肉及肉制品新鮮度檢測技術研究進展

摘 要：肉及肉制品在貯藏運輸過程中極易發生變質，產生對人體健康有害的物質，因此監測其新鮮度對保證肉制品質量安全尤為關鍵。傳統評估肉類新鮮度的方法主要包括感官分析、理化指標檢測和微生物檢測等。隨著食品質量檢測技術的不斷發展進步，多種新穎的肉品新鮮度檢測技術應運而生。新型的檢測方法包括感官仿生技術、光譜技術等。本文綜述肉及肉制品新鮮度檢測技術的研究進展，并探討各種檢測技術的優缺點，展望未來研究發展的趨勢，為未來的研究發展提供可靠的理論依據。

關鍵詞：肉及肉制品；新鮮度；檢測技術；進展

A Review of Technologies for Freshness Detection of Meat and Meat Products

HOU Zhixuan1， ZHANG Duoduo1， YAO Pingbo2， LIU Yongfeng1，*

（1. College of Food Engineering and Nutritional Science， Shaanxi Normal University， Xi’an 710119， China;

2. Animal Husbandry and Veterinary Workstation of Zhenba County， Hanzhong 723600， China）

Abstract： Meat and meat products are prone to deterioration during storage and transportation， resulting in the formation of substances harmful to human health， so monitoring their freshness is particularly critical to ensure the quality and safety of meat products. Traditional methods used to evaluate meat freshness mainly include sensory， physicochemical and microbial analyses. With the continuous development of food quality detection technology， a variety of novel technologies for meat freshness detection have emerged， such as sensory bionic technology and spectroscopy. This paper reviews the technologies for freshness detection of meat and meat products， and discusses their advantages and disadvantages. Furthermore， it provides an outlook on future research and developments. This review provides a reliable theoretical basis for future research and development.

Keywords： meat and meat products; freshness; detection technologies; progress

DOI：10.7506/rlyj1001-8123-20240826-221

中圖分類號：TS251.1" " " " " " " " " " " " " " " " " " " " 文獻標志碼：A 文章編號：1001-8123（2025）01-0064-08

引文格式：

侯智軒， 張朵朵， 姚平波， 等. 肉及肉制品新鮮度檢測技術研究進展[J]. 肉類研究， 2025， 39（1）： 64-71. DOI：10.7506/rlyj1001-8123-20240826-221." " http：//www.rlyj.net.cn

HOU Zhixuan， ZHANG Duoduo， YAO Pingbo， et al. A review of technologies for freshness detection of meat and meat products[J]. Meat Research， 2025， 39（1）： 64-71. （in Chinese with English abstract） DOI：10.7506/rlyj1001-8123-20240826-221.

http：//www.rlyj.net.cn

肉類的營養物質豐富，是最重要的蛋白質食品。隨著人們生活水平的提高，肉類的消費量逐漸增多，中國居民消費端食物浪費總量較高，其中肉類因腐敗變質造成的浪費量占比為15%左右，并且這一數據近幾年還在不斷上升[1]。在提倡健康飲食和重視食品安全的今天，肉類新鮮度被視為衡量肉類質量和安全的重要指標，但肉類貯藏和銷售過程中易受溫度、水分活度、微生物作用等影響發生腐敗變質，產生胺類物質、神經毒素等，可能對人體造成急性中毒、神經系統損害、增加癌癥風險等危害[2]。因此在肉品流通過程中實時監測肉品新鮮度至關重要。目前已報道有許多種檢測肉品新鮮度的方法，大致可以分為傳統方法和新型方法。傳統方法主要包括感官檢測、化學指標檢測和微生物檢測，這些方法對研究對象的質量和實驗人員的專業水平要求嚴格，且過程耗時長，限制了它們在實際生產中的廣泛使用。新型方法主要有感官仿生技術、光譜技術等，目前新型檢測方法也存在一些不足，需要進一步改進，如檢測儀器體積大、檢測成本高等，這些不足限制了其發展[3]。本文通過綜述肉及肉制品新鮮度檢測技術的研究進展，探討不同檢測技術的優缺點，并展望未來研究發展的趨勢，旨在為相關領域的研究人員和從業者提供參考，從而促進食品質量安全檢測技術的進步，提升我國的肉類制品安全水平。

1 肉及肉制品新鮮度傳統檢測技術

1.1 感官檢測

肉類在腐敗過程中會受到微生物的影響，出現水分流失、蛋白質變性等情況，導致其感官品質也發生了相應的變化[4]。實驗人員在分析肉品的化學指標之前，通常先進行感官檢測，利用人體的不同感覺器官，如視覺、嗅覺、觸覺等，觀察肉品的顏色、氣味、彈性、黏性等感官屬性，以此評估肉品的新鮮程度[5]。感官檢測作為一種直接且迅速的肉類品質評價手段，常被用作判斷肉類產品保質期的參考依據[6]。朱艷利[7]分別用外觀法和氣味識別法進行肉類的感官檢測，將各感官檢測指標繪制圖表，分析結果，判斷肉類的新鮮程度。這種檢測方法雖簡單易行、無需儀器、不用固定檢驗場所，但檢測過程往往會受到測評人的主觀影響，因此檢測結果可能帶有主觀偏見，不足以全面且準確地反映肉品的品質，因此不能滿足實際生產的需求。目前，感官檢測常被作為輔助手段與微生物檢測、化學指標檢測等方法結合檢測肉品新鮮度[8]。

1.2 化學指標檢測

利用化學分析方法測定與肉品新鮮度相關的化學參數，包括總揮發性鹽基氮（total volatile basic nitrogen，TVB-N）含量、pH值、粗氨、過氧化物酶、球蛋白沉淀等，其中TVB-N法是國標的經典檢測法[9]。

1.2.1 TVB-N含量的檢測（國標法）

在肉類腐敗過程中，微生物和酶的共同作用促使肉中的蛋白質被分解成堿性含氮化合物，這些物質的總量即為TVB-N含量。TVB-N含量與肉品的腐敗水平成正比關系，是評估肉品新鮮度的關鍵化學指標[5]。TVB-N含量的檢測主要采用2 種方法，即微量擴散法和半微量凱氏定氮法，但這種傳統方法必須在實驗室進行，用時較長、過程繁瑣、操作復雜，不適合市場上肉品快速、大量檢測的要求[10]，因此一些學者不斷探索改進這種方法，邵金良等[11]在實驗中用1 g/100 mL碳酸鉀溶液作為氧化鎂混懸液的替代液，目的是增強檢測結果的準確性。現如今TVB-N含量作為新鮮度的檢測指標還與其他新型檢測技術相結合，進一步提高了肉品新鮮度檢測的效率與準確性。

1.2.2 pH值的檢測

在肉類腐敗過程中，細菌和酶作用導致肉中的蛋白質分解成堿性化合物，使肉的pH值上升，呈現堿性特征[3]。目前常用比色法和酸度計法測定肉浸液的pH值。雖然該方法操作簡單，但在肉品新鮮度的臨界點時，所測得的pH值變化范圍較小，并且容易受屠宰前生理狀態的影響，因此所得到的測量結果缺乏精確性，不能作為反映新鮮度的絕對指標[5]。雖然pH值無法單獨反映出肉的新鮮程度，但是它可以作為綜合評定的輔助和參考，與TVB-N法、微生物檢測、光譜技術等結合使用[12]。目前國內外學者根據pH值的特性制備了多種顏色指示膜、比色標簽等結合新型檢測技術監測肉類的新鮮度，為肉類新鮮度檢測提供了一種具有發展潛力的方法。Zheng Yongxin等[13]制備了一種pH值超敏感比色標簽并以電子鼻作為輔助工具，監測羊肉的新鮮度，結果表明，其在羊肉新鮮度監測中具有很大的潛力。

1.2.3 氨的檢測

在肉類腐敗過程中，肉中蛋白質分解后的產物稱為粗氨[14]。當肉類變質程度加劇，粗氨的含量相應增加，這使其成為評估肉品新鮮度的一個指標[14]。肉中粗氨的測定采用納斯勒氏試劑法，該方法通過觀察溶液顏色的深淺和沉淀物的數量判斷肉品的新鮮程度[15]。這種方法能夠區分不同新鮮度級別的肉類，如新鮮、次鮮、變質肉。盡管操作簡單且易于觀察，但由于需要制備各種肉浸液，且在判斷臨界點時不夠明確，因此更適合作為肉品新鮮度檢測的輔助手段[15]。

1.2.4 過氧化物酶反應實驗

肉品在腐敗過程中，由于微生物的作用，肉中的過氧化物酶活性會發生變化。測定過氧化物酶的活性可以間接評估肉品的新鮮度[16]。在實驗室中，過氧化物酶活性的測定通常采用聯苯胺-過氧化氫法進行定性分析。然而，在實際操作中，由于試劑的保存期限較短且對貯存環境有較高要求，這便增加了操作難度[9]。為了克服傳統檢測方法的局限性，王長遠等[17]在豬肉新鮮度的檢測中應用過氧化物酶反應實驗，并且討論該法需與其他方法綜合評定肉品新鮮度。在實際應用中，單一的新鮮度指標可能受到多種因素的影響，導致測定的重復性差和可靠性低。因此，通常將過氧化物酶檢測與其他評價指標如TVB-N含量、微生物指標和感官檢測等結合使用，以提高檢測的準確性和可靠性[17]。

1.2.5 球蛋白沉淀實驗

肉類腐敗過程中積累的堿性化合物使得肉的pH值升高，在這種堿性條件下肌肉內的球蛋白發生溶解，并且與重金屬離子反應產生沉淀物[15]。基于這一原理，觀察肉浸液中沉淀是否存在及數量的多少可以初步評估肉品新鮮度[5]。然而，如果在屠宰前動物存在患病等特殊情況，那么屠宰后的肉品即使處于新鮮狀態下，也可能表現出堿性反應，導致該實驗的結果錯誤地顯示為陽性，且對于新鮮肉和次鮮肉的判斷不明顯，有一定局限性。所以，檢測結果不能作為肉腐敗變質的絕對指標[15]。

1.3 微生物檢測

肉及肉制品在貯藏條件不當的情況下極易受到微生物污染，微生物檢測是實驗室中檢測肉品新鮮度最重要的一種手段，該方法依據所測得的微生物數量表明肉品的新鮮程度，其結果與TVB-N含量有較高相關性[18]。

實驗室中常用的檢測方法是測定大腸菌群數和菌落總數[5]。針對細菌菌斑，采用肉樣制作觸片進行觀察，根據觸片變化查看細菌變化，隨著時間的推移，觸片上面的細菌會越來越多，通過細菌的分布與數量判定豬肉的新鮮度，可采用GB 4789.2—2022《食品安全國家標準 食品微生物學檢驗 菌落總數測定》[19]。通常，新鮮肉的菌落總數建議不超過1×104 CFU/g，次新鮮肉的菌落總數在1×104～1×106 CFU/g，而變質肉的菌落總數在1×106 CFU/g以上[8]。該方法的特點是靈敏度高、程序簡單，但缺點是細菌培養耗費時間長、技術要求高，結果可能受環境因素影響。同時，市場上銷售的肉類在屠宰、運輸和銷售環節中容易遭受二次污染，導致不同取樣部位的檢測結果差異顯著，這就限制了該方法在快速檢測中的實用性[20]。傳統的細菌培養計數法由于耗時較長，不適合用于大規模且需要迅速出結果的檢測。兀征等[21]對多種肉類進行活菌總數、革蘭氏陰性菌數和TVB-N含量的測定，并且與鱟變形細胞溶解物（limulus amebocyte lysate，LAL）試驗結果對比分析，結果表明，肉品的新鮮度與LAL指數和細菌總數有相關性，并且LAL試驗能夠在2 h內通過檢測肉品中的微生物數量判斷肉品的新鮮度。微生物檢測在肉品新鮮度評估中發揮著關鍵作用，并且隨著技術的進步，逐漸與新型檢測技術結合綜合評判肉品新鮮度，檢測方法也朝著更加快速、準確和智能化的方向發展。

2 肉及肉制品新鮮度新型檢測技術

傳統的肉類新鮮度檢測方法雖然在某些方面具有優勢，但其也存在一些固有的不足，例如，感官檢測會因為個人差異而產生偏差，微生物和化學指標的檢測不僅耗時耗力，還會對樣本進行破壞。鑒于這些局限，近年來，研究人員在傳統檢測技術的基礎上借助相關儀器技術的發展，探索了多種新型肉類新鮮度檢測方法，這些檢測手段正逐漸向多樣化、智能化、方便化、無損化方向發展，為肉類新鮮度的快速、準確評估提供了新的可能性。

2.1 感官仿生技術

2.1.1 電子鼻技術

電子鼻技術通過識別肉類腐敗過程中形成的揮發性化合物，進而形成特征信號模式，隨后，系統會分析這些信號模式并提取關鍵的特征參數，輸入到模式識別系統中，識別并測定樣本氣體的種類、濃度等信息，用于評估肉品的新鮮度[22]。電子鼻主要由3 個關鍵組件構成：能夠檢測氣體化學成分的氣體敏感傳感器陣列、負責提取傳感器響應特征的信號預處理模塊，以及定量分析特征參數的模式識別單元[4]。黃燦燦等[23]構建多元線性回歸模型、偏最小二乘法模型、反向傳播神經網絡（back propagation neural network，BPNN）模型并應用到電子鼻系統，分別檢測小黃魚的新鮮度，結果表明，采用BPNN模型的電子鼻檢測效果更優，預測的平均誤差百分比和相關系數分別為4.39%和0.92。電子鼻雖然有檢測速度快、檢測范圍廣、重復利用率好等優點，但長時間工作會導致響應基準值發生偏移，易受環境影響。眾多科研人員已投身于將電子鼻技術應用于評估肉品新鮮度的研究領域，他們不斷改進目前的分類識別算法，同時致力于擴展和完善傳感器的種類和性能，不斷探索其在更多領域的應用潛力[24]。近年來，電子鼻和傳感器陣列在肉品新鮮度檢測方面取得了顯著進展，將不同技術的優勢相結合，彌補單一技術的局限性，提高肉類新鮮度檢測的準確性，并為消費者提供更可靠的食品選擇依據[23]。

嗅覺可視化技術作為一種創新的電子鼻技術，部分克服了傳統電子鼻技術的局限性。這項技術最初是由美國的Rakow教授于2000年提出，歸類于仿生類檢測技術領域，該技術主要是利用金屬卟啉等化學顯色劑與目標氣體反應前后發生的顏色變化，將嗅覺信號轉換為視覺信號，隨后視覺信號進一步轉化為數值信息，有利于信息的傳輸交流、定量分析及數學建模，實現了對檢測氣體的定性和定量分析[4]。與傳統的肉類新鮮度檢測技術相比，嗅覺可視化技術更直觀、簡便、快速，是一種具有較大應用前景的食品安全檢測技術；與傳統電子鼻相比，嗅覺可視化技術的傳感器選擇性好、靈敏度高，可以識別低濃度揮發性化合物且不受環境濕度影響，準確率可達80%以上[25]。然而，實際中很少見到其應用，主要是由于色敏材料無法貯藏、設備不夠智能化，并且現有的嗅覺可視化設備大多只有圖像采集與處理功能，對于色敏傳感器制作的功能不夠完善，這也限制了嗅覺可視化技術的推廣[26]。為了彌補缺點，嗅覺可視化技術可融合智能設備，通過機械操作將實驗過程規范化，減少人為因素干擾、提高實驗效率。趙杰文等[27]使用卟啉和pH值指示劑作為嗅覺可視化傳感器陣列的氣敏材料，檢測豬肉中的優勢致腐菌和新鮮度，研究結果表明，嗅覺可視化技術可直接跟蹤豬肉變質過程中揮發性氣味的變化，并可實現數字表達。

2.1.2 電子舌技術

電子舌利用傳感器陣列檢測肉浸液，通過采集信號和模式識別系統，定性或定量分析樣品，進而完成肉品新鮮度的檢測[28]。電子舌是一種模仿生物味覺的新型快速智能檢測系統，可以對樣品的整體滋味輪廓進行評定，并可以對復雜的呈味物質進行識別、檢測，進而代替感官評定員。它具備操作程序簡單、結果客觀、靈敏度高、重復性好等優點，現已廣泛應用于食品品質快速分析的基礎研究[29]。韓劍眾等[30]采用多頻脈沖電子舌對不同品種的豬肉和雞肉進行肉類評價和新鮮度監測，不僅可以區分不同品種生鮮肉品之間的差異，還可以有效辨識、評價生鮮肉的新鮮度，為電子舌在生鮮肉新鮮度評定中的應用提供理論參考。雖然電子舌模型眾多，但是目前的研究仍不能滿足現代肉類工業的需求，電子舌研究集中在實驗室階段，大部分都是實驗室自制，便攜式和經濟型的智能化在線電子舌檢測裝置市場普及率較低，阻礙了電子舌的快速發展[31]，今后還需開發與智能算法和人工智能技術相融合的模型，提高電子舌檢測的準確性。

2.1.3 計算機視覺技術

計算機視覺技術模仿人類的視覺感知能力，通過監測肉類腐敗變質過程中出現的紋理、顏色、形狀等變化評估肉品的新鮮度[32]。該技術通過細致處理和全面分析所得到的圖像，能夠提取關鍵的特征參數，對肉品進行分級。方法高效、便捷且準確性高[4]。隨著技術的持續發展，計算機視覺技術已經能夠實現迅速、無損且智能的檢測。此外，收集與肉品新鮮度變化有關的數據，并運用統計學和計算機分析可以構建肉品新鮮度變化的數學模型，實現肉品新鮮度的快速檢測。

李振波等[33]優化VGG-19（Visual Geometry Group 19）卷積神經網絡，用該模型對冰鮮鯧魚新鮮度分級，結果表明，與優化前相比，該模型所占空間降低443.9 MB，檢測時間縮短0.04 s，冰鮮鯧魚新鮮度分類數據集的訓練集準確率為99.58%，測試集準確率為99.79%。周煒等[34]應用計算機視覺技術結合人工神經網絡進行模式識別，比較BPNN與徑向基神經網絡在識別效果上的差異，開發了一種無損檢測豬肉新鮮度的方法。與傳統的實驗室分析方法相比，計算機視覺技術的檢測準確性顯著提升，同時避免了復雜的實驗步驟和對樣本的破壞，是一種更高效的肉品新鮮度評估手段[35]。

吳浩等[36]在評估豬肉新鮮度時，利用Matlab平臺對豬肉產生的氣體和其圖像特征進行數據融合處理，有效、快速判斷肉類的新鮮程度。此外，肉品顏色特征的逐漸變化在腐敗期間可以通過灰度值的變化來捕捉，這為評估肉品的新鮮度提供了依據。利用數字圖像的線性變換和微分梯度方法將圖像銳化，可以直接檢測到豬肉脂肪變質過程。

2.1.4 質構儀檢測技術

質構儀能夠模擬人類咀嚼食物的過程，通過力學量化的方式表現食品的硬度、彈性、黏稠度等，與感官檢測相比，質構儀具有客觀、準確、靈敏的優點。肉在腐敗變質過程中，硬度、黏著性、彈性等質構特性會發生變化，利用質構儀的質地剖面分析（texture profile analysis，TPA）模式分析這些質構特性參數，可以綜合反映肉品新鮮度[37]。劉興余等[38]發現在TPA模式下，硬度和黏性是有效反映豬肉感官品質的參數。李振興等[39]

研究發現，魚肉的彈性變化可以作為判斷其新鮮度的一個重要指標。目前利用質構儀測得的質構指標，結合計算機分析技術如偏最小二乘回歸分析和神經網絡等方法，建立對肉品新鮮度的預測模型。這些模型能夠有效預測肉品的新鮮度，為肉品的快速、無損檢測提供了新的方法。

2.2 光譜技術

2.2.1 近紅外光譜技術

近紅外光譜是指利用近紅外區域的電磁波譜來檢測樣品的一種無損檢測技術，當肉品發生腐敗時，細胞膜溶解破裂導致組織結構改變，從而影響散射特性，有效衰減系數在特定波長處與TVB-N含量呈顯著相關，可以建立近紅外光譜與TVB-N含量的相關關系，實現對肉類新鮮度的評價[40]。近紅外光譜技術具有操作簡便、成本低、無損檢測、快速分析等優點。目前，這項技術主要應用于評估雞肉品質，并且在禽肉檢測領域顯示出巨大的發展潛力[41]。Leroy等[42]在1 200～1 300 nm波段利用近紅外光譜技術建立TVB-N含量的預測模型，以評估肉品的新鮮度；王超等[43]基于近紅外光譜技術，使用偏最小二乘算法建立小龍蝦蝦尾的TVB-N含量預測模型，經優化處理后的模型預測均方根誤差和相關系數分別可達1.626和0.950。但是近紅外光譜的光譜范圍有限，這限制了其能夠檢測的指標數量，并且無法提供圖像信息。在冷鮮肉新鮮度檢測方面，由于冷鮮肉不同組織部位紋理的不均勻性，在對冷鮮肉進行采集時不同部位的近紅外光譜存在差異性，因此近紅外光譜法的檢測范圍、預測精度及穩定性存在局限性[44]。未來，近紅外光譜技術在進一步深入研究提高肉品檢測精度的基礎上，通過與機器視覺技術等新型無損檢測技術的融合可以實現全面評價肉類品質的目標[45]。

2.2.2 高光譜技術

高光譜技術融合了成像技術與光譜技術，能夠捕獲目標物體的圖像和光譜數據，彌補了近紅外光譜沒有圖像信息、光譜范圍小的缺點[46]。在肉品腐敗過程中，其內部營養成分的變化會引起光譜的光學特性發生改變。因此，通過分析肉品的光學特性，可以評估其內部品質及營養組分的變化，利用高光譜技術采集反射光譜信息，通過數據處理分析建立肉品新鮮度的判別模型，實現肉品新鮮度的檢測[47]。高光譜技術以其高分析效率、無需樣品預處理、易于操作、無損檢測和便于實現在線分析等優勢，正成為評估肉品新鮮度最具潛力的新技術之一[48]。

張雷蕾等[48]采用高光譜技術和多元散射校正處理建立偏最小二乘回歸分析模型，對豬肉新鮮度進行綜合評定，準確率達91%。但是高光譜成像技術產生的數據量巨大，這不僅會產生多余、無用的信息，而且使得數據處理過程變得耗時且成本較高。鑒于這些挑戰，高光譜技術難以適用于研發便捷的肉類實時檢測工具。

近幾年高光譜技術與智能算法相結合檢測肉類新鮮度成為熱門研究方向，謝安國等[49]構建深度神經網絡，處理高光譜數據，用于預測豬肉新鮮度變化，并進一步利用遺傳算法篩選高光譜特征波段，以此實現快速、無損檢測豬肉新鮮度，為人工智能算法在食品品質無損檢測領域的應用提供一定的技術參考。徐子洋等[50]提出基于改進深度森林算法的冷鮮羊肉新鮮度評價模型，并結合冷鮮羊肉的高光譜成像數據，實現了該模型對羊肉新鮮度的快速、無損檢測，模型識別準確率達到98.57%，為后續高光譜成像技術的多指標無損檢測提供了方法。

2.2.3 多光譜技術

多光譜成像技術能夠同時捕捉光譜特性和圖像細節，形成一種綜合的影像數據，基于不同物質反射光的差異性，以及每種物質具有獨特的光譜特性，對目標進行信息的識別分析。相比于高光譜來說成像波段較少，通常只包含有限數量的較寬波段，犧牲了一些光譜分辨率以換取簡單性、成本效益和更快的數據輸出，并且每個波段內包含的電磁輻射光譜不同。鑒于多光譜成像技術所處理的數據量較高光譜技術少，其更適用于需要實時監測的場景[46]。綜合近紅外光譜技術與高光譜技術的缺點，在快速且無損檢測肉品新鮮度時，多光譜技術應成為主要的檢測手段。

高萬豪[51]選取冷鮮羊肉為研究對象，首先對樣本表面的菌落總數進行測定，再利用多光譜成像技術，通過數據處理分析得到菌落總數與光譜數據的數量關系，最后利用遺傳算法優化核極限學習機模型，建立冷鮮羊肉的菌落總數預測模型，據此對羊肉的新鮮度進行評估，這為未來羊肉以及其他肉類的快速、無損、實時在線檢測提供了科學依據和技術手段。

2.2.4 三維熒光光譜技術

三維熒光光譜技術可以獲取發射波長和激發波長同時變化的熒光強度信息，由于靈敏度高、選擇性好、操作簡便等優點受到國內外學者的關注[52]。肉品中含有多種內源熒光物質，這些物質對貯藏環境非常敏感，熒光物質可用于表征肉類新鮮度，利用熒光信號追蹤肉品貯藏過程中新鮮度變化，通過三維熒光光譜技術進行定量分析，構建基于熒光特征標志物的新鮮度定量預測模型，完成肉品新鮮度的檢測[53]。馬紅艷[53]選取羊肉作為研究對象，篩選確證反映羊肉新鮮度的熒光標志物，采用三維熒光光譜技術解析離體，并分析三維熒光圖譜中的數據，構建基于熒光特征標志物的TVB-N含量的偏最小二乘回歸預測模型，擬合系數可達0.965 7，為下一步熒光高光譜技術開發提供理論依據和技術支撐。肉品新鮮度檢測方法及比較見表1。

3 肉及肉制品新鮮度其他檢測技術

上述新型檢測技術是目前研究肉及肉制品新鮮度普遍使用的方法，同時也是已經比較成熟的技術，而以下敘述的其他檢測技術則是尚處于研究探索階段、尚未大規模使用的方法，這些方法在肉及肉制品新鮮度檢測方面具有巨大的潛力。

3.1 傳感器技術

目前傳感器技術領域主要分為兩類：電位型傳感器和生物型傳感器。電位傳感器的設計靈感來源于人類感官系統的模擬，其目的是減少人為因素的干擾。例如，氣體傳感器的設計便是借鑒了人類嗅覺機制的原理。當電位傳感器接觸到樣品逸散的氣體時，傳感器的導電性能會發生相應變化，通過分析這種變化程度可以推斷出被測氣體的濃度水平及種類，進而根據這些數據評估豬肉新鮮度[3]。Chen Shihao等[54]利用4 種碳基敏感材料修飾的石英晶體微天平氣敏傳感器結合理化方法對鮭魚樣品的新鮮度進行分析，并與TVB-N法進行相關性分析，結果表明，該方法為肉品新鮮度提供了一種新的檢測方法，具有靈敏度高、選擇性好的特點。

生物傳感技術是一種先進的檢測手段，其關鍵在于利用特定的識別分子對肉類腐敗變質過程中釋放出的特定化學物質進行感應，隨后通過能量轉換設備將這些生化信號轉化為可測量的電信號或光信號，以此實現對肉品新鮮度的準確測定[55]。因其專一性高、分析迅速、準確性高和操作簡單等優點，生物傳感技術在食品安全檢測等多個領域展現出巨大的應用潛力。但是生物傳感器的制備過程較為繁瑣，難以在實際應用中成為主流，此外，由于其本身含有活性成分，增加了保存難度，從而限制了生物傳感器的應用范圍[4]。生物傳感器在肉品新鮮度檢測領域中具有巨大的應用潛力，但仍需在制備技術、穩定性提升及成本效益等方面進行進一步的研究與改進。葛鑫禹等[56]利用薄膜熒光傳感器采集并獲取鴨肉樣品在不同貯藏條件下的熒光響應圖像，根據不同貯藏條件、不同貯藏時間下鴨肉樣品對應的薄膜熒光傳感器的響應值，精確判斷鴨肉的貯藏時間及其新鮮度，為鴨肉在不同貯藏條件下的新鮮度鑒別提供一種新方法。

3.2 超聲波檢測技術

超聲波檢測技術是一種無損檢測肉品新鮮度的方法，該方法通過深入分析肉類在超聲波影響下所表現的吸收特性、衰減系數、傳播速度、本身的聲阻抗和固有頻率等參數，實現對肉品脂肪厚度、組成成分、肌肉厚度的快速、無損在線檢測與分級。這種方法的優勢在于可以通過定量分析肉品中與新鮮度密切相關的特定成分含量，從而達到對肉品新鮮度的準確判斷，為檢測肉品的新鮮度提供了一種科學、準確的評估方法[20]。Fortin等[57]利用超聲波檢測技術和光學成像技術構建豬肉的三維圖像，進而建立豬胴體瘦肉率預測模型，研究結果證實，超聲波技術在肉及肉制品品質分析領域已經建立了一定的研究支撐。

3.3 指示膜檢測技術

目前新興的指示膜檢測技術能夠檢測食品系統內部的變質情況，是一種創造性的創新方法，也是一種肉品新鮮度檢測的全新方法，許多國內外學者基于此進行了大量研究，制備出多種顏色指示膜用來作為智能食品包裝的材料，根據顏色指示膜發生的變化推斷食品質量的變化情況，為消費者提供實時質量監控信息[58]。

微生物在肉類貯藏過程產生代謝產物，改變肉品的pH值，進而影響色素類成分顏色的改變[58]。Chaari等[59]制備基于羧甲基纖維素/亞麻籽膠/甜菜紅素的新型指示膜，作為智能包裝應用到牛肉上并檢測其新鮮度。實驗結果表明，指示膜不僅可以識別不同濃度的氨，而且其顏色會隨著肉品pH值的變化而變化，這種新型指示膜可以作為一種安全環保的智能包裝材料，并且通過與人工智能、數據分析、智能算法等結合可作為一種新型的pH值比色指示劑精確檢測肉及肉制品的新鮮度，此類為pH值敏感型指示膜。

TVB-N含量是評估肉品新鮮度的關鍵化學指標。董越等[2]制備負載花青素的多孔聚乳酸納米纖維指示膜，通過氨響應性將指示膜應用到羊肉新鮮度的無損檢測，實驗結果表明，多孔顏色指示膜在羊肉貯藏過程中顏色變化與羊肉中TVB-N含量的變化有顯著相關性，指示膜顏色從0 h的紫紅色經過48 h變為深灰色，TVB-N含量從7.65 mg/100 g升至19.00 mg/100 g，超過15 mg/100 g的規定限值。該實驗表明該指示膜在肉品新鮮度監測中具有很大的應用潛力，對我國食品安全檢測技術的研究與開發具有重要意義，此類為TVB-N敏感型指示膜。

近年來，智能包裝技術成為行業研究熱點之一，因天然植物提取物的安全性相對較高，國內外研究人員多采用此類物質制備指示標簽，如花青素、姜黃素、甜菜紅素等，雖然該方向研究成果較多，但是實際應用智能包裝的食品較少，這是由于智能包裝的生產成本較高、專業化要求復雜，而且其在實際應用過程中難以表現出最好的活性[60]。因此，顯色機理的深入研究與創新，以及功能性的智能指示標簽等將成為研究人員對未來智能包裝不斷探索、研究的方向[61]。

3.4 納米酶傳感技術

納米酶作為一類新型的納米材料，因具有催化活性位點并模仿酶反應動力學過程，在食品安全檢測領域引起廣泛關注。它們具有穩定性高、成本低、易于生產、耐惡劣實驗條件等優點，在快速檢測中展現出顯著優勢和應用潛力[62]。肉品在腐敗變質過程中會產生生物胺、揮發胺等有害物質，這些有害物質通過與納米酶的特殊化學反應或直接誘導納米酶的類酶催化活性完成肉品新鮮度的評估[63]。Song Guangchun等[63]討論用納米酶的類酶催化特性特異性檢測冷鮮肉的降解產物，例如生物胺、揮發性胺、硫化氫、黃嘌呤等，表明納米酶可應用于評價肉品的新鮮度。這一方法為食品安全的快速評估提供了新的思路和工具。但納米酶的類酶催化性質不穩定，且其催化活性普遍較低，合成方法及條件有待改善，不適于目前大規模的檢測應用，作為一項新興技術還需進一步研究和開發。展望未來，納米酶傳感系統在深入研究后，有望逐步發展為食品檢測領域中的重要技術[64]。

3.5 生物超微弱發光檢測技術

生物超微弱發光檢測技術是一種檢測生物組織或細胞在生命活動代謝過程中自發輻射出的極微弱光子流的方法。這種發光現象是生物體內代謝活動的直接體現，揭示了生物體內發生的復雜變化。該技術通過研究肉品的自發輻射及延遲發光變化，對實驗數據進行曲線擬合，得到肉品發光的動力學參數并結合感官檢測等方法綜合評估肉品新鮮度[65]。鄒艷秋等[65]采用單光子測試系統測試不同條件下豬肉的自發輻射強度和延遲發光的變化，腐敗變質程度可以通過測量延遲發光的特征參數量化，特征時間的縮短可以作為豬肉新鮮度降低的指標。實驗結果表明，該系統能實現對生鮮豬肉新鮮度的直接檢測，該方法具有選材少、檢測速度快的特點，具有很好的應用前景，有望實現對肉類食品新鮮度的直接檢測。

4 結 語

目前，肉及肉制品新鮮度檢測技術的研究不斷深入，呈現的趨勢是多種檢測技術相融合，多測量指標與智能、無損、便攜的檢測技術相融合。傳統檢測技術雖然具有操作簡便、成本較低、研究成熟的優點，但耗時較長，破壞樣品，大部分需在實驗室進行，無法實時監測和快速反饋，不適用于市場的快速監測；新型檢測技術近幾年發展迅猛，其具有快速性、無損性、準確性，能實現多指標檢測，但相較于傳統檢測技術，它的成本較高，受環境因素影響較大，對操作人員的專業知識和技術要求較高，技術成熟度還需要進一步提高；其他檢測技術則有智能化、無損化、精準化、實時化的優點并且有巨大的發展潛力，但它目前尚處于研究探索階段，研究成本較高，技術難度較大，不能在市場應用。

未來該領域的研究趨勢將更加注重跨學科融合，整合化學、生物學、物理學、環境科學和信息技術等領域的知識和方法，開發精確性高、操作簡單的新鮮度檢測技術。同時，在檢測技術的研發過程中，科研人員應充分考慮其對環境的影響，努力實現環境友好和可持續性。未來的檢測技術將更加高效、精確，為食品安全和消費者健康提供更有力的保障。

參考文獻：

[1] 秦越. 中國居民肉類消費特征與趨勢研究[D]. 北京： 中國農業科學院， 2022： 1-4.

[2] 董越， 李文博， 孫武亮， 等. 負載花青素的多孔聚乳酸納米纖維指示膜用于無損檢測羊肉的新鮮度[J]. 食品與發酵工業， 2024， 50（8）： 278-283. DOI：10.13995/j.cnki.11-1802/ts.036277.

[3] 袁芳， 郭培源， 吳浩， 等. 豬肉新鮮度檢測方法發展的文獻綜述[J]. 中國農業科技導報， 2009， 11（S1）： 72-74. DOI：10.3969/j.issn.1008-0864.2009.z1.023.

[4] 呂日琴， 黃星奕， 辛君偉， 等. 魚新鮮度檢測方法研究進展[J]. 中國農業科技導報， 2015， 17（5）： 18-26. DOI：10.13304/j.nykjdb.2015.520.

[5] 林亞青， 房子舒. 豬肉新鮮度檢測方法綜述[J]. 肉類研究， 2011， 25（5）： 62-65. DOI：10.3969/j.issn.1001-8123.2011.05.014.

[6] 陳珈玉， 韓春元， 肖宇， 等. 雞肉品質評價與貯藏保鮮研究進展[J].

肉類研究， 2023， 37（7）： 45-51. DOI：10.7506/rlyj1001-8123-20230529-053.

[7] 朱艷利. 肉品新鮮度的常用感官檢驗方法[J]. 北方牧業， 2003（19）： 28.

[8] 左曉佳， 再努熱·吐爾孫. 肉品新鮮度評價及保鮮技術研究進展[J].

肉類研究， 2023， 37（12）： 69-75. DOI：10.7506/rlyj1001-8123-20231213-112.

[9] 雷力. 肉的新鮮度檢測方法的研究[D]. 長春： 吉林大學， 2011： 2-3.

[10] 齊廣宇. 基于QCM氣敏傳感器的魚肉中TVB-N快速檢測[D]. 淄博： 山東理工大學， 2023： 1-2.

[11] 邵金良， 楊芳， 杜麗娟， 等. 肉與肉制品中揮發性鹽基氮測定方法的改進[J]. 肉類研究， 2009， 23（10）： 58-60.

[12] 馬聰聰， 張九凱， 盧征， 等. 水產品新鮮度檢測方法研究進展[J]. 食品科學， 2020， 41（19）： 334-342. DOI：10.7506/spkx1002-6630-20190930-370.

[13] ZHENG Y X， GAO H K， LIU Z Y， et al. Ammonia/pH super-sensitive colorimetric labels based on gellan gum， sodium carboxymethyl cellulose， and dyes for monitoring freshness of lamb meat[J]. International Journal of Biological Macromolecules， 2024： 274： 133227. DOI：10.1016/j.ijbiomac.2024.133227.

[14] 劉興海， 李月童， 邱詩波， 等. 蛋白類食品新鮮度的檢測方法[J]. 湖南包裝， 2021， 36（2）： 5-8; 12. DOI：10.19686/j.cnki.issn1671-4997.2021.02.002.

[15] 李汝春， 鞠雷， 葛愛民. 肉新鮮度的理化學檢驗方法[J]. 肉類工業， 2015（11）： 45-47. DOI：10.3969/j.issn.1008-5467.2015.11.016.

[16] 袁寶多， 馬坤瑛， 端肖楠， 等. 豬肉新鮮度快速檢測方法及相關性分析[J]. 食品工業， 2021， 42（8）： 270-274.

[17] 王長遠， 馬萬龍， 姜昱男. 豬肉新鮮度的檢測及肉質綜合評定[J].

農產品加工（學刊）， 2007（10）： 75-77. DOI：10.3969/j.issn.1671-9646-B.2007.10.025.

[18] 馬艷麗， 杜鵬飛， 王守經， 等. 4 ℃冷藏溫度下羊肉新鮮度評價模型的構建[J]. 食品科技， 2023， 48（2）： 100-105. DOI：10.13684/j.cnki.spkj.2023.02.024.

[19] 國家衛生健康委員會. 食品安全國家標準 食品微生物學檢驗 菌落總數測定： GB 4789.2—2022[S]. 北京： 中國標準出版社， 2022.

[20] 蔣麗施. 肉品新鮮度的檢測方法[J]. 肉類研究， 2011， 25（1）： 46-49.

[21] 兀征， 王登臨， 董瑞鵬， 等. LAL試驗快速檢測肉品細菌污染程度及鮮度的研究[J]. 中國預防獸醫學報， 2002， 24（4）： 65-70. DOI：10.3969/j.issn.1008-0589.2002.04.020.

[22] 彭巧梅， 鄒洋， 劉興海， 等. 魚肉新鮮度檢測方法研究[J]. 數字印刷， 2020（2）： 32-42. DOI：10.19370/j.cnki.cn10-1304/ts.2020.02.002.

[23] 黃燦燦， 陳亞龍， 陳海根. 基于傳感器陣列的小黃魚新鮮度檢測電子鼻設計[J]. 湖北農業科學， 2024， 63（8）： 252-256. DOI：10.14088/j.cnki.issn0439-8114.2024.08.042.

[24] 叢軍， 李星. 基于電子鼻、電子舌技術的榮昌豬肉及其制品貯藏過程新鮮度檢測研究[J]. 食品安全質量檢測學報， 2024， 15（7）： 192-201. DOI：10.19812/j.cnki.jfsq11-5956/ts.20231202002.

[25] 王媛媛， 楊楊， 徐悅， 等. 嗅覺可視化技術在食品品質檢測中的應用[J]. 中國食品學報， 2023， 23（12）： 395-406. DOI：10.16429/j.1009-7848.2023.12.039.

[26] 張金貴. 基于嗅覺可視化技術的豬肉新鮮度檢測方法及智能化裝備研發[D]. 鎮江： 江蘇大學， 2023： 5-7.

[27] 趙杰文， 黃曉瑋， 鄒小波， 等. 基于嗅覺可視化技術的豬肉新鮮度檢測[J]. 食品科學技術學報， 2013， 31（1）： 9-13. DOI：10.3969/j.issn.2095-6002.2013.01.002.

[28] 牟心泰， 杜險峰. 電子鼻與電子舌在食品行業的應用[J]. 現代食品， 2020（5）： 118-119; 126. DOI：10.16736/j.cnki.cn41-1434/ts.2020.05.036.

[29] 貴州大學. 一種基于電子舌的羊肉新鮮度的快速檢測方法： CN201510360821.0[P]. 2015-10-07.

[30] 韓劍眾， 黃麗娟， 顧振宇， 等. 基于電子舌的肉品品質及新鮮度評價研究[J]. 中國食品學報， 2008， 8（3）： 125-132. DOI：10.3969/j.issn.1009-7848.2008.03.023.

[31] 王婉茹， 李雪茹， 孫于磊， 等. 電子舌在肉品質檢測中的應用[J].

農產品加工， 2023（11）： 70-72; 75. DOI：10.16693/j.cnki.1671-9646（X）.2023.06.018.

[32] 柳琦， 涂鄭禹， 陳超， 等. 計算機視覺技術在食品品質檢測中的應用[J]. 食品研究與開發， 2020， 41（16）： 208-213. DOI：10.12161/j.issn.1005-6521.2020.16.035.

[33] 李振波， 李萌， 趙遠洋， 等. 基于改進VGG-19卷積神經網絡的冰鮮鯧魚新鮮度評估方法[J]. 農業工程學報， 2021， 37（22）： 286-294. DOI：10.11975/j.issn.1002-6819.2021.22.033.

[34] 周煒， 李小昱， 王為， 等. 基于機器視覺的豬肉新鮮度無損檢測方法的研究[C]//“第二屆國際計算機及計算技術在農業中的應用研討會”暨“第二屆中國農村信息化發展論壇”論文集. 中國農業大學， 國家農業信息化工程技術研究中心， 中國農業工程學會， 等. 2008： 7.

[35] 孫永海， 趙錫維， 鮮于建川. 基于計算機視覺的冷卻牛肉新鮮度評價方法[J]. 農業機械學報， 2004， 35（1）： 104-107. DOI：10.3969/j.issn.1000-1298.2004.01.027.

[36] 吳浩， 郭培源， 畢松. 基于Matlab的神經網絡豬肉新鮮度測定與研究[J]. 農機化研究， 2010， 32（8）： 113-117. DOI：10.3969/j.issn.1003-188X.2010.08.030.

[37] 劉雅娜， 王文君， 蘇里陽， 等. 質構儀評定牛羊肉新鮮度研究[J]. 食品工業， 2016， 37（8）： 154-157.

[38] 劉興余， 金邦荃， 詹巍， 等. 豬肉質構的儀器測定與感官評定之間的相關性分析[J]. 食品科學， 2007， 28（4）： 245-248. DOI：10.3321/j.issn：1002-6630.2007.04.056.

[39] 李振興， 劉鐘棟. 魚肉彈性與其新鮮度相關性的研究[J].

鄭州工程學院學報， 2003， 24（4）： 37-39. DOI：10.3969/j.issn.1673-2383.2003.04.010.

[40] 蔡健榮， 萬新民， 陳全勝. 近紅外光譜法快速檢測豬肉中揮發性鹽基氮的含量[J]. 光學學報， 2009， 29（10）： 2808-2812. DOI：10.3788/AOS20092910.2808.

[41] 鄭文雄， 楊榕琳， 高澤欣， 等. 雞肉防腐保鮮方法及鮮度檢測新技術研究進展[J]. 中國食品添加劑， 2024， 35（7）： 209-216. DOI：10.19804/j.issn1006-2513.2024.7.026.

[42] LEROY B， LAMBOTTE S， DOTREPPE O. Prediction of technological and organoleptic properties of beef longissimus thoracis from near-infrared reflectance and transmission spectra[J]. Meat Science， 2004， 66（1）： 45-54. DOI：10.1016/S0309-1740（03）00002-0.

[43] 王超， 劉言， 夏珍珍， 等. 基于近紅外光譜技術的小龍蝦新鮮度快速檢測研究[J]. 光譜學與光譜分析， 2023， 43（1）： 156-161. DOI：10.3964/j.issn.1000-0593（2023）01-0156-06.

[44] 徐霞， 成芳， 應義斌. 近紅外光譜技術在肉品檢測中的應用和研究進展[J]. 光譜學與光譜分析， 2009， 29（7）： 1876-1880. DOI：10.3964/j.issn.1000-0593（2009）07-1876-05.

[45] 柴迎慧， 俞玥， 宋嘉慧， 等. 近紅外光譜技術結合化學計量學用于畜禽肉制品品質分析的研究進展[J]. 食品安全質量檢測學報， 2022， 13（10）： 3098-3105. DOI：10.19812/j.cnki.jfsq11-5956/ts.2022.10.011.

[46] 張庭霨， 鐘猛猛， 黃英吉， 等. 基于光譜技術的豬肉新鮮度檢測方法的研究[J]. 電腦知識與技術， 2021， 17（30）： 155-156; 159. DOI：10.14004/j.cnki.ckt.2021.2915.

[47] 張玨， 田海清， 張麗娜， 等. 高光譜成像技術對羊肉新鮮度的無損檢測[J]. 食品與發酵工業， 2020， 46（12）： 237-243. DOI：10.13995/j.cnki.11-1802/ts.023341.

[48] 張雷蕾， 李永玉， 彭彥昆， 等. 基于高光譜成像技術的豬肉新鮮度評價[J]. 農業工程學報， 2012， 28（7）： 254-259. DOI：10.3969/j.issn.1002-6819.2012.07.042.

[49] 謝安國， 紀思媛， 李月玲， 等. 基于遺傳算法和深度神經網絡的近紅外高光譜檢測豬肉新鮮度[J]. 食品工業科技， 2024， 45（17）： 345-351. DOI：10.13386/j.issn1002-0306.2023120096.

[50] 徐子洋， 姜新華， 白潔， 等. 基于多標記深度森林算法的冷鮮羊肉新鮮度無損檢測方法[J]. 光譜學與光譜分析， 2024， 44（2）： 580-587.

[51] 高萬豪. 基于多光譜技術的羊肉新鮮度無損檢測[D]. 保定： 河北農業大學， 2019： 6-7.

[52] 孟繁松. 三維熒光光譜分析在肌氨酸氧化酶蛋白檢測的應用[D].

無錫： 江南大學， 2021： 1-2.

[53] 馬紅艷. 羊肉新鮮度三維熒光光譜檢測技術研究[D]. 銀川： 寧夏大學， 2023： 3-7.

[54] CHEN S H， QI G Y， ZHANG L， et al. Detection of salmon meat freshness using QCM gas sensor array combined with physicochemical method[J]. Microchemical Journal， 2023， 194： 109353. DOI：10.1016/j.microc.2023.109353.

[55] 張潔， 蔡明月. 生物傳感器技術在食品安全檢測中的應用研究[J]. 食品安全導刊， 2024（20）： 157-159. DOI：10.16043/j.cnki.cfs.2024.20.038.

[56] 葛鑫禹， 張朵朵， 朱麗， 等. 薄膜熒光傳感器對冷藏鴨肉新鮮度的無損檢測[J]. 中國食品學報， 2022， 22（4）： 309-317. DOI：10.16429/j.1009-7848.2022.04.030.

[57] FORTIN A， TONG A K W， ROBERTSON W M， et al. A novel approach to grading pork carcasses： computer vision and ultrasound[J]. Meat Science， 2003， 63（4）： 451-462. DOI：10.1016/S0309-1740（02）00104-3.

[58] 韓曉雪， 司軍， 武俊峰， 等. 食品智能包裝新鮮度指示劑研究進展[J]. 食品安全質量檢測學報， 2023， 14（7）： 173-181. DOI：10.19812/j.cnki.jfsq11-5956/ts.2023.07.025.

[59] CHAARI M， ELHADEF K， AKERMI S， et al. Development of a novel colorimetric pH-indicator film based on CMC/flaxseed gum/betacyanin from beetroot peels： a powerful tool to monitor the beef meat freshness[J]. Sustainable Chemistry and Pharmacy， 2024， 39： 101543. DOI：10.1016/j.scp.2024.101543.

[60] 韓婷婷， 孫沖， 王道營， 等. 可視化智能包裝在食品新鮮度監測中的應用研究進展[J]. 肉類研究， 2021， 35（12）： 46-53. DOI：10.7506/rlyj1001-8123-20210721-187.

[61] 關海寧， 冷思琦， 劉登勇， 等. 肉品新鮮度智能指示標簽的形成分類與機制研究進展[J]. 食品安全質量檢測學報， 2023， 14（5）： 77-84. DOI：10.19812/j.cnki.jfsq11-5956/ts.2023.05.007.

[62] 邵卓麒， 劉彥泓， 朱金艷， 等. 基于貴金屬納米酶的比色傳感技術在食品安全檢測中的應用[J]. 食品安全質量檢測學報， 2024， 15（12）： 135-142. DOI：10.19812/j.cnki.jfsq11-5956/ts.20240322007.

[63] SONG G C， LI C， FAUCONNIER M L， et al. Research progress of chilled meat freshness detection based on nanozyme sensing systems[J]. Food Chemistry： X， 2024： 22： 101364. DOI：10.1016/j.fochx.2024.101364.

[64] SUN G C， WEI X B， ZHANG D P， et al. Immobilization of enzyme electrochemical biosensors and their application to food bioprocess monitoring[J]. Biosensors， 2023， 13（9）： 886. DOI：10.3390/bios13090886.

[65] 鄒艷秋， 金懷洲， 金尚忠， 等. 生物超微弱發光在豬肉新鮮度檢測中的應用[J]. 激光生物學報， 2016， 25（2）： 178-184. DOI：10.3969/j.issn.1007-7146.2016.02.013.