冷鏈物流對鮮肉新鮮度的影響及智能檢測

王建強，陳景華，郝發義，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，陳景華，郝發義，李芃，毛渝沁，周奕楓，陳之毅，曹瑋杰

（上海理工大學 出版印刷與藝術設計學院，上海 200093）

研究肉類新鮮度檢測方法在冷鏈物流中的應用進展，以發展符合市場需求的食品新鮮度檢測技術。根據肉類腐敗原理，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的工作原理，介紹肉類新鮮度檢測技術的研究現狀。雖然近年來肉類新鮮度檢測技術逐漸智能化，提高了檢測精度，但依然存在技術檢測成本高昂，針對銷售環節無法做到有效監控等問題。智能標簽作為一種相對成本低廉、加工方便的檢測技術具有很大的發展空間。

冷鏈物流；肉類新鮮度；智能檢測

隨著我國經濟快速發展，人民收入逐漸提高，人們對商品的質量也有了新的要求。普通物流體系對于商品尤其是食品的保護還有欠缺，在運輸過程中時常出現食品變質腐壞的狀況。鑒于此，冷鏈運輸行業迅速發展起來。2020年我國的冷鏈運輸市場已經超過3800億元[1]，隨著國家一系列的政策出臺，未來冷鏈市場還會進一步擴大規模。冷鏈運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40年代，Clark[2]就已經發明了一種指示劑，可用來檢測包裝內食品表面細菌變化情況，細菌代謝使得食品腐敗，導致包裝內pH發生變化，該指示劑在不同pH環境下顯示不同顏色。消費者通過對比指示劑顏色與標準色卡可以確定食品新鮮度。20世紀90年代，Funazaki等[3]發現鮮肉*值、*值與鮮肉貯藏時間密切相關，提出利用色彩色差計檢測肉品新鮮度。Russell等[4]發現鮮肉在腐敗過程中產生的氨類化合物與布三酮可以發生反應，導致顏色變化，通過布三酮顯色反應可以檢測鮮肉新鮮度。

隨著信息化時代的到來，各個行業的技術創新都集中在信息化技術的產業融合和運用上，冷鏈物流便是能很好體現技術融合的產業之一。溫度控制系統、智能排列系統、安全檢測系統等均是根據需求分化出管控冷鏈物流各階段的智能技術系統。食品新鮮度檢測作為食品安全中重要的一環同樣得到發展。對食品新鮮度檢測技術展開探究尤為重要[5]。

1 冷鏈運輸對肉類新鮮度的影響

1.1 鮮肉冷鏈物流現狀

肉類屬于易腐易損食品，在運輸過程中，其品質易發生質量安全問題。冷鏈物流是保護肉類產品質量的有效方法。在發達國家，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、上海等發達城市，冷鮮肉已經占到鮮肉市場的30%，在杭州市區小范圍內已達到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、導致肉類失去食用價值主要有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分解過程稱為肉的自家溶解，由微生物作用引起的蛋白質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。

鮮肉內自溶酶的作用：生物體內擁有大量的酶用來催化生成代謝所需的各種反應，在生物死亡后，許多內源性酶在一定溫度和濕度環境中仍然活躍，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降解肉蛋白結構，脂肪酶和脂氧合酶在氧氣環境中會將不飽和脂肪酸氧化，導致脂肪酸敗變質。肉類自身酶的作用是肉類變質初期的重要因素。

天然蛋白質通常不能直接被微生物吸收，這是因為天然蛋白質是高分子的膠體粒子，它不能通過微生物的細胞膜。大多數微生物都是在蛋白質分解產物上才能迅速發展，肉的自溶為微生物的繁殖提供了條件。

腐敗微生物的生長：動物死后由于停止了血液循環，失去了吞噬細菌的功能，使得細菌得到了繁殖生長的機會。鮮肉在屠宰、分割至包裝的各個階段都有可能被腐敗細菌污染。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酶分解產生的小分子物質作為自己的代謝能量外，一些微生物自身也會在胞外產生蛋白酶，分解鮮肉內的蛋白質等大分子化合物。肌肉組織的腐敗就是肌肉中蛋白質受微生物作用的分解過程，微生物將蛋白質初步水解為多肽，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。微生物產生的脂肪酶將脂肪分解為脂肪酸和甘油，使鮮肉產生了不良氣味。在一定的溫度濕度和氣體環境下，微生物借助生物體內的營養物質大量繁殖，破壞鮮肉肉質的同時產生大量有害物質，這是使鮮肉腐敗的主要因素。

圖1 食品腐敗影響因素

1.3 冷鏈運輸各環節對鮮肉新鮮度的影響

鮮肉的冷鏈物流指鮮肉在經過冷凍加工后，在包裝、分揀、運輸、倉儲等各個環節始終處于低溫環境，最大程度減緩整個物流環節中鮮肉的腐敗進程，保證營養物質不被破壞。

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 ℃，酶的活性會被削弱二分之一到三分之一，酶的活性降低會大大減緩食品腐敗速度。低溫環境也可以降低腐敗微生物生長繁殖的速度，減慢物質代謝，打亂微生物體內平衡，使微生物細胞原生質變稠，水循環失調，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營養物質的變質[9]。在冷鮮肉加工時，會在剛屠宰后的鮮肉表面用質量分數為2%的乳酸進行沖淋，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，達到抑制胴體表面微生物生長和胴體內酶活性的目的。在快速冷卻結束后，再將鮮肉放置在?1～4 ℃的預冷間將胴體中心溫度保持在0～4 ℃[10]。

1.3.2 冷鮮肉貯藏和運輸

熱鮮肉與冷鮮肉在運輸和貯藏過程中的區別在于胴體溫度不同。熱鮮肉通常是在凌晨宰殺分割，經過簡單處理后在清晨于市場售賣；冷鮮肉在經過2次冷卻等加工后，在貯藏和運輸環節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熱鮮豬肉品質發現（見圖2），在25 ℃下保存的豬肉比在4 ℃保存的豬肉揮發性鹽基氮（TVB-N）值提前60 h達到150 mg/kg。在抑制微生物方面，低溫環境以及對運輸工具的及時消毒降低了運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，冷鮮肉的貯藏和運輸是對冷鮮肉質量安全影響較大的環節。在長途運輸過程中，運輸工具內的冷藏溫度可能會發生波動；在運輸環節中的裝卸和搬運等過程均會使冷鮮肉溫度發生波動。付麗等[13]發現溫度波動對冷鮮肉的新鮮度影響巨大。

1.3.3 冷鮮肉銷售

冷鮮肉在經過運輸后進入銷售端，在上架銷售前會再對冷鮮肉進行清洗，清洗過后的冷鮮肉會被包裹一層保鮮膜或被放置于氣調包裝內，有利于消費者選購，同時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境[14]。從整個流程來看，冷鮮肉從加工到運輸再到銷售，各個環節都有利于肉類的營養保存，保質期延長。

1.4 鮮肉新鮮度評判標準

鮮肉在物流期間，內部營養成分在內源性酶和腐敗微生物的氨化和轉胺作用下被大量消耗，逐漸產生氨、伯胺、仲胺類等含氮堿性物質，這類物質隨后與鮮肉內部代謝產生的有機酸發生反應生成了具有揮發特性的鹽基態氮。TVB-N值會隨著鮮肉逐漸腐敗而變大，可以有效反應肉的新鮮程度，目前TVB-N值是評價肉新鮮度的重要理化標準之一[15]。

隨著貯藏時間的延長，冷鮮肉感官特征發生明顯變化。體內酶的催化作用和微生物不斷代謝產生大量代謝產物，產生異味，并且在腐敗過程中肉品色澤變化也比較明顯，在經過屠宰、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，鮮肉呈現正常的鮮紅色。隨著貯藏時間的延長，鮮肉外表面水分逐漸缺失，肌肉組織內部缺少氧氣，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為暗紅。從鮮肉外表特征中可以區分鮮肉新鮮程度，見表1，根據NY/T 1759—2009，畜肉類被分為3個新鮮度。魚類和海產品新鮮度標準主要依靠揮發性含氮化合物值來判定。

2 食品新鮮度的監測方法

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、質感，對食物質量和新鮮程度進行評估[16]。鮮肉在腐敗過程中色澤、肉質、紋理和氣味會發生一定變化。消費者在經過專業培訓或積累大量生活經驗后可以直接通過感官快速及時地判斷出鮮肉的新鮮程度。感官檢測法無需成本，不受設備場地限制，目前國內大部分消費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者。

表1 國家畜肉類新鮮度標準

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生的揮發性氣體吸附，通過相關電子設備分析氣體成分和濃度，再轉換為電信號方便系統進行分析識別，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，設計了檢測冰箱中食品新鮮度的電子鼻系統，見圖3，該傳感器主要通過不同濃度的目標氣體導致傳感器的導電率不同，最終反應為傳感器阻值的變化，通過感應電壓來顯示食品新鮮程度。

經過多次實驗發現，當傳感器輸出電壓超過0.5 V時，鮮肉表面顏色逐漸加深，當傳感器輸出電壓超過1.5 V時，鮮肉揮發性鹽基氮含量超過150 mg/kg，變為腐敗肉，見圖4。

電子鼻系統往往用于檢測整個冰箱或冷柜的食品新鮮度，檢測空間較大。鮮肉腐敗初期，揮發氣體濃度較少時，電子鼻系統靈敏度較低。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（SVM）算法處理信息，有效提升了檢測速度和準確率。

電子鼻系統對設備依賴大，適用于搭載在冷鏈運輸工具上或貯藏空間內，檢測信息依靠電子設備傳輸，這樣通過網絡可以直接與檢測中心相連，對食品新鮮度進行實時檢測。Feng[22]使用卷積神經網絡和支持向量機的算法儲存數據，并將數據與物聯網的檢測系統連接，有利于實現對運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備依賴較大，針對貯藏和運輸環節可以實現智能化檢測，食品腐敗初期檢測精度較低，且在銷售環節無法直接對消費者提供新鮮度信息，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行光譜掃描，同時對待測樣品相關理化性質進行測量，得出數據，通過組建模型將樣品光譜圖像與理化性質數據結合，設計相關算法，通過光譜圖像可直接對樣品性質進行檢測[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行快速檢測，Yin[26]使用紅外光譜對吐司面包表面污染進行無損檢測。在肉品新鮮度變化過程中，蛋白質、脂肪和水分含量等營養成分也相應發生變化，從而導致鮮肉光譜成像發生變化。經過大量研究發現了一些與肉質相關的特征波長，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行了在線檢測，采集了位于350～1100 nm的211個樣本，經過噪聲處理后建立了PLSR模型，取得了良好的預測結果。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，研究光譜信息與細菌菌落總數之間的關系，結果表明，其可以實現對雞胸肉細菌總數的快速無接觸檢測。

影響光譜變化的因素較多，光譜信息復雜，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投影算法，篩選與TVB-N含量相關的特征波長，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重這2個方面對粒子群算法進行改進，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測準確性。

Yu[31]采用可見近紅外光譜與近紅外光譜這2種高光譜成像系統對冷藏的羅非魚進行光譜掃描，將2種光譜數據融合，并采用遺傳算法和競爭自適應重加權法等多種變量選擇特征波長的方法進行優化，結果表明，基于低級數據融合的變量選擇方法比單一光譜數據獲得了更好的模型。

圖3 電子鼻系統

圖4 電子鼻隨時間響應曲線

綜上所述，紅外光譜檢測鮮肉新鮮度應用于冷鏈物流具有很大潛力，該技術具有不破壞樣本，使用方便，易實現智能檢測等優點，可以在倉儲環節進行大批量快速無損檢測，目前國內還是停留在實驗階段。在肉制品變質過程中，內部變化復雜多樣，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測結果穩定可靠。

2.4 計算機視覺識別

在肉品腐敗變質過程中，其內部化學組分變化的同時也伴隨顏色、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量的評判標準。計算機視覺技術[32]屬于感官檢測法的高級運用，通過計算機代替人類去理解和識別目標圖像，并借助圖像處理技術將肉品顏色、紋理等圖像特征進行數字化表達，實現肉品新鮮度的預測和分析[33]。Chen等[34]利用計算機視覺技術提取大量牛肉脂肪圖像信息，與支持向量機結合，對牛肉進行了分級。潘婧等[35]以計算機視覺為基礎，提取豬肉顏色特征參數，并利用神經網絡進行預測豬肉新鮮度。

單一的計算機視覺無法檢測鮮肉內部信息，檢測精度不高。Sooin等[36]采用125～128 kHz的電阻抗譜和計算機視覺技術，設計了一套無創新鮮度評估系統，其使用電阻抗儀獲得肉類的電阻抗譜，經過阻抗值和相關理化性質的測試，得出阻抗值與貯藏時間基本呈負相關，當頻率達到128 kHz時，相關性達到最高。結合電阻抗譜和計算機采集的肉圖像信息，利用Adaboost分類算法和梯度增強回歸算法組建預測模型，該模型預測準確率比單獨使用計算機圖像預測提高了30%，達到了85%。萬新民[37]將豬肉近紅外光譜信息與計算機視覺信息融合，利用BP神經網絡建立基于2種檢測信息的識別模型，結果表明其評判結果的準確性高于單一信息模型。

為方便消費者使用計算機視覺檢測技術，Isabel等[38]設計了一種使用智能手機就可以檢測鮮肉新鮮度系統，通過氣體傳感器檢測了鮮肉在腐敗過程中散發出的氣體，分析了鮮肉在不同新鮮程度時細菌的增長情況。將不同新鮮程度鮮肉散發出氣體的濃度值與細菌數結合鮮肉圖像的灰度建立函數關系，經過實 驗發現，當豬肉灰度值大于98.5時，鮮肉處于腐敗狀態。

計算機視覺技術是光學成像技術、計算機技術、人工智能等多種技術融合而成，具有速度快、智能化高、穩定等諸多優點。計算機視覺技術只可以采集食品表面信息，單獨檢測精度不高，與近紅外光譜技術等可以采集鮮肉內部信息的檢測方法結合，可以有效提升準確率。隨著計算機等電子硬件成本的降低，該技術會得到越來越廣泛的應用。

2.5 智能標簽技術

智能標簽一般利用可以隨著周圍環境某些因素改變而發生顏色改變或形態變化的物質作為指示劑，再將指示劑通過某種載體制成的標簽。智能標簽具有體積小、成本低、信息識別方便等優點，目前已經在防偽、物流跟蹤、溫度監測、新鮮度監測等領域廣泛應用。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生顯著變化。Vivaldi[40]使用摻銅離子液體裝飾RFID標簽，使該標簽對溫度敏感，可以監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變標簽，可以監測衣服等紡織品在洗滌后的應變。智能標簽作為食品新鮮度檢測領域最早發展的技術之一具有非常大的發展潛力，標簽可以跟蹤冷鏈物流中任何環節，同時低廉的成本和易于識別的優點使智能標簽在冷鏈物流產業鏈最下游的銷售環節依然可以作為消費者識別包裝內部食品新鮮度的參照。

化學指示劑具有性能穩定、成本低廉、易于加工等優點，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簽，使得標簽監測范圍變廣，顏色變化明顯，可以更清楚地監測到鮮肉的新鮮程度。杜月紅等[43]使用溴甲酚藍、溴甲酚紫、溴百里酚藍和甲基紅等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合材料制成條形碼，根據鮮肉揮發出的氣體種類和濃度不同，形成彩色條形碼，使用深度卷積神經網絡（DCNN）對大量條形碼訓練，得到預測肉類新鮮度的DCNN，準確率可以達到98.5%。該DCNN可以移植入智能手機，使用戶可以隨時獲得新鮮度信息。隨著科技的進步和智能材料的不斷出現，環保和易于大規模加工生產成為了智能標簽技術新的發展趨勢。

圖5 在4 ℃下貯存包裝的不同新鮮度指示標簽的顏色變化

2.5.1 材料環保化

智能標簽可以變色的原因就在于代謝產物與指示劑發生變色反應。指示劑是智能標簽的心臟。化學指示劑過去一直是主要指示劑。目前環境問題日益嚴重，環保成為主流，許多天然物質被發現，天然提取物作為指示劑成為新的研究熱點。已有多種天然物質被作為指示劑用于智能標簽。

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，可以隨著周圍環境的酸堿改變顏色，見表2。花青素廣泛存在于植物的果實中，是理想的指示劑原料[45]。

花青素分布廣泛，目前已經在300余種植物中發現花青素。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行新鮮度檢測，結果表明，在豬肉變質時，薄膜從紅色變為綠色。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敏感復合膜，在新鮮雞肉到腐敗雞肉的轉變過程中，復合膜的顏色從粉紅色變成紫色，并通過標簽上表示新鮮的“笑臉”和表示腐敗的“悲臉”這2種簡單圖像使消費者獲得直觀的新鮮度信息，見圖6。Liu[49]使用紅甘藍花青素為指示劑，通過靜電相互作用和氫鍵結合將紅甘藍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的氣體逐漸使花青素的結構由紅色的鹽離子變為藍色的醌堿，他還對含有不同花青素含量的薄膜進行靈敏度實驗，結果表明，含量越多，其對揮發性氣體越敏感，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加入指示膜，使薄膜在起指示功能的同時具有保護性能。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，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，實驗結果表明，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，在食品行業主要作為食品著色劑，對人體健康有益。姜黃素對環境中pH變化具有一定敏感性，當周圍環境由酸性變為堿性時姜黃素內分子兩端的羥基發生電子云偏離的共軛效應，當pH大于8時，姜黃素溶液會發生變色反應，酸性條件下的紅色變為黃色。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，在雞肉變質過程中，薄膜顏色從亮黃色變為淡紅色。姜黃素單獨作為指示劑時變色范圍窄，在pH=1～7沒有顏色變化。鄭輝等[56]將紅甘藍花青素與姜黃素混合，以卡拉膠為成膜基質制成標簽，對豬肉進行新鮮度檢測，在室溫和冷藏條件下，指示標簽均發生顏色變化，當TVB-N值小于0.15 g/kg時，指示標簽呈綠色；當TVB-N值在0.15～0.20 g/kg時，指示標簽開始由綠色向黃色轉變；當TVB-N值大于0.20 g/kg時，指示標簽完全呈黃色。指示標簽的變色與理化指標相匹配。

表2 花青素在不同pH下的變化

圖6 多層pH敏感復合膜結構

天然色素作為理想的指示劑原料具有無毒無污染等優點，也存在化學性質不穩定，易受環境因素影響等缺點。如何增加天然色素在標簽中的穩定性還需要更進一步的研究。

2.5.2 生產便捷化

智能標簽的主要物質是指示劑，在研究指示劑的同時，指示劑的載體也在發展，智能指示標簽的載體大多數為高分子材料制成的薄膜，將薄膜覆在包裝內部，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簽，這樣可以既有利于生產也有利于保存。

王洪江等[57]使用甲基紅與溴百里酚藍這2種酸堿指示劑作為油墨的顏料，指示范圍變大。改變標簽所處環境的pH值，標簽上油墨呈現不同的顏色，從酸性條件下的紅色逐漸變為中性環境下的綠色，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。將油墨通過絲網印刷的方式印在紙張上制成標簽，隨著揮發氨的濃度來增大，標簽顏色從紅紫色變成黃綠色，經過實驗說明該油墨具有對揮發氨的快速顯著的顏色反應。

Wang等[59]用藍莓花青素作為指示劑，用殼聚糖等物質制成油墨，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到97.8%和98.9%，通過對揮發性堿性氮和pH值的分析，證明了該標簽對魚類新鮮度的有效指示特性。

3 結語

從目前的冷鏈物流市場分析出發，發現食品新鮮度檢測技術具有廣闊的發展前景。目前已經開發出的技術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商用的主要因素，電子鼻技術、近紅外光譜技術等由于設備限制只能應用于倉儲和物流環節，無法對消費者直接提供新鮮度信息。計算機視覺技術依托于移動智能手機，逐漸擺脫設備限制，使消費者可以快速檢測食品新鮮度，其中準確率會受到食品環境中光線和本身智能手機像素等影響，達不到精準檢測。近年來，智能標簽檢測技術發展迅速，氣體指示型智能標簽檢測具有更準確、更便捷等優點。標簽可以通過工廠大規模生產；指示劑也開發出天然植物色素，不會對環境造成污染；標簽可以監測整個冷鏈物流，在銷售環節可以直接向消費者提供新鮮度信息，新鮮度信息也便于識別。智能標簽具有非常大的實用性。

[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業年會上的講話[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[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. 進出口肉及肉制品分析檢驗技術[M]. 鄭州: 河南科學技術出版社, 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[J]. 農村實用技術, 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. 冷鮮肉加工的關鍵技術及微生物控制[J]. 肉類工業, 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. 不同溫度貯藏熱鮮豬肉品質變化比較[J]. 食品科學, 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, 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節風險控制研究[D]. 唐山: 華北理工大學, 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, 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時檢測及評價中的應用研究[D]. 杭州: 浙江大學, 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快速檢測整塊雞胸肉菌落總數含量[J]. 食品工業科技, 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. 基于優選波長的多光譜檢測系統快速檢測豬肉中揮發性鹽基氮的含量[J]. 光學學報, 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. 基于光學信息檢測技術的羊肉新鮮度快速檢測與判別方法研究[D]. 呼和浩特: 內蒙古農業大學, 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. 基于計算機視覺的冷卻牛肉新鮮度評價方法田[J]. 農業機械學報, 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. 基于神經網絡的豬肉新鮮度檢測分級系統[J]. 農機化研究, 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. 計算機視覺用于豬肉新鮮度檢測的顏色特征優化選取[J]. 食品與發酵工業, 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和計算機視覺技術的豬肉品質檢測的研究[D]. 鎮江: 江蘇大學, 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. 豬肉新鮮度指示標簽的制備及應用[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[J]. 包裝學報, 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, 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/姜黃素智能標簽的制備及應用[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]. 包裝學報, 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 標簽及其制作方法和應用: 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實驗室招標課題（ZBKT201810）；大學生創新創業項目（XJ2021449）

王建強（1996—），男，上海理工大學碩士生，主要研究方向為智能油墨、包裝材料。

陳景華（1970—），女，博士，上海理工大學副教授，主要研究方向為印刷材料、功能油墨。