《Food Reviews International》：Chemometrics, Infrared Sensors and Precision Fermentation – Where are We?
编辑推荐：
本文系统回顾了将红外光谱（NIR/MIR）与化学计量学、机器学习相结合，作为过程分析技术（PAT）在食品发酵领域应用的现状与未来趋势。综述聚焦于精密发酵（PF）的实时、在线监测与控制，探讨了传感器技术如何通过数据融合、预测建模和决策支持系统，提高发酵过程的效率、一致性与产品质量，并应对食品安全、可追溯性和可持续发展目标（SDG）等挑战。
摘要
发酵作为一种工艺自古就为人类所关注，食品饮料的发酵是最古老的生物技术应用之一。发酵不仅用于保存食物，也用于增强最终产品的感官、营养和功能属性。饮料和食品通过自然发酵生产，而大规模发酵系统则使用发酵剂或酶系统来保证产品的一致性和质量。发酵技术的发展持续提升着产品产量和质量，降低生产成本，并寻求环境友好型工艺。传感技术与化学计量学以及近年来的机器学习相结合，提供了快速、准确且经济的工具，用于监测广泛参数并控制发酵过程。在各种传感器中，红外光谱（近红外和中红外）因其优势（包括可集成到系统中，避免手动采样）已被采用和测试为监测发酵的工具。本综述评估了当前使用红外等传感器确保发酵过程一致性以及讨论未来趋势。
引言
发酵过程涉及多种生化与代谢活动，如乳酸菌活性、酵母和霉菌的生长，以及有机底物向具有营养或生理益处的生物活性物质的转化。精准监测这些活动对于保证质量和符合标准至关重要。近年来，精密发酵 这一术语被食品制造业创造出来，用以描述通过特殊设计的微生物宿主（即“细胞工厂”）进行优化的任何发酵过程。它涉及代谢工程，即对微生物系统进行基因改造，并结合了生物信息学、高通量筛选、合成生物学、多组学分析工具、动力学建模和机器学习等多种方法。
展示了PF如何将传统生物过程工程与高级控制系统相结合，以优化微生物代谢和产品产量。该图描绘了一个现代生物反应器装置，其中微生物宿主作为工程化的细胞工厂运作，由自动反馈系统和在线传感器（控制pH、温度、营养物流等参数）进行监控。这个示意图突出了蠕动泵、加热系统和多级发酵罐如何连接到实时数据界面，从而实现从实验室到工业生产的有效放大。生物与数字系统的整合体现了精密发酵的核心——将合成生物学与过程分析技术相结合，以持续优化和合成一致的高价值化合物。
在线、现场和手动采样
过程分析技术的实施不仅需要高效的控制系统来监控发酵进程，还需要测量不同的反应或化合物。为此，实时过程监控可使用在线或线上系统实现，无需采样或样品预处理，相比手动或离线控制方法具有显著优势。例如，在大规模葡萄酒发酵监控中，在线系统已成功预测了整个发酵过程中糖、有机酸和甘油的浓度。
阐述了在线、现场和离线分析的概念。在线系统直接集成到生产线或发酵罐中，允许连续、实时分析，无需样品处理。现场系统涉及在工艺流附近进行的快速测量，而离线系统则依赖于手动采样和随后的实验室分析。与总结的例子一起，此图强调了传感技术的进步如何逐步将发酵控制从传统手动测试转向集成、实时的监控框架。
中总结的研究也突显了已成功集成到发酵监控系统中的各种分析模式。诸如光纤近红外光谱和光学背向散射等“在线”和“线上”技术，可实现乙醇浓度、pH和生物量等关键参数的实时、非侵入式跟踪，提供增强过程控制和自动化的连续数据流。现场和离线方法，包括傅里叶变换近红外、高效液相色谱和气相色谱-质谱联用，对于校准和验证预测模型、确保不同类型发酵的分析准确性和可追溯性仍然不可或缺。这些应用涵盖了酒精发酵、乳酸发酵到面团发酵，展示了多变量和基于传感器的系统如何捕捉发酵过程中糖、酸和其他关键代谢物的动态演变。
传感器与传感技术
目前有多种传感器（如电子鼻、电子舌、生物传感器、光学传感器）可供使用，能够以比传统分析方法更敏捷、非侵入和更经济的方式监测食品发酵。多项报告表明，振动光谱学与机器学习工具的集成推动了这些传感技术在现代食品工业中的应用和发展。红外光谱因其优势（包括可集成到系统中并避免手动采样）已被采纳和测试为监测发酵的工具。IR传感器具有的特性使其优于其他可用传感器（如易于操作、无需试剂、低成本）。不同的IR传感器有助于克服其中一些问题，为监测发酵过程中的关键生化参数提供方便、准确且经济有效的方法。在这些技术中，近红外光谱与化学计量学结合用于大数据管理，已成为精密发酵的首选和最合适的工具。IR传感器被视为食品控制和过程分析中最常用的工具之一。总结了振动光谱领域使用的传感器类型及其部分特性和属性。
在食品加工中引入分析工具可以改善对过程信息的获取。这将提供能够收集典型发酵曲线的工具，将发酵的时间进程信息与发酵过程中的化学/生化条件信息相结合。传感技术、化学计量学以及近年来的机器学习能力，提供了监控发酵过程的工具，允许早期识别发酵过程中可能出现的问题。然而，由于传感器可用性和对这些用于测量整个发酵过程的工具知识的有限，传统做法（如温度控制、单一化合物测量如糖分）仍在工业中使用。传感技术与化学计量学和机器学习的结合与集成，正使食品制造商能够表征过程、执行智能控制和预测结果，类似于生物制药制造业所达到的水平。
总体而言，传感技术、化学计量学和机器学习的最新创新正推动食品制造业向实时、自动化和智能制造发展。这些创新正在提高对精密发酵过程的理解和结果。多项报告表明，将振动和光谱传感集成到食品生产中，能够实现对啤酒和葡萄酒中酒精发酵的实时监控，通过沿供应链的连续数据捕获和数字连接支持工业4.0和食品可追溯性4.0框架，支持基于PAT的食用橄榄发酵过程优化，增强了PAT和现场检测平台中测量的计量可追溯性和可比性，通过过程粘度测量实现乳制品制造中的实时产品表征，并允许橄榄油的快速鉴别和分级。这些技术的应用促进了监控系统的发展，有助于提高产品一致性，减少发酵过程中的污染风险和浪费。传感技术的使用提供了收集发酵本身信息的工具，允许对关键参数进行实时调整，从而增强细胞培养的稳定性和可靠性。这一优势对于维持最佳生长条件并最小化污染风险至关重要，而这通常是生物加工环境中的一个重大关切。因此，这些创新不仅提高了生物过程和食品发酵的效率，还促进了稳定和高质量食品产品的生产，符合行业对一致性和安全性的需求。
为了展示当前研究和工业应用的广度，总结了应用红外特别是近红外光谱监测和控制食品发酵的代表性研究。这些例子涵盖了从试点规模酿酒、酿造到酸奶生产、茶叶和可可发酵、牛奶加工甚至固态和生物乙醇过程的多种情境，说明了光谱传感作为PAT的多功能性。在这些研究中，IR和NIR传感器成功地以在线、线上或现场方式集成，以实时跟踪糖分消耗、乙醇生产和微生物活动等关键生化转化。
重要的是，几乎所有研究都将光谱数据与化学计量学或机器学习方法（如主成分分析、偏最小二乘回归、人工神经网络或卷积神经网络）相结合，以从高维光谱数据中提取可操作的见解。这些方法展示了数据分析如何将原始传感器信号转化为可解释的过程指纹，为后续章节描述的预测性和适应性控制策略铺平道路。
数据分析、建模、决策与可追溯性
预测建模
在发酵过程中应用和实施任何监控系统都需要不同程度的数据分析。数据分析在发酵中的一个广泛应用与预测模型的开发相关。为开发此类预测模型，已使用了多种算法，如多元线性回归、主成分分析、偏最小二乘回归、偏最小二乘判别分析，以及非线性算法如支持向量机、人工神经网络和卷积神经网络。这些算法用于关联光谱分析获得的数据与化学测量或其他相关属性，从而预测发酵结果。
最近，在同一过程中同时使用多种类型传感器执行不同分析的能力，要求对数据进行处理和利用。这种数据融合过程或方法是当前挑战，也可能是PAT数据分析演进的下一步。使用DF将提供对系统更全面的理解，并预测复杂质量属性的机会。不仅所选算法对实施PAT系统很重要，预处理方法也必须被考虑。
批次过程控制
除了开发预测模型，数据分析还允许监控批次性能（如一致性、批次间差异、批次处理过程中的问题）。在此过程中，一个对照批次被定义为历史或标准批次或过程，而失控或异常批次/过程则被定义为偏离“对照”轨迹的批次。通过将当前过程的光谱数据与对照数据进行比较，可以检测或监控这些失控的批次或过程。这种策略或应用已被证明可用于监控化学和制药工程中的过程，以及批量发酵。
管理与决策系统
预测模型和批次控制系统的开发是用于解决特定问题的方法，因为它们侧重于过程中发生的特定现象。然而，监控和诊断任务需要对过程进行系统描述，其中仅使用定量方法将需要另一层次的解释。信息系统和管理信息系统用于为管理者提供信息以做出日常运营决策。这些系统可由仪表板或其他报告工具组成，以易于使用的格式呈现可用数据，并且也可能实施模型，根据可用数据提供预测或其他见解，以支持日常运营的“决策支持”。另一方面，决策支持系统与管理信息系统不同，它提供用于支持长期、战略性决策的工具和模型。基于PAT的决策制定（例如实时评估和控制）需要整合所有可用工具。基于PAT的决策制定将允许利用敏捷和客观的分析做出更明智的决策，监控系统性能，预测过程中的故障。这将通过从多源获取可操作的见解，在自动化工作流程的协作环境中提高可靠性，从而获得更好的结果。
可追溯性
法律当局和食品制造业施加的高安全质量标准要求在生产过程中以高通量方式收集数据。食品制造业已开发和实施了不同方法来满足这些需求。这些系统使得能够更好地理解和控制原材料，以实现生产过程中中间产品以及最终包装、储存和交付产品的稳定性和安全性。除了在生产过程中支持决策管理系统外，这些系统还提供了可追溯性的好处。可追溯性是食品制造业的常见做法，是物流管理的一个组成部分，允许沿供应链和价值链共享信息。可追溯性系统不仅需要从安全或质量角度，还需要从所涉及参与者的不同观点整合，以解决经济、法律、技术和社会问题。在食品加工和物流活动中整合可追溯性对制造业已变得重要。此外，监控过程的能力决定了食品制造业可以减少生产周期时间，最小化产品浪费甚至返工。这些系统允许实施现场检测点分析，使非专家（包括消费者）能够筛选和测试食品成分和产品。例如，消费者现在可以使用便携式仪器、智能手机，甚至在市场或家中进行视觉检查，而农民和小型生产者可以在现场（如农场）监控产品。
过程分析技术的定义与实施
自2004年美国食品药品监督管理局引入以来，过程分析技术的使用日益受到关注。如前一节所述，评估批次或整个制造过程需要引入敏捷和新型的监控系统。这些系统应处理和定义广泛的问题，包括识别合适的传感器、验证数据的意义、评估多种统计策略以获取数据见解并实现过程理解，以及最终的监控可能性。在食品制造过程中，发酵或生物过程用于生产高价值产品。PAT技术的实施不仅涉及过程本身，还涉及整个供应链和价值链，需要快速、实时和早期故障诊断。因此，对实时测量的需求推动了PAT指南的发展，涵盖了国际人用药品注册技术要求协调会指南和协议。根据FDA的定义，PAT是“一个通过及时测量（例如加工过程中）原料、中间产品或工艺的关键组成和性能属性，来设计、分析和控制制造过程的系统，目的是确保最终产品质量”。
食品成分和产品的组成与安全的优化和监控，仍然基于间断性分析的使用。在这一领域，用于食品质量控制的传统分析测试实验室通常远离生产线。然而，这种方法已不能满足现代食品工业和可持续发展的需求，其中提高效率和生产力以增强可持续性至关重要。现代食品生产系统需要保持更高的安全和质量标准，同时由于待分析样品数量增加，对生产设施的高通量数据和信息也有需求。传感技术对过程分析技术的发展至关重要。PAT方法已被食品行业采用和实施，以提高生产效率，并已在供应链和价值链的不同步骤中实施。PAT为利益相关者/生产者/分析师提供了对原料、中间产品、生产过程、食品包装和交付的更好理解和控制。总体而言，传感技术作为PAT组成部分的实施，实现了食品过程的实时分析，实现了食品过程的更好监控，避免了浪费，提高了食品成分和产品加工的效率。使用PAT对提高发酵过程的效率和可持续性具有重要意义。红外光谱的使用支持了可用于评估最合适的加工方法和控制系统的决策管理系统，贯穿于不同食品的质量控制。研究和食品制造业的例子提供了将传感技术应用于监控食品加工的实证。
展示了使用智能传感器监测和评估食品发酵过程。此示意图突出了传感器网络、光谱探头和机器学习算法如何交互，以实时洞察生物过程动态。由在线和线上传感器（如红外、荧光和浊度传感器）产生的数据流被连续收集，以监测底物浓度、微生物代谢和产物形成的变化。这些数据被传输到数字平台，化学计量学和人工智能模型在那里进行多变量分析，识别偏差、预测结果和优化过程参数。
PAT在发酵中的应用超越了简单的过程控制；它促进了闭环反馈，系统可以根据实时传感器反馈自动调节通气、pH或温度。这种方法增强了一致性、效率和产品质量，同时最小化了浪费和停机时间。此外，基于云的数据管理集成确保了可追溯性，并通过早期检测异常支持预测性维护。图3还展示了从生物反应器级别的传感器采集到通过AI辅助分析进行高级数据解释的多尺度数据流。这种整合提供了对微生物行为及过程动力学的全面理解，从而产生适应性生物过程控制策略。最终，支持PAT的系统支持可持续食品制造的更广泛目标，符合数据驱动质量保证和智能工厂设计的国际指南。
挑战与限制
法律挑战与限制
PAT或其他用于监控发酵的实时系统的扩大规模或实施面临各种挑战。任何此类系统都应在不损害产品特有风味和真实性的前提下，增强食品产品的安全和质量。为解决这些问题，不同权威机构、政府、行业已制定了针对发酵食品安全评估的最新指南，特别是涉及转基因微生物的食品。例如，欧盟食品安全法规要求所有食品产品，包括发酵食品，必须遵守严格的安全要求。这些指南旨在为食品制造业提供法律框架，并应用于整个供应链和价值链。此外，将危害分析与关键控制点原则整合到发酵食品生产中，显著增强了安全规程。
创新食品来源和生产方法的发展，决定了监管机构对新兴发酵技术的安全性关切增加了更多限制。例如，植物基发酵产品的增加，使用了非常规发酵成分和工艺，需要更新法规以保障消费者健康。因此，监管框架正在不断发展，以涵盖更广泛的发酵实践，反映食品行业不断变化的格局。克服这些问题的一种方法是促进国际合作、政策协调和公私伙伴关系。这些步骤对于推进全球食品安全倡议和确保公平获取安全和营养食品具有重要意义。例如，关于发酵食品的国际安全标准协调，对于促进全球贸易和加强跨国消费者保护变得重要。同样，食品法典委员会一直处于制定发酵食品协调标准的前沿。该委员会最近更新了其关于发酵食品微生物标准的指南，为评估不同地区这些产品的安全和质量提供了一个框架。
技术挑战
除了与法律框架相关的挑战外，技术问题也限制了食品制造业对PAT或其他监控方法的实施。其中一些问题包括传感器的可用性和类型、易用软件的可用性、算法的选择、数据的解释、使用的采样方法和协议。此外，如何将PAT应用中获得的结果与当前分析方法进行比较，以及用于验证所提出方法或所开发模型的任何策略。
用户对这些技术（如PAT）的操作条件和疏忽并不完全理解。可用的各种传感器提供了多功能性和分析不同类型发酵系统或样品在不同环境或操作条件（包括高温高湿条件、振动等）下的能力。据报道，即使在不同位置或不同类型的发酵罐中测量相同的组成参数，应用传感技术的净效益也将不同。例如，在肉类和肉制品的在线分析中，仪器与样品之间的距离问题被认为是实施此类技术的一个重要问题。发酵罐类型的差异、采样点、是安装和实施监控系统必须考虑的特性。
总体而言，PF和PAT以及其他高效监控食品发酵策略的发展和实施，需要考虑研究界以及仪器/传感器制造商的合作，以保证测量的可靠性和结果的解释。人们提出了不同的策略来克服采用此类技术的天然障碍，并展示其实施的好处。其中一个策略是大学和研究机构与食品制造业的密切合作。将传感技术规模化带来的成本效益（如降低成本、能源、时间），通过减少浪费和提高过程效率得到了证明。总体而言，敏捷和客观的管理决策工具的发展，正在培养食品制造业和发酵业监控加工过程中变化或一致性的能力。此外，方法在现实条件下的适用性是一个不应忽视的优先事项，以维持有效和协调的食品安全政策。
结论
本综述讨论并总结了传感技术、化学计量学或机器学习以及PAT在食品发酵中的当前和潜在作用。尽管本文未全面回顾关于PAT和IR光谱使用的科学文献，但大量例子展示了这些技术如何被实施以监测不同食品产品（如葡萄酒、啤酒、酸奶）的安全性和组成。
在食品发酵中实施PAT及其涵盖的不同分析方法需要使用不同的算法和预处理技术。这些算法源自化学计量学和机器学习，科学文献提供了它们如何解释生成并转化为数据的复杂信息的示例。然而，可以观察到的主要问题之一是，食品制造业仍将PAT的应用视为可行性研究。
在朝着实施PAT迈进的过程中，对获得信息和数据的解释至关重要。在此过程中，有必要考虑和理解所涉及的各种变量，从传感器、数据分析等。此外，需要很好理解采样和样品选择，以及样品收集过程中发生的相互作用，以及与样品制备相关的因素。与光谱收集相关的因素（例如，了解仪器的信噪比、样品呈现方式、使用的技术等）将决定哪种预处理方法最适合分析数据（例如，基线校正、归一化、平滑、求导等）。更重要的是，任何预处理方法的实施都会影响模型或决策系统的可解释性，因此需要仔细思考。
将IR光谱等技术作为PAT工具纳入常规分析及其实际应用（发酵加工）面临不同的挑战。这不仅包括与应用以及数据解释相关的技术和科学挑战，还包括其他问题，如法规遵从性、将预测模型集成到现有分析框架、最终用户友好界面的需求、数据安全和隐私问题，以及它们与伦理和福利指南及立法的整合。因此，必须与用户合作制定解决这些问题的协议，以确保高级数据分析的好处与实际操作性和最终用户提出的特定要求相协调。需要制定指南并开展国际合作以开发大型、稳健的数据集，从而实现模型在常规条件下的使用。此外，人力资源的培训（如行业员工、技术人员、研究人员和最终用户）将是必要的，以确保这些工具在食品常规分析中的顺利应用和可解释性。
