《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：From visual perception to digitizing assessment: A review of smartphone-based colorimetric and fluorescent sensing for food freshness monitoring
编辑推荐：
食品新鲜度监测技术综述：智能手机光学平台与机器学习融合的定量化分析研究。
李静文|周欣佳|秦晓莉|刘雄|钟金峰
中国西南大学食品科学学院，重庆400715
摘要
背景
微生物生长、酶促反应和化学氧化是导致食品变质的主要因素，会降低产品质量和保质期。传统的实验室方法受到便携性限制和分析时间较长的问题。视觉传感器可以实现实时新鲜度监测，但这些方法通常缺乏精确的定量能力。基于智能手机的光学平台结合了主观视觉评估和精确的定量分析，成为有效的分析工具。
范围和方法
本文批判性地探讨了促进从定性到定量食品新鲜度评估转变的技术。重点讨论了利用比色和荧光响应材料的信号生成机制、图像处理流程以及建立高精度量化的机器学习算法。此外，还讨论了传感系统的物理集成、在实际食品基质中的验证以及设备间差异性和环境异质性带来的挑战。
主要发现和结论
基于智能手机的便携式检测设备已经发展成为一个复杂的分析平台，能够将主观视觉信号转化为客观指标。先进的功能性光学材料（如金属有机框架、聚集诱导发光探针）与基于智能手机的成像算法相结合，显著提高了灵敏度和可靠性。深度学习的集成代表了在自动化、无损识别复杂变质标志物方面的重大进步。最终，开发通用校准方法和将传感器与物联网集成对于食品供应链的数字化转型至关重要。
引言
食品从新鲜状态变为变质状态是一个复杂的动态生化过程，由微生物污染、化学氧化和酶促降解引起。在整个食品供应链中，监测易腐食品的质量仍然是一个关键挑战。传统的实验室检测方法（如微生物计数、凯氏定氮法和气相色谱法）可以得出准确的结果，但操作成本高且样品制备繁琐，限制了现场监测（Li, Xu等人，2024；Luo等人，2024）。食品基质内的代谢分解会产生挥发性含氮化合物（Wang, Zhang等人，2024）、硫化氢（Wang, Qu等人，2025）和其他挥发性代谢物，这些化合物是变质的生物标志物（Dong等人，2025；Perez de Vargas-Sansalvador等人，2020）。这些化学变化通常先于感官上的明显恶化。传统的食品包装无法反映实时的质量变化，导致不必要的食品浪费和消费者食用变质食品的风险（Mu等人，2025）。值得注意的是，尽管质量下降和新鲜度丧失是预期的生理现象，但食品在初期质量下降后往往仍然可食用，这一状态通常由“最佳食用日期”表示。因此，强大的新鲜度监测系统作为现代质量管理的重要组成部分是必不可少的。这些系统能够实时跟踪变质过程，减少可避免的浪费。
比色和荧光传感器提供了快速、现场和直观的新鲜度评估（Do?an等人，2024；Zhou等人，2024）。相关研究的快速增长凸显了这一领域的重要性和实用性。这一趋势从2016年开始每年发表的论文数量显著增加，2020年后加速（图1A）。然而，比色和荧光传感器依赖于主观解释，导致分析偏差和可重复性有限（Kilic等人，2022）。此外，人眼在不同光照条件下难以区分细微的颜色变化，从而导致分辨率降低和假阳性结果增加。为了解决这一限制，需要开发便携式、智能的定量分析平台。
基于智能手机的平台结合了光学检测，实现了从主观评估到客观量化的转变（Zhou等人，2026）。这些平台使用摄像头和软件将光学信号数字化为可量化的指标（Sun等人，2025）。本文探讨了推动这一范式转变的技术，包括通过响应材料生成光学信号的原则、传感器制造策略以及由目标变质分析物触发的颜色信号的数字量化。此外，还分析了用于复杂模式识别和高精度新鲜度分类的智能手机集成算法的发展。本文为从视觉感知到数据驱动分析的转变建立了技术框架（图1B）。实时跟踪的集成实现了智能新鲜度监测。本文重点关注易腐食品，包括肉类和水产品，因为它们的变质是由微生物活动驱动的。由于保存机制不同，保质期长的产品（如罐装、干燥、灭菌包装的食品）被排除在外。
部分摘录
比色传感：捕捉食品变质过程中的特征化学变化
比色指标通过可见颜色变化反映新鲜度，这些变化是由与代谢物反应或对相关微环境pH值变化的响应引起的。一种广泛使用的策略是利用pH响应染料来监测由微生物代谢和生化反应引起的酸碱变化（图2A）。例如，牛奶变质过程中乳酸的积累会导致微环境从中性变为酸性。花青素传感器会从蓝色变为粉色
纸质平台：为智能手机定量分析提供均匀且低成本的光学基底
纸质材料具有低成本和便携性。其白色漫反射背景和多孔结构提高了基于智能手机的色彩分析的准确性。这些特性确保了均匀的色域并增强了代谢物的扩散（Jafarzadeh等人，2024；Shi等人，2025）。这些特性对于准确的定量评估至关重要。传感器通常是通过将传感探针嵌入纤维素纸中制造的。指示条是通过浸渍制备的
食品包装指示物的颜色数字化和环境校准
智能手机作为便携式光电检测器，能够捕捉色度变化。它们通过颜色处理算法将主观视觉感知转化为客观的数字数据。数字化减少了个体间的视觉识别差异，并将光学传感与定量分析联系起来，为实时和现场检测提供了经济有效的解决方案。数字转换提高了分析性能和操作实用性。人工神经网络
构建食品新鲜度分类模型：从传感器数据智能区分“新鲜/变质”状态
虽然第4.2节讨论了定量浓度预测的建立方法，但要实现直接、可扩展和用户友好的操作，需要转向自动状态分类。在智能包装中，自动分类模型将连续的传感器数据转换为离散的新鲜度级别。这一转变反映了将指示材料与智能手机、机器学习和计算机视觉结合对该领域的重要性
在肉类和水产品基质中的验证研究
基于智能手机的比色和荧光传感器平台的理论框架和传感器制造策略已经成熟。然而，它们的实际应用面临来自传感环境复杂性的挑战。富含蛋白质的食品（如肉类和水产品）的高易腐性对公共卫生和食品安全构成重大挑战，使其成为验证这些传感平台性能的理想对象。
研究局限性和应用挑战
尽管基于智能手机的传感系统在技术上取得了进步，但大规模工业应用仍受到基本技术和经济因素的限制。结论和未来展望
本文表明，基于智能手机的成像和算法处理促进了从定性到定量新鲜度评估的转变。从基本颜色参数提取到集成智能算法模型的发展轨迹表明，智能手机具有成为复杂分析平台的潜力。这一进步为数字新鲜度监测提供了关键技术组件。
未引用的参考文献
Chen等人，2023；Li等人，2025；Li等人，2024；Li等人，2024；Li等人，2024；Liu等人，2025；Roveda Jr等人，2024；Wang等人，2024；Wang等人，2024；Wang等人，2025；Zhang等人，2023；Zhang等人，2023；Zhang等人，2024；Zhang等人，2025。
CRediT作者贡献声明
李静文：数据整理、可视化、初稿撰写；周欣佳：初稿撰写；秦晓莉：可视化、验证、审稿和编辑；刘雄：审稿和编辑；钟金峰：概念构思、资金获取、项目管理、监督、审稿和编辑。
致谢
本工作得到了国家自然科学基金（编号：32572722）和重庆市科学技术局自然科学基金项目（编号：CSTB2024NSCQ-MSX1009）的支持。
