鮮肉的腐敗進(jìn)程，保證營養(yǎng)物質(zhì)不被破壞。

1.3.1 冷卻加工

剛被屠宰后鮮肉的溫度、濕度極其適合微生物的繁殖生長，體內(nèi)酶活性高，不利于鮮肉的保存。溫度是影響酶活性的重要因素，鮮肉體內(nèi)的酶在30～40 ℃下的活性最高，降低溫度可以使酶的活性迅速降低，在0～40 ℃下，溫度每降低10 ℃，酶的活性會(huì)被削弱二分之一到三分之一，酶的活性降低會(huì)大大減緩食品腐敗速度。低溫環(huán)境也可以降低腐敗微生物生長繁殖的速度，減慢物質(zhì)代謝，打亂微生物體內(nèi)平衡，使微生物細(xì)胞原生質(zhì)變稠，水循環(huán)失調(diào)，膠體吸水性降低。通過破壞微生物的生成代謝來減少鮮肉內(nèi)營養(yǎng)物質(zhì)的變質(zhì)[9]。在冷鮮肉加工時(shí)，會(huì)在剛屠宰后的鮮肉表面用質(zhì)量分?jǐn)?shù)為2%的乳酸進(jìn)行沖淋，抑制微生物的繁殖，然后迅速將鮮肉放置在?15 ℃的冷卻間快速冷卻1～1.5 h，使得胴體溫度快速降低，達(dá)到抑制胴體表面微生物生長和胴體內(nèi)酶活性的目的。在快速冷卻結(jié)束后，再將鮮肉放置在?1～4 ℃的預(yù)冷間將胴體中心溫度保持在0～4 ℃[10]。

1.3.2 冷鮮肉貯藏和運(yùn)輸

熱鮮肉與冷鮮肉在運(yùn)輸和貯藏過程中的區(qū)別在于胴體溫度不同。熱鮮肉通常是在凌晨宰殺分割，經(jīng)過簡單處理后在清晨于市場售賣；冷鮮肉在經(jīng)過2次冷卻等加工后，在貯藏和運(yùn)輸環(huán)節(jié)始終保持胴體溫度在0～4 ℃。溫度控制是冷鏈物流中的核心，金鑫等[11]通過分析不同溫度貯藏?zé)狨r豬肉品質(zhì)發(fā)現(xiàn)（見圖2），在25 ℃下保存的豬肉比在4 ℃保存的豬肉揮發(fā)性鹽基氮（TVB-N）值提前60 h達(dá)到150 mg/kg。在抑制微生物方面，低溫環(huán)境以及對運(yùn)輸工具的及時(shí)消毒降低了運(yùn)輸過程中微生物對鮮肉的影響。劉陽泰等[12]測試了鮮肉在全程非冷鏈、部分冷鏈、全程冷鏈這3種流通模式中單增李斯特菌的最終暴露量，結(jié)果顯示基于全程冷鏈的鮮肉最終陽性檢出率為6.50%，基于全程非冷鏈的鮮肉陽性檢出率約為前者的7倍。

圖2 不同溫度下豬肉TVB-N值增長情況

Fig.2 TVB-N value of pork at different temperature

在鮮肉冷鏈物流過程中，冷鮮肉的貯藏和運(yùn)輸是對冷鮮肉質(zhì)量安全影響較大的環(huán)節(jié)。在長途運(yùn)輸過程中，運(yùn)輸工具內(nèi)的冷藏溫度可能會(huì)發(fā)生波動(dòng)；在運(yùn)輸環(huán)節(jié)中的裝卸和搬運(yùn)等過程均會(huì)使冷鮮肉溫度發(fā)生波動(dòng)。付麗等[13]發(fā)現(xiàn)溫度波動(dòng)對冷鮮肉的新鮮度影響巨大。

1.3.3 冷鮮肉銷售

冷鮮肉在經(jīng)過運(yùn)輸后進(jìn)入銷售端，在上架銷售前會(huì)再對冷鮮肉進(jìn)行清洗，清洗過后的冷鮮肉會(huì)被包裹一層保鮮膜或被放置于氣調(diào)包裝內(nèi)，有利于消費(fèi)者選購，同時(shí)也可以抑制微生物的生長，減緩代謝。上架后冷柜同樣使冷鮮肉始終處于低溫環(huán)境[14]。從整個(gè)流程來看，冷鮮肉從加工到運(yùn)輸再到銷售，各個(gè)環(huán)節(jié)都有利于肉類的營養(yǎng)保存，保質(zhì)期延長。

1.4 鮮肉新鮮度評判標(biāo)準(zhǔn)

鮮肉在物流期間，內(nèi)部營養(yǎng)成分在內(nèi)源性酶和腐敗微生物的氨化和轉(zhuǎn)胺作用下被大量消耗，逐漸產(chǎn)生氨、伯胺、仲胺類等含氮堿性物質(zhì)，這類物質(zhì)隨后與鮮肉內(nèi)部代謝產(chǎn)生的有機(jī)酸發(fā)生反應(yīng)生成了具有揮發(fā)特性的鹽基態(tài)氮。TVB-N值會(huì)隨著鮮肉逐漸腐敗而變大，可以有效反應(yīng)肉的新鮮程度，目前TVB-N值是評價(jià)肉新鮮度的重要理化標(biāo)準(zhǔn)之一[15]。

隨著貯藏時(shí)間的延長，冷鮮肉感官特征發(fā)生明顯變化。體內(nèi)酶的催化作用和微生物不斷代謝產(chǎn)生大量代謝產(chǎn)物，產(chǎn)生異味，并且在腐敗過程中肉品色澤變化也比較明顯，在經(jīng)過屠宰、冷卻、加工等程序后，鮮肉表面肌紅蛋白逐漸被氧氣生成氧合肌紅蛋白，鮮肉呈現(xiàn)正常的鮮紅色。隨著貯藏時(shí)間的延長，鮮肉外表面水分逐漸缺失，肌肉組織內(nèi)部缺少氧氣，厭氧性微生物逐漸增加，在酶和微生物的催化下，肌紅蛋白逐漸被破壞，鮮肉外表顏色從鮮紅逐漸變?yōu)榘导t。從鮮肉外表特征中可以區(qū)分鮮肉新鮮程度，見表1，根據(jù)NY/T 1759—2009，畜肉類被分為3個(gè)新鮮度。魚類和海產(chǎn)品新鮮度標(biāo)準(zhǔn)主要依靠揮發(fā)性含氮化合物值來判定。

2 食品新鮮度的監(jiān)測方法

2.1 感官檢測法

感官檢測法是利用人類的感知，通過眼看、鼻聞、手摸的手段分析食物的顏色、氣味、質(zhì)感，對食物質(zhì)量和新鮮程度進(jìn)行評估[16]。鮮肉在腐敗過程中色澤、肉質(zhì)、紋理和氣味會(huì)發(fā)生一定變化。消費(fèi)者在經(jīng)過專業(yè)培訓(xùn)或積累大量生活經(jīng)驗(yàn)后可以直接通過感官快速及時(shí)地判斷出鮮肉的新鮮程度。感官檢測法無需成本，不受設(shè)備場地限制，目前國內(nèi)大部分消費(fèi)者主要采用這類方法。從近些年來層出不窮的食品安全問題來看，單純通過人類感官判斷不適用于所有消費(fèi)者。

表1 國家畜肉類新鮮度標(biāo)準(zhǔn)

2.2 電子鼻檢測法

電子鼻主要通過氣體傳感器模擬人類嗅覺，將鮮肉腐敗過程中產(chǎn)生的揮發(fā)性氣體吸附，通過相關(guān)電子設(shè)備分析氣體成分和濃度，再轉(zhuǎn)換為電信號方便系統(tǒng)進(jìn)行分析識別，通過信號反饋可以得到待測食品新鮮程度[17—18]。王敏[19]選用MOS傳感器，設(shè)計(jì)了檢測冰箱中食品新鮮度的電子鼻系統(tǒng)，見圖3，該傳感器主要通過不同濃度的目標(biāo)氣體導(dǎo)致傳感器的導(dǎo)電率不同，最終反應(yīng)為傳感器阻值的變化，通過感應(yīng)電壓來顯示食品新鮮程度。

經(jīng)過多次實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)傳感器輸出電壓超過0.5 V時(shí)，鮮肉表面顏色逐漸加深，當(dāng)傳感器輸出電壓超過1.5 V時(shí)，鮮肉揮發(fā)性鹽基氮含量超過150 mg/kg，變?yōu)楦瘮∪?，見圖4。

電子鼻系統(tǒng)往往用于檢測整個(gè)冰箱或冷柜的食品新鮮度，檢測空間較大。鮮肉腐敗初期，揮發(fā)氣體濃度較少時(shí)，電子鼻系統(tǒng)靈敏度較低。Kuchmenko[20]為了提高靈敏度，在傳感器電極上固定對不同氣體敏感的吸附劑。在檢測信息處理方面，使用合適的算法可以加快檢測速度和精度。Juan等[21]使用支持向量機(jī)（SVM）算法處理信息，有效提升了檢測速度和準(zhǔn)確率。

電子鼻系統(tǒng)對設(shè)備依賴大，適用于搭載在冷鏈運(yùn)輸工具上或貯藏空間內(nèi)，檢測信息依靠電子設(shè)備傳輸，這樣通過網(wǎng)絡(luò)可以直接與檢測中心相連，對食品新鮮度進(jìn)行實(shí)時(shí)檢測。Feng[22]使用卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的算法儲(chǔ)存數(shù)據(jù)，并將數(shù)據(jù)與物聯(lián)網(wǎng)的檢測系統(tǒng)連接，有利于實(shí)現(xiàn)對運(yùn)輸和貯藏過程中智能化檢測。

綜上所述，電子鼻檢測法對檢測設(shè)備依賴較大，針對貯藏和運(yùn)輸環(huán)節(jié)可以實(shí)現(xiàn)智能化檢測，食品腐敗初期檢測精度較低，且在銷售環(huán)節(jié)無法直接對消費(fèi)者提供新鮮度信息，具有一定局限性。

2.3 紅外光譜檢測法

近紅外光譜檢測指用波長在750～2500 nm的近紅外光對待測樣品進(jìn)行光譜掃描，同時(shí)對待測樣品相關(guān)理化性質(zhì)進(jìn)行測量，得出數(shù)據(jù)，通過組建模型將樣品光譜圖像與理化性質(zhì)數(shù)據(jù)結(jié)合，設(shè)計(jì)相關(guān)算法，通過光譜圖像可直接對樣品性質(zhì)進(jìn)行檢測[23—24]。近紅外光譜檢測作為一種無損檢測方法，已逐漸用于食品鑒別和安全檢測。Sun[25]采用紅外光譜對山楂果粉中的摻假進(jìn)行快速檢測，Yin[26]使用紅外光譜對吐司面包表面污染進(jìn)行無損檢測。在肉品新鮮度變化過程中，蛋白質(zhì)、脂肪和水分含量等營養(yǎng)成分也相應(yīng)發(fā)生變化，從而導(dǎo)致鮮肉光譜成像發(fā)生變化。經(jīng)過大量研究發(fā)現(xiàn)了一些與肉質(zhì)相關(guān)的特征波長，如在430 nm附近的肌紅蛋白引起的吸收峰，在980，1450，1950 nm處由水分引起的吸收峰等，Liao等[27]采用近紅外光譜對豬肉進(jìn)行了在線檢測，采集了位于350～1100 nm的211個(gè)樣本，經(jīng)過噪聲處理后建立了PLSR模型，取得了良好的預(yù)測結(jié)果。何鴻舉等[28]以雞胸肉為樣品，采集了波長在900～1650 nm的光譜信息，研究光譜信息與細(xì)菌菌落總數(shù)之間的關(guān)系，結(jié)果表明，其可以實(shí)現(xiàn)對雞胸肉細(xì)菌總數(shù)的快速無接觸檢測。

影響光譜變化的因素較多，光譜信息復(fù)雜，需要降維處理才能從中提取有效信息，挖掘特征。魏文松等[29]采用逐步回歸算法和連續(xù)投影算法，篩選與TVB-N含量相關(guān)的特征波長，建立模型。上述方法多采用單向方式提取特征變量，模型反演精度較低。張鈺[30]研究了一種反饋型特征變量的智能提取方法，在粒子更新方式和慣性權(quán)重這2個(gè)方面對粒子群算法進(jìn)行改進(jìn)，采用該算法提取羊肉光譜信息特征波長可以有效提高模型預(yù)測準(zhǔn)確性。

Yu[31]采用可見近紅外光譜與近紅外光譜這2種高光譜成像系統(tǒng)對冷藏的羅非魚進(jìn)行光譜掃描，將2種光譜數(shù)據(jù)融合，并采用遺傳算法和競爭自適應(yīng)重加權(quán)法等多種變量選擇特征波長的方法進(jìn)行優(yōu)化，結(jié)果表明，基于低級數(shù)據(jù)融合的變量選擇方法比單一光譜數(shù)據(jù)獲得了更好的模型。

圖3 電子鼻系統(tǒng)

圖4 電子鼻隨時(shí)間響應(yīng)曲線

綜上所述，紅外光譜檢測鮮肉新鮮度應(yīng)用于冷鏈物流具有很大潛力，該技術(shù)具有不破壞樣本，使用方便，易實(shí)現(xiàn)智能檢測等優(yōu)點(diǎn)，可以在倉儲(chǔ)環(huán)節(jié)進(jìn)行大批量快速無損檢測，目前國內(nèi)還是停留在實(shí)驗(yàn)階段。在肉制品變質(zhì)過程中，內(nèi)部變化復(fù)雜多樣，造成光譜信息變化的因素較多，需要采集大量鮮肉樣品信息才能保證模型預(yù)測結(jié)果穩(wěn)定可靠。

2.4 計(jì)算機(jī)視覺識別

在肉品腐敗變質(zhì)過程中，其內(nèi)部化學(xué)組分變化的同時(shí)也伴隨顏色、紋理等外部特征的變化，可將顏色和紋理特征作為肉品新鮮程度和質(zhì)量的評判標(biāo)準(zhǔn)。計(jì)算機(jī)視覺技術(shù)[32]屬于感官檢測法的高級運(yùn)用，通過計(jì)算機(jī)代替人類去理解和識別目標(biāo)圖像，并借助圖像處理技術(shù)將肉品顏色、紋理等圖像特征進(jìn)行數(shù)字化表達(dá)，實(shí)現(xiàn)肉品新鮮度的預(yù)測和分析[33]。Chen等[34]利用計(jì)算機(jī)視覺技術(shù)提取大量牛肉脂肪圖像信息，與支持向量機(jī)結(jié)合，對牛肉進(jìn)行了分級。潘婧等[35]以計(jì)算機(jī)視覺為基礎(chǔ)，提取豬肉顏色特征參數(shù)，并利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測豬肉新鮮度。

單一的計(jì)算機(jī)視覺無法檢測鮮肉內(nèi)部信息，檢測精度不高。Sooin等[36]采用125～128 kHz的電阻抗譜和計(jì)算機(jī)視覺技術(shù)，設(shè)計(jì)了一套無創(chuàng)新鮮度評估系統(tǒng)，其使用電阻抗儀獲得肉類的電阻抗譜，經(jīng)過阻抗值和相關(guān)理化性質(zhì)的測試，得出阻抗值與貯藏時(shí)間基本呈負(fù)相關(guān)，當(dāng)頻率達(dá)到128 kHz時(shí)，相關(guān)性達(dá)到最高。結(jié)合電阻抗譜和計(jì)算機(jī)采集的肉圖像信息，利用Adaboost分類算法和梯度增強(qiáng)回歸算法組建預(yù)測模型，該模型預(yù)測準(zhǔn)確率比單獨(dú)使用計(jì)算機(jī)圖像預(yù)測提高了30%，達(dá)到了85%。萬新民[37]將豬肉近紅外光譜信息與計(jì)算機(jī)視覺信息融合，利用BP神經(jīng)網(wǎng)絡(luò)建立基于2種檢測信息的識別模型，結(jié)果表明其評判結(jié)果的準(zhǔn)確性高于單一信息模型。

為方便消費(fèi)者使用計(jì)算機(jī)視覺檢測技術(shù)，Isabel等[38]設(shè)計(jì)了一種使用智能手機(jī)就可以檢測鮮肉新鮮度系統(tǒng)，通過氣體傳感器檢測了鮮肉在腐敗過程中散發(fā)出的氣體，分析了鮮肉在不同新鮮程度時(shí)細(xì)菌的增長情況。將不同新鮮程度鮮肉散發(fā)出氣體的濃度值與細(xì)菌數(shù)結(jié)合鮮肉圖像的灰度建立函數(shù)關(guān)系，經(jīng)過實(shí) 驗(yàn)發(fā)現(xiàn)，當(dāng)豬肉灰度值大于98.5時(shí)，鮮肉處于腐敗狀態(tài)。

計(jì)算機(jī)視覺技術(shù)是光學(xué)成像技術(shù)、計(jì)算機(jī)技術(shù)、人工智能等多種技術(shù)融合而成，具有速度快、智能化高、穩(wěn)定等諸多優(yōu)點(diǎn)。計(jì)算機(jī)視覺技術(shù)只可以采集食品表面信息，單獨(dú)檢測精度不高，與近紅外光譜技術(shù)等可以采集鮮肉內(nèi)部信息的檢測方法結(jié)合，可以有效提升準(zhǔn)確率。隨著計(jì)算機(jī)等電子硬件成本的降低，該技術(shù)會(huì)得到越來越廣泛的應(yīng)用。

2.5 智能標(biāo)簽技術(shù)

智能標(biāo)簽一般利用可以隨著周圍環(huán)境某些因素改變而發(fā)生顏色改變或形態(tài)變化的物質(zhì)作為指示劑，再將指示劑通過某種載體制成的標(biāo)簽。智能標(biāo)簽具有體積小、成本低、信息識別方便等優(yōu)點(diǎn)，目前已經(jīng)在防偽、物流跟蹤、溫度監(jiān)測、新鮮度監(jiān)測等領(lǐng)域廣泛應(yīng)用。Tricot[39]使用銀鹽和TiO2制成了光敏水性墨水，在可見光照射下顏色可以發(fā)生顯著變化。Vivaldi[40]使用摻銅離子液體裝飾RFID標(biāo)簽，使該標(biāo)簽對溫度敏感，可以監(jiān)測冷鏈物流中溫度的變化。Marra Fabrizio[41]將石墨烯納米片分散在水基油墨中制成應(yīng)變標(biāo)簽，可以監(jiān)測衣服等紡織品在洗滌后的應(yīng)變。智能標(biāo)簽作為食品新鮮度檢測領(lǐng)域最早發(fā)展的技術(shù)之一具有非常大的發(fā)展?jié)摿Γ瑯?biāo)簽可以跟蹤冷鏈物流中任何環(huán)節(jié)，同時(shí)低廉的成本和易于識別的優(yōu)點(diǎn)使智能標(biāo)簽在冷鏈物流產(chǎn)業(yè)鏈最下游的銷售環(huán)節(jié)依然可以作為消費(fèi)者識別包裝內(nèi)部食品新鮮度的參照。

化學(xué)指示劑具有性能穩(wěn)定、成本低廉、易于加工等優(yōu)點(diǎn)，被研究人員大量使用。Kuswandi等[42]使用甲基紅與溴甲酚紫這2種酸堿指示劑混合制成標(biāo)簽，使得標(biāo)簽監(jiān)測范圍變廣，顏色變化明顯，可以更清楚地監(jiān)測到鮮肉的新鮮程度。杜月紅等[43]使用溴甲酚藍(lán)、溴甲酚紫、溴百里酚藍(lán)和甲基紅等4種指示劑，將4種指示劑兩兩混合后分別制成6種薄膜，用于監(jiān)測豬肉新鮮度，見圖5。Guo[44]使用20種不同類型帶有鹵色染料的多孔納米復(fù)合材料制成條形碼，根據(jù)鮮肉揮發(fā)出的氣體種類和濃度不同，形成彩色條形碼，使用深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）對大量條形碼訓(xùn)練，得到預(yù)測肉類新鮮度的DCNN，準(zhǔn)確率可以達(dá)到98.5%。該DCNN可以移植入智能手機(jī)，使用戶可以隨時(shí)獲得新鮮度信息。隨著科技的進(jìn)步和智能材料的不斷出現(xiàn)，環(huán)保和易于大規(guī)模加工生產(chǎn)成為了智能標(biāo)簽技術(shù)新的發(fā)展趨勢。

圖5 在4 ℃下貯存包裝的不同新鮮度指示標(biāo)簽的顏色變化

2.5.1 材料環(huán)?；?/p>

智能標(biāo)簽可以變色的原因就在于代謝產(chǎn)物與指示劑發(fā)生變色反應(yīng)。指示劑是智能標(biāo)簽的心臟?；瘜W(xué)指示劑過去一直是主要指示劑。目前環(huán)境問題日益嚴(yán)重，環(huán)保成為主流，許多天然物質(zhì)被發(fā)現(xiàn)，天然提取物作為指示劑成為新的研究熱點(diǎn)。已有多種天然物質(zhì)被作為指示劑用于智能標(biāo)簽。

1）花青素。花青素是一種水溶性色素，又名花色素。其是一種酚類化合物，屬于黃酮類物質(zhì)，可以隨著周圍環(huán)境的酸堿改變顏色，見表2。花青素廣泛存在于植物的果實(shí)中，是理想的指示劑原料[45]。

花青素分布廣泛，目前已經(jīng)在300余種植物中發(fā)現(xiàn)花青素。Zhou[46]、Zhang[47]、Franco[48]、Liu[49]、鄒小波[50]、Zhang[51]等從不同植物中提取花青素作為指示劑。

Zhang[47]用淀粉/聚乙烯醇/玫瑰茄花青素薄膜對豬肉進(jìn)行新鮮度檢測，結(jié)果表明，在豬肉變質(zhì)時(shí)，薄膜從紅色變?yōu)榫G色。Franco等[48]用醋酸纖維素和黑胡蘿卜花青素研制出一種多層pH敏感復(fù)合膜，在新鮮雞肉到腐敗雞肉的轉(zhuǎn)變過程中，復(fù)合膜的顏色從粉紅色變成紫色，并通過標(biāo)簽上表示新鮮的“笑臉”和表示腐敗的“悲臉”這2種簡單圖像使消費(fèi)者獲得直觀的新鮮度信息，見圖6。Liu[49]使用紅甘藍(lán)花青素為指示劑，通過靜電相互作用和氫鍵結(jié)合將紅甘藍(lán)花青素固定在以聚乙烯醇和羧甲基纖維素鈉為基料的薄膜中。豬肉腐敗過程中揮發(fā)的氣體逐漸使花青素的結(jié)構(gòu)由紅色的鹽離子變?yōu)樗{(lán)色的醌堿，他還對含有不同花青素含量的薄膜進(jìn)行靈敏度實(shí)驗(yàn)，結(jié)果表明，含量越多，其對揮發(fā)性氣體越敏感，整體顏色變化不明顯，含量少，敏感度較低，顏色變化明顯。研究人員還將其他物質(zhì)加入指示膜，使薄膜在起指示功能的同時(shí)具有保護(hù)性能。Zhang[51]從櫻桃果渣中提取花青素作為天然pH指示劑，以卡拉膠與羥丙基纖維素混合溶液為成膜基質(zhì)，采用熔融法制備了新鮮度指示膜，并將軟木樹皮提取物作為抗菌劑加入薄膜中，使薄膜具有抗氧化和抗菌性能，實(shí)驗(yàn)結(jié)果表明，軟木樹皮提取物顯著提升了薄膜的抗氧化性能，在加入后薄膜DPPH自由基清除率提升至58.86%。軟木樹皮提取物使大腸桿菌抑菌圈直徑從1.50 cm增大到3.60 cm，金黃色葡萄球菌抑菌圈直徑從2.90 cm增大到3.95 cm，使薄膜具有了抗菌性能。

2）姜黃素。姜黃素是一種從姜科植物姜黃及其根莖中提取出來的天然植物色素，屬于二酮類色素[52]。姜黃素易于提取，著色效果好，在食品行業(yè)主要作為食品著色劑，對人體健康有益。姜黃素對環(huán)境中pH變化具有一定敏感性，當(dāng)周圍環(huán)境由酸性變?yōu)閴A性時(shí)姜黃素內(nèi)分子兩端的羥基發(fā)生電子云偏離的共軛效應(yīng)，當(dāng)pH大于8時(shí)，姜黃素溶液會(huì)發(fā)生變色反應(yīng)，酸性條件下的紅色變?yōu)辄S色。Chunhua[53]、Taghinia[54]、Eda[55]、鄭輝[56]等將姜黃素作為指示劑制成新鮮度指示膜。其中Eda等[54]使用姜黃素、殼聚糖和聚氧乙烯為原料，研制了一種靜電紡絲納米纖維鹵化pH傳感器薄膜，用于檢測雞肉新鮮度，在雞肉變質(zhì)過程中，薄膜顏色從亮黃色變?yōu)榈t色。姜黃素單獨(dú)作為指示劑時(shí)變色范圍窄，在pH=1～7沒有顏色變化。鄭輝等[56]將紅甘藍(lán)花青素與姜黃素混合，以卡拉膠為成膜基質(zhì)制成標(biāo)簽，對豬肉進(jìn)行新鮮度檢測，在室溫和冷藏條件下，指示標(biāo)簽均發(fā)生顏色變化，當(dāng)TVB-N值小于0.15 g/kg時(shí)，指示標(biāo)簽呈綠色；當(dāng)TVB-N值在0.15～0.20 g/kg時(shí)，指示標(biāo)簽開始由綠色向黃色轉(zhuǎn)變；當(dāng)TVB-N值大于0.20 g/kg時(shí)，指示標(biāo)簽完全呈黃色。指示標(biāo)簽的變色與理化指標(biāo)相匹配。

表2 花青素在不同pH下的變化

圖6 多層pH敏感復(fù)合膜結(jié)構(gòu)

天然色素作為理想的指示劑原料具有無毒無污染等優(yōu)點(diǎn)，也存在化學(xué)性質(zhì)不穩(wěn)定，易受環(huán)境因素影響等缺點(diǎn)。如何增加天然色素在標(biāo)簽中的穩(wěn)定性還需要更進(jìn)一步的研究。

2.5.2 生產(chǎn)便捷化

智能標(biāo)簽的主要物質(zhì)是指示劑，在研究指示劑的同時(shí)，指示劑的載體也在發(fā)展，智能指示標(biāo)簽的載體大多數(shù)為高分子材料制成的薄膜，將薄膜覆在包裝內(nèi)部，檢測食品新鮮度。有研究者將油墨作為指示劑載體，利用印刷的方式將變色油墨制成標(biāo)簽，這樣可以既有利于生產(chǎn)也有利于保存。

王洪江等[57]使用甲基紅與溴百里酚藍(lán)這2種酸堿指示劑作為油墨的顏料，指示范圍變大。改變標(biāo)簽所處環(huán)境的pH值，標(biāo)簽上油墨呈現(xiàn)不同的顏色，從酸性條件下的紅色逐漸變?yōu)橹行原h(huán)境下的綠色，見圖7。

圖7 不同pH值下油墨的顏色

劉興海等[58]以紫甘藍(lán)花青素為顯色劑，羥甲基纖維素為連接料，甘油為增塑劑，礦物油為消泡劑制成油墨。將油墨通過絲網(wǎng)印刷的方式印在紙張上制成標(biāo)簽，隨著揮發(fā)氨的濃度來增大，標(biāo)簽顏色從紅紫色變成黃綠色，經(jīng)過實(shí)驗(yàn)說明該油墨具有對揮發(fā)氨的快速顯著的顏色反應(yīng)。

Wang等[59]用藍(lán)莓花青素作為指示劑，用殼聚糖等物質(zhì)制成油墨，再采用部分脫乙酰和TEMPO-氧化（TEMPO/NaClO2/NaClO）體系制備了陽離子（NH3+）和陰離子（COO?）修飾的甲殼素納米纖維。將納米纖維加入油墨，獲得了良好的印刷適性，耐摩擦和耐帶牢度分別達(dá)到97.8%和98.9%，通過對揮發(fā)性堿性氮和pH值的分析，證明了該標(biāo)簽對魚類新鮮度的有效指示特性。

3 結(jié)語

從目前的冷鏈物流市場分析出發(fā)，發(fā)現(xiàn)食品新鮮度檢測技術(shù)具有廣闊的發(fā)展前景。目前已經(jīng)開發(fā)出的技術(shù)依然存在一些使用限制，成本過高依然是限制我國新鮮度檢測技術(shù)商用的主要因素，電子鼻技術(shù)、近紅外光譜技術(shù)等由于設(shè)備限制只能應(yīng)用于倉儲(chǔ)和物流環(huán)節(jié)，無法對消費(fèi)者直接提供新鮮度信息。計(jì)算機(jī)視覺技術(shù)依托于移動(dòng)智能手機(jī)，逐漸擺脫設(shè)備限制，使消費(fèi)者可以快速檢測食品新鮮度，其中準(zhǔn)確率會(huì)受到食品環(huán)境中光線和本身智能手機(jī)像素等影響，達(dá)不到精準(zhǔn)檢測。近年來，智能標(biāo)簽檢測技術(shù)發(fā)展迅速，氣體指示型智能標(biāo)簽檢測具有更準(zhǔn)確、更便捷等優(yōu)點(diǎn)。標(biāo)簽可以通過工廠大規(guī)模生產(chǎn)；指示劑也開發(fā)出天然植物色素，不會(huì)對環(huán)境造成污染；標(biāo)簽可以監(jiān)測整個(gè)冷鏈物流，在銷售環(huán)節(jié)可以直接向消費(fèi)者提供新鮮度信息，新鮮度信息也便于識別。智能標(biāo)簽具有非常大的實(shí)用性。

[1] 崔忠付. 2020年冷鏈物流回顧與2021年展望——在第十四屆中國冷鏈產(chǎn)業(yè)年會(huì)上的講話[J]. 中國物流與采購, 2020(24): 8-9.

CUI Zhong-fu. Review of Cold Chain Logistics in 2020 and Outlook of 2021 —— Speech at the Fourteenth Annual Conference of China Cold Chain Industry[J]. China Logistics & Purchasing, 2020(24): 8-9.

[2] CLARK. Method and Device for Indicating Spoilage: US, 2485566[P]. 1949-10-25.

[3] FUNAZAKI N，HEMMI A, LTO S, et al. Application of Semiconductor Gas Sensor to Quality Control of Meat Freshness in Food Industry[J]. Sensors and Actuators B (Chemical), 1995, 25(1): 797-800.

[4] RUSSELL S, WALKER J. The Effect of Evisceration on Visible Contamination and the Microbiological Profile of Fresh Broiler Chicken Carcasses Using the Nu-Tech Evisceration System or the Conventional Streamlined Inspection System[J]. Poultry Science, 1997, 76(5): 780-784.

[5] 包文俊. 我國冷鏈物流發(fā)展問題與對策研究[J]. 物流工程與管理, 2020, 42(12): 25-27.

BAO Wen-jun. Research on Problems and Countermeasures of Cold Chain Logistics Development in China[J]. Logistics Engineering and Management, 2020, 42(12): 25-27.

[6] 李曉波. 微生物與肉類腐敗變質(zhì)[J]. 肉類研究, 2008(9): 41-44.

LI Xiao-bo. Microorganism and Meat Spoilage[J]. Meat Research, 2008(9): 41-44.

[7] 王素芳. 進(jìn)出口肉及肉制品分析檢驗(yàn)技術(shù)[M]. 鄭州: 河南科學(xué)技術(shù)出版社, 2012: 18-19.

WANG Su-fang. Analysis and Inspection Technology of Import and Export Meat and Meat Products[M]. Zhengzhou: Henan science and Technology Press, 2012: 18-19.

[8] SANDRA K. Effect of High Levels of CO2and O2on Membrane Fatty Acid Profile and Membrane Physiology of Meat Spoilage Bacteria[J]. European Food Research and Technology, 2021(1): 1-13.

[9] 陸剛安. 肉類食品低溫冷鏈保鮮的錦囊妙計(jì)[J]. 農(nóng)村實(shí)用技術(shù), 2018(3): 48-50.

LU Gang-an. Pocketful of Miracles Cold Chain Preservation of Meat Products[J]. Rural Utility Technology, 2018(3): 48-50.

[10] 方華, 陳慧陽, 李浩景. 冷鮮肉加工的關(guān)鍵技術(shù)及微生物控制[J]. 肉類工業(yè), 2020(7): 36-38.

FANG Hua, CHEN Hui-yang, LI Hao-jing. Key Technologies and Microbial Control for Cold and Fresh Meat Processing[J]. Meat Industry, 2020(7): 36-38.

[11] 金鑫, 禹迎迎, 徐幸蓮. 不同溫度貯藏?zé)狨r豬肉品質(zhì)變化比較[J]. 食品科學(xué), 2012, 33(16): 261-265.

JIN Xin, YU Ying-ying, XU Xing-lian. Comparison of Quality Changes of Hot Fresh Pork Stored at Different Temperatures[J]. Food Science, 2012, 33(16): 261-265.

[12] 劉陽泰, 孫菀霞, 劉寶林. 3種流通模式下生豬肉中單增李斯特菌的暴露評估[J]. 食品科學(xué), 2019, 40(1): 85-91.

LIU Yang-tai，SUN Wan-xia，LIU Bao-lin. Assessment of Exposure to Listeria in Raw Pork in 3 Circulation Modes[J]. Food Science, 2019, 40(1): 85-91.

[13] 付麗, 桂俊, 高雪琴. 冷藏車消毒及運(yùn)輸條件對冷鮮肉保鮮效果的影響[J]. 肉類研究, 2019, 33(3): 59-66.

FU Li, GUI Jun, GAO Xue-qin. Effect of Refrigerated Truck Disinfection and Transportation Conditions on the Preservation Effect of Cold and Fresh Meat[J]. Meat Study, 2019, 33(3): 59-66.

[14] 唐瑞霞. 冷鮮豬肉冷鏈銷售環(huán)節(jié)風(fēng)險(xiǎn)控制研究[D]. 唐山: 華北理工大學(xué), 2017: 21-23.

TANG Rui-xia. Study on Risk Control in the Sales of Cold and Fresh Pork Cold Chain[D]. Tangshan: North China University of Science and Technology, 2017: 21-23.

[15] 顧賽麒, 趙勇, 謝晶. 冷卻肉新鮮度變化研究[J]. 食品工業(yè)科技, 2010, 31(1): 102-104.

GU Sai-qi, ZHAO Yong, XIE Jing. Study on the Freshness Change of Chilled Meat[J]. Science and Technology in the Food Industry, 2010, 31(1): 102-104.

[16] 耿愛琴, 鄭國鋒, 錢和. 淺述肉類新鮮度的檢測方法[J]. 肉類工業(yè), 2006(12): 37-39.

GENG Ai-qin, ZHENG Guo-feng, QIAN He. Brief Introduction of Meat Freshness Detection Method[J]. Meat Industry, 2006(12): 37-39.

[17] PERSAUD K C, KHAFFAF S M, PAYNE J S, et al. Sensor Array Techniques for Mimicking the Mammalian Olfactory System[J]. Sensors and Actuators B: Chemical, 1996, 36(1): 236-273.

[18] ZHANG Hong-mei, WANG Jun, TIAN Xiao-jing. Optimization of Sensor Array and Detection of Stored Duration of Wheat by Electronic Nose[J]. Journal of Food Engineering, 2007, 82(4): 403-408.

[19] 王敏. 智能電子鼻在冰箱食品新鮮度實(shí)時(shí)檢測及評價(jià)中的應(yīng)用研究[D]. 杭州: 浙江大學(xué), 2019: 30-61.

WANG Min. Application of Intelligent Electronic Nose in Real-Time Detection and Evaluation of Food Freshness in Refrigerator[D]. Hangzhou: Zhejiang University, 2019: 30-61.

[20] KUCHMENKO T A. Electronic Taster Applied for Identification of a Rainbow Trout Spoilage Specifics[J]. IOP Conference Series: Earth and Environmental Science, 2021, 640(3): 32-47.

[21] JUAN C, RODRIGUEZ G. Validation of the Rapid Detection Approach for Enhancing the Electronic Nose Systems Performance, Using Different Deep Learning Models and Support Vector Machines[J]. Sensors and Actuators: B. Chemical, 2021, 327: 234-258.

[22] FENG Huan-huan. Evaluation of IoT-Enabled Monitoring and Electronic Nose Spoilage Detection for Salmon Freshness during Cold Storage[J]. Foods, 2020, 9(11): 1579.

[23] CEN Hai-yan, HE Yong. Theory and Application of Near Infrared Reflectance Spectroscopy in Determination of Food Quality[J]. Trends Food Sci Technol, 2007, 18(2): 72-83.

[24] BLANCO M, PAGES J. Classification and Quantitation of Finishing Oils by Near Infrared Spectroscopy[J]. Anal Chim Acta, 2002, 463(2): 295-303.

[25] SUN Xue-fen. Rapid Detection and Quantification of Adulteration in Chinese Hawthorn Fruits Powder by Near-Infrared Spectroscopy Combined with Chemometrics[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2021, 250: 119-127.

[26] YIN Ji-fan. Non-Destructive Detection of Foreign Contaminants in Toast Bread with Near Infrared Spectroscopy and Computer Vision Techniques[J]. Journal of Food Measurement and Characterization, 2021, 15(1): 189-198.

[27] LIAO Yi-tao, FAN Yu-xia, CHENG Fang. On-Line Prediction of Fresh Pork Quality Using Visible/Near-Infrared Reflectance Spectroscopy[J]. Meat Science, 2010, 86(4): 901-907.

[28] 何鴻舉, 蔣圣啟, 王洋洋. 在線近紅外光譜系統(tǒng)快速檢測整塊雞胸肉菌落總數(shù)含量[J]. 食品工業(yè)科技, 2020, 41(16): 232-237.

HE Hong-ju, JIANG Sheng-qi, WANG Yang-yang, et al. On-Line Near-Infrared Spectroscopic System to Quickly Detect the Total Content of the Entire Chicken Breast Colony[J]. Food Industry Technology, 2020, 41(16): 232-237.

[29] 魏文松, 彭彥昆, 鄭曉春. 基于優(yōu)選波長的多光譜檢測系統(tǒng)快速檢測豬肉中揮發(fā)性鹽基氮的含量[J]. 光學(xué)學(xué)報(bào), 2017, 37(11): 382-393.

WEI Wen-song, PENG Yan-kun, ZHENG Xiao-chun. Rapid Detection of Volatile Salt-Based Nitrogen Content in Pork Based on a Multispectral Detection System Based on Preferred Wavelengths[J]. Journal of Optics, 2017, 37 (11): 382-393.

[30] 張玨. 基于光學(xué)信息檢測技術(shù)的羊肉新鮮度快速檢測與判別方法研究[D]. 呼和浩特: 內(nèi)蒙古農(nóng)業(yè)大學(xué), 2020: 35-45.

ZHANG Yu. Study on Fast Detection and Discrimination of Mutton Freshness Based on Optical Information Detection Technology[D]. Huhehaote: Inner Mongolia Agricultural University, 2020: 35-45.

[31] YU Hai-Dong. Hyperspectral Imaging in Combination with Data Fusion for Rapid Evaluation of Tilapia Fillet Freshness[J]. Food Chemistry, 2021, 348: 126-134.

[32] 孫永海, 趙錫維, 鮮于建川. 基于計(jì)算機(jī)視覺的冷卻牛肉新鮮度評價(jià)方法田[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2004, 35(1): 104-107.

SUN Yong-hai, ZHAO Xi-wei, XiAN YU Jian-chuan. Evaluation Method of Chilled Beef Freshness Based on Computer Vision[J]. Journal of Agricultural Machinery, 2004, 35(1): 104-107.

[33] 郭培源, 畢松. 基于神經(jīng)網(wǎng)絡(luò)的豬肉新鮮度檢測分級系統(tǒng)[J]. 農(nóng)機(jī)化研究, 2010(6): 109-113.

GUO Pei-yuan, BI Song. Pork Freshness Detection and Classification System Based on Neural Network[J]. Research on Agricultural Mechanization, 2010(6): 109-113.

[34] CHEN Kai, SUN Xing. Color Grading of Beef Fat by Using Computer Vision and Support Vector Machine[J]. Computers and Electronics in Agriculture, 2010, 70(1): 27-32.

[35] 潘婧, 錢建平, 劉壽春, 等. 計(jì)算機(jī)視覺用于豬肉新鮮度檢測的顏色特征優(yōu)化選取[J]. 食品與發(fā)酵工業(yè), 2016, 42(6): 153-158.

PAN Jing, QIAN Jian-ping, LIU Shou-chun. Computer Vision for Pork Freshness Detection Color Characteristic Optimization Selection[J]. Food and Fermentation Industry, 2016, 42(6): 153-158.

[36] HUH S, KIM H, LEE S. Utilization of Electrical Impedance Spectroscopy and Image Classification for Non-Invasive Early Assessment of Meat Freshness[J]. Sensors, 2021, 21(3): 159-163.

[37] 萬新民. 基于近紅外光譜分析技術(shù)和計(jì)算機(jī)視覺技術(shù)的豬肉品質(zhì)檢測的研究[D]. 鎮(zhèn)江: 江蘇大學(xué), 2010: 54-56.

WAN Xin-min. Study on Pork Quality Detection Based on Near-Infrared Spectroscopic Analysis Technology and Computer Vision Technology[D]. ZhenJiang: Jiangsu University, 2010: 54-56.

[38] ISABEL M, PEREZ D, VARGAS S, et al. Smartphone Based Meat Freshness Detection[J]. Talanta, 2020, 216: 278-288.

[39] TRICOT F. Photosensitive Ink Formulation and Inkjet Printing on Flexible PET Substrate[J]. Journal of Coatings Technology and Research, 2019, 16(1): 113-123

[40] VIVALDI F. A Temperature-Sensitive RFID Tag for the Identification of Cold Chain Failures[J]. Sensors and Actuators: A. Physical, 2020, 313: 25-39.

[41] MARRA FABRIZIO. Production and characterization of Graphene Nanoplatelet-Based Ink for Smart Textile Strain Sensors via Screen Printing Technique[J]. Materials & Design, 2021, 198: 106-114.

[42] KUSWANDI B, NURFAWAIDI A. On-Package Dual Sensors Label Based on pH Indicators for Real-Time Monitoring of Beef Freshness[J]. Food Control, 2017, 82: 91-100.

[43] 杜月紅, 王琳, 高曉光. 豬肉新鮮度指示標(biāo)簽的制備及應(yīng)用[J]. 肉類研究, 2020, 34(5): 41-47.

DU Yue-hong, WANG Lin, GAO Xiao-guang. Preparation and Application of Pork Freshness Indicator Label[J]. Meat Research, 2020, 34(5): 41-47.

[44] GUO Ling-ling. Portable Food‐Freshness Prediction Platform Based on Colorimetric Barcode Combinatorics and Deep Convolutional Neural Networks[J]. Advanced Materials, 2020, 32(45): 78-91.

[45] 朱安娜, 方蘭蘭, 余晶. 提取劑對紫薯花青素提取效果的影響及pH響應(yīng)[J]. 包裝學(xué)報(bào), 2019, 11(5): 44-49.

ZHU An-na, FANG Lan-lan, YU Jing. Effect of Extractant on Extraction of Anthocyanin from Purple Sweet Potato and pH Response[J]. Journal of Packaging, 2019, 11(5): 44-49.

[46] ZHOU Ning. Preparation of pH-Sensitive Food Packaging Film Based on Konjac Glucomannan and Hydroxypropyl Methyl Cellulose Incorporated with Mulberry Extract[J]. International Journal of Biological Macromolecules, 2021, 172: 515-523.

[47] ZHANG Jun-jun. Preparation of an Intelligent pH Film Based on Biodegradable Polymers and Roselle Anthocyanins for Monitoring Pork Freshness[J]. Food Chemistry, 2019, 272: 306-312.

[48] FRANCO M R, CUNHA L R, BIANCHI R F. Janus Principle Applied to Food Safety: An Active Two-Faced Indicator label for Tracking Meat Freshness[J]. Sensors and Actuators: B Chemical, 2021, 333: 97-110.

[49] LIU Dan-fei. A Colorimetric Film Based on Polyvinyl Alcohol/Sodium Carboxymethyl Cellulose Incorporated with Red Cabbage Anthocyanin for Monitoring Pork Freshness[J]. Food Packaging and Shelf Life, 2021, 28: 67-81.

[50] 鄒小波, 張俊俊, 石吉勇. 基于玫瑰茄花青素的豬肉新鮮度智能指示膜研究[J]. 食品科學(xué), 2017, 38(23): 243-248.

ZOU Xiao-bo, ZHANG Jun-jun, SHI Ji-yong. Study on Intelligent Indicator Membrane for Pork Freshness Based on Roselle Anthocyanin[J]. Food Science, 2017, 38(23): 243-248.

[51] ZHANG Ci-jian. A Green Strategy for Maintaining Intelligent Response and Improving Antioxidant Properties of K-Carrageenan-Based Film Via Cork Bark Extractive Addition[J]. Food Hydrocolloids, 2021, 113: 258-265.

[52] ALAITZl E, PAUL A, KILMARTIN. Color Stability and pH-Indicator Ability of Curcumin, Anthocyanin and Betanin Containing Colorants under Different Storage Conditions for Intelligent Packaging Development[J]. Food Control, 2021, 121: 211-225.

[53] WU Chun-Hua. Effect of Oxidized Chitin Nanocrystals and Curcumin into Chitosan Films for Seafood Freshness Monitoring[J]. Food Hydrocolloids, 2019, 95: 308-317.

[54] TAGHINIA P. Smart Edible Films Based on Mucilage of Lallemantia Iberica Seed Incorporated with Curcumin for Freshness Monitoring[J]. Food Science & Nutrition, 2021, 9(2): 1222-1231.

[55] YILDIZ E, SUMNU G, KAHYAOGLU L. Monitoring Freshness of Chicken Breast by Using Natural Halochromic Curcumin Loaded Chitosan/PEO Nanofibers as An Intelligent Package[J]. International Journal of Biological Macromolecules, 2021, 170: 437-446.

[56] 鄭輝, 蔣昊天, 王荔萱. 花青素/姜黃素智能標(biāo)簽的制備及應(yīng)用[J]. 包裝工程, 2020, 41(19): 17-21.

ZHENG Hui, JIANG Hao-tian, WANG Li-xuan. Preparation and Application of Anthocyanin/Curcumin Smart Label[J]. Packaging Engineering, 2020, 41(19): 17-21.

[57] 王洪江, 劉露, 唐培浩. 食品包裝用比色型CO2指示油墨[J]. 包裝學(xué)報(bào), 2019, 11(4): 16-23.

WANG Hong-jiang, LIU Lu, TANG Pei-hao. Colorimetric CO2Indicating Ink for Food Packaging[J]. Journal of Packaging, 2019, 11(4): 16-23.

[58] 劉興海, 文俊維, 孫雨. 印刷型食品新鮮度智能 標(biāo)簽及其制作方法和應(yīng)用: 中國, 110415603A[P]. 2019-11-05.

LIU Xing-hai, WEN Jun-wei, SUN Yu. Smart Labels on Freshness of Printed Poods and Their Methods and Applications: China, 110415603A[P]. 2019-11-05.

[59] WANG Hong-xia. Improvement of Properties of Smart Ink via Chitin Nanofiber and Application as Freshness Indicator[J]. Progress in Organic Coatings, 2020, 149: 148-161.

Effects of Cold Chain Logistics on Meat Freshness and Intelligent Detection

WANG Jian-qiang, CHEN Jing-hua, HAO Fa-yi, LI Peng, MAO Yu-qin, ZHOU Yi-feng, CHEN Zhi-yi, CAO Wei-jie

(College of Communication and Art Design, University of Shanghai for Science and Technology, Shanghai 200093, China)

The work aims to study the application progress of meat freshness detection methods in cold chain logistics, and help develop food freshness detection methods to meet the market demand. According to the principle of meat spoilage, the effects of cold chain logistics on the freshness of food were analyzed. The working principle of current meat freshness detection technology was expounded. And the research status of meat freshness detection technology was introduced. In recent years, the detection technology of meat freshness is becoming more intelligent and the detection precision is improved, but there are still some problems such as the high cost of the detection technology and the inability to effectively monitor the sales process. As a relatively low-cost and easy-to-process detection technology, intelligent label has a great room for development

cold chain logistics; freshness of meat; intelligent detection

TS207.3

A

1001-3563(2022)01-0148-10

10.19554/j.cnki.1001-3563.2022.01.019

2021-05-27

國家新聞出版署智能與綠色柔版印刷重點(diǎn)實(shí)驗(yàn)室招標(biāo)課題（ZBKT201810）；大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目（XJ2021449）

王建強(qiáng)（1996—），男，上海理工大學(xué)碩士生，主要研究方向?yàn)橹悄苡湍?、包裝材料。

陳景華（1970—），女，博士，上海理工大學(xué)副教授，主要研究方向?yàn)橛∷⒉牧?、功能油墨?/p>