基于数据驱动的牛至活性包装金头鲷鱼片微生物质量预测：使用非侵入式光谱学和机器学习

《Journal of Food Protection》：Data-Driven Prediction of Microbiological Quality in Oregano-Active Packaged Gilthead Sea Bream Fillets using Non-Invasive Spectroscopy and Machine Learning

　　

本研究调查了FTIR（傅里叶变换红外）光谱和多光谱成像（MSI）结合机器学习在监测以可食膜包装的金头鲷鱼片（Sparus aurata）在好氧和真空储存条件下微生物质量变化方面的潜力。金头鲷鱼片用含或不含牛至精油（0.5% v/v）的Na-藻酸盐可食膜包裹，并在0、4、8和12°C下于两种包装条件下储存。研究人员鉴定出假单胞菌属（Pseudomonas spp.）和产H₂S细菌为优势腐败菌，较高温度加速其生长。与好氧储存相比，真空包装有效延缓了腐败。精油处理产生了有限的抗菌效果，但影响了感官特性和与腐败相关的光谱响应。研究人员建立了机器学习回归模型，用于从多光谱成像（MSI）和FTIR数据预测总活菌数（TVC）。模型性能在不同数据集间有所变化，MSI和FTIR均能建立预测模型。线性模型在适当预处理后提供稳定且一致的性能，而非线性方法在某些情况下捕捉到更复杂的关系。重要的是，与原始光谱数据相比，优化的预处理和建模管道显著提高了预测性能。总体而言，MSI和FTIR结合定制的机器学习方法，代表了用于实时监测和预测金头鲷鱼片微生物腐败的实用、非破坏性工具，同时突出了机器学习辅助腐败预测在复杂海产品系统中的能力与局限性。

**论文解读：基于非侵入式光谱学和机器学习的牛至活性包装金头鲷鱼片微生物质量预测**

**研究背景与问题**

金头鲷（Sparus aurata）是地中海水产养殖的核心物种，因其营养价值和感官品质而广受青睐。然而，随着市场向方便产品（尤其是鲜鱼片）转变，鱼片因加工过程中肌肉组织表面暴露增加，比整鱼更易腐败，带来了显著的技术挑战。微生物腐败主要由嗜冷菌（如假单胞菌属Pseudomonas spp.和腐败希瓦氏菌Shewanella putrefaciens）的生长和代谢活动驱动，导致异味、质地劣化和新鲜度丧失。传统保鲜策略如真空包装和气调包装（MAP）虽有效，但存在局限性，如厌氧菌风险、品质缺陷及操作复杂性和成本增加。活性包装技术，特别是含天然抗菌化合物（如精油，EO）的可食膜，因其天然来源、广谱抗菌性和生物可降解性而受到关注。然而，鱼类产品的货架期评估仍主要依赖基于培养的传统微生物学方法，这些方法耗时、具破坏性且不适合供应链中的实时决策。因此，迫切需要快速、非侵入式的分析技术。傅里叶变换红外（FTIR）光谱和多光谱成像（MSI）能快速、无试剂、非破坏性地获取与微生物代谢和组织降解相关的生化及空间信息，并结合多变量和机器学习（ML）数据分析，展现出预测鱼类微生物负荷的潜力。现有研究多依赖线性化学计量学方法（如偏最小二乘回归PLSR），但难以捕捉包装系统、抗菌处理、储存温度和鱼组织异质性交互作用产生的非线性关系。机器学习算法（如支持向量机SVM、人工神经网络ANN等）虽能建模非线性多变量系统，但在可食膜活性包装场景下对海鲜腐败的预测应用仍不足。此外，关于腐败动态的空间变异性（如皮与肉）如何被光谱和成像测量捕捉并用于机器学习模型的信息有限。

**研究内容与结论**

本研究旨在弥合两个互补方面：（i）应用感官可接受的、工业相关浓度的牛至精油（0.5% v/v），反映真实条件下的保鲜限制；（ii）利用MSI和FTIR数据结合机器学习算法捕捉、建模和预测腐败动态。研究人员将金头鲷鱼片包裹在含或不含牛至精油的Na-藻酸盐可食膜中，在好氧和真空包装条件下于0、4、8和12°C储存，并进行微生物分析（总活菌数TVC、假单胞菌属、产H₂S细菌等）、感官评估、FTIR光谱和两种MSI系统（台式VideometerLab和便携式VideometerLite）测量。最后，应用9种监督机器学习回归模型（包括偏最小二乘PLS-R、线性/径向基函数核支持向量机SVM、随机森林RF、K近邻kNN、主成分回归PCR、最小角回归LARS、岭回归Ridge和人工神经网络ANN）预测TVC，并评估预处理方法和交叉验证策略的影响。

研究得出结论：假单胞菌属和产H₂S细菌是主要腐败菌，较高温度加速生长，真空包装有效延缓腐败。牛至精油（0.5% v/v）仅产生有限的抗菌效果，但改善了感官品质（尤其气味）和延迟了感官货架期，尽管微生物终点并未显著延长。FTIR和MSI光谱能区分新鲜与腐败样品。基于机器学习的模型性能因数据集而异：真空包装条件下预测性能始终优于好氧储存；线性模型（如Ridge、PLS-R、LARS）在适当预处理后表现稳定；非线性模型（如SVM_RBF、随机森林）在某些情况下捕捉到更复杂关系但无一致优势；MSI整体优于FTIR，便携式MSI在真空包装中表现优异。优化预处理和建模管道显著提高了预测性能。

这项研究的重要意义在于，它并非简单应用精油保鲜或光谱-机器学习，而是将两者整合在一个统一实验框架内，探索温和保鲜策略下腐败动态的可预测性，为非破坏性、实时监测鱼类产品微生物质量提供了可行方案，同时明确了机器学习辅助预测在复杂海鲜系统中的能力与局限性。论文发表在《Journal of Food Protection》。

**关键技术与方法**

研究人员采用了以下主要关键技术方法：（1）**样本制备与储存**：金头鲷鱼片（来源：Philosofish S.A.，雅典，希腊）用含或不含0.5% v/v牛至精油的Na-藻酸盐可食膜包裹，在好氧和真空包装下于0、4、8、12°C储存。（2）**传统微生物分析**：通过选择性和非选择性培养基对总活菌数（TVC）、假单胞菌属（Pseudomonas spp.）、产H₂S细菌、乳酸菌（LAB）、肠杆菌科（Enterobacteriaceae）、热杀索丝菌（Brochothrix thermosphacta）和异养海洋细菌进行计数。（3）**非侵入式光谱技术**：使用FTIR光谱（ZnSe ATR晶体，1800-900 cm^-1）和两种MSI系统（台式VideometerLab，18波长405-970 nm；便携式VideometerLite，10波长405-850 nm）获取样品（皮和肉）的光谱数据。（4）**机器学习建模**：应用9种监督回归模型（PLS-R、SVM线性/RBF、随机森林、kNN、PCR、LARS、Ridge、NNet），并结合多种预处理（Savitzky-Golay平滑、标准正态变量SNV、居中和缩放）和交叉验证策略（K折、Bootstrap、留一法LOOCV）优化预测总活菌数（TVC）。

**研究结果**

**（a）微生物学和理化分析**：研究人员通过常规微生物培养发现，无论包装条件、温度和处理方式，假单胞菌属、产H₂S细菌和异养海洋细菌的计数与总活菌数（TVC）同步，表明它们是优势腐败菌。好氧条件下各处理间微生物生长相似，但在12°C储存末期，含可食膜和含精油可食膜样品中产H₂S细菌计数较对照组降低约0.6和1.5 log CFU/g。真空包装下，精油处理在较高温度下抗菌效果有限（约0.5 log CFU/g抑制），但4°C储存8天后，含精油可食膜样品中异养海洋细菌减少约1.0 log CFU/g，产H₂S细菌减少约0.5 log CFU/g。热杀索丝菌在好氧条件下显示温度依赖性生长，真空下接近检测限。pH值保持相对稳定，仅小幅上升。总体上，储存温度和包装条件是腐败进程的主要驱动因素，精油（0.5% v/v）仅发挥温和抗菌作用。

**（b）感官货架期**：感官评估（气味、颜色、质地、整体外观）表明，储存温度是货架期的主要决定因素。在0°C下各处理感官可接受性相似。在4°C好氧条件下，含精油可食膜样品在储存第6天仍感官可接受，尽管微生物计数超过阈值。在8°C和12°C下，含精油可食膜样品（尤其好氧）将感官货架期分别延长约1天和0.5天，这得益于精油对气味感知的积极影响。含精油可食膜样品在真空包装下4°C时感官货架期延长约2天。总体而言，精油延迟了与微生物代谢相关的腐败感知。

**（c）FTIR和多光谱成像测量**：FTIR光谱（1800-900 cm^-1）显示，好氧储存下，8°C和12°C的肉样品吸光度高于新鲜或较低温度样品；皮样品变化较小。真空包装下，新鲜肉吸光度通常高于腐败样品。MSI分析表明，皮样品因结构特性（鳞片、色素）反射率变化较小，而肉组织更均匀。台式MSI和便携式MSI均能区分不同储存条件下的样品，光谱差异反映了实验条件和生物异质性的综合影响。

**（d）从数据收集到数据连接：机器学习建模**：研究人员将光谱数据与总活菌数（TVC）关联，建立预测模型。结果显示，真空包装下模型的预测性能（R²、RMSE、准确率）始终优于好氧储存。对于台式MSI，真空包装肉样品的最佳模型为无预处理的主成分回归（PCR）（R²=0.794），好氧肉样品最佳为带居中和缩放及标准正态变量（SNV）预处理的岭回归（Ridge）（R²=0.367）。便携式MSI中，真空包装肉样品最佳为无预处理的PLS-R（R²=0.793），好氧肉样品最佳为带居中和缩放及SNV预处理的Ridge（R²=0.445）。FTIR中，好氧肉样品最佳为带Savitzky-Golay平滑预处理的Ridge（R²=0.401），真空肉样品最佳为带Savitzky-Golay平滑的PLS-R（R²=0.612）。线性模型（Ridge、PLS-R、LARS、PCR）在多数情况下表现稳定，非线性模型（SVM_RBF、随机森林）在某些案例中略有优势但无一致性。预处理对好氧样品至关重要，真空样品常无预处理即达到最优。MSI整体性能优于FTIR，便携式MSI在真空包装中表现突出。

**讨论与结论**

讨论部分指出，储存温度是微生物生长和货架期的主导因素，牛至精油（0.5% v/v）主要增强感官稳定性而非显著改变微生物动力学。真空包装使微生物生态更均匀、腐败进程更结构化，因而光谱信号更清晰可预测。MSI和FTIR提供互补信息：FTIR光谱变化与微生物活动导致的酰胺类和含氮化合物积累有关；MSI则反映组织结构和色素变化。与以往研究相比，本研究中MSI性能优于FTIR，可能因MSI提供与可见腐败直接相关的表面特征，而FTIR光谱反映复杂生化组成可能掩盖微生物信号。机器学习性能依赖于数据特征而非算法复杂性，线性模型在适当预处理下表现稳健。研究强调，不存在通用的“金标准”建模管道，最优性能取决于数据集特性、传感器类型和储存条件。从工业角度看，发展条件特异性或产品特异性模型可能比通用方法提供更高准确度。

**结论**（翻译自原文结论部分）：
本研究结合微生物学、感官、光谱学和机器学习方法，评估了不同包装和储存条件下金头鲷的微生物质量。微生物学分析证实假单胞菌属和产H₂S细菌是主要腐败微生物，较高温度加速腐败，真空包装相比好氧储存持续延缓微生物生长。使用含或不含牛至精油（0.5% v/v）的可食膜显示出有限的抗菌效果，并未显著延长微生物货架期。然而，牛至精油在气味感知和感官货架期方面提供了适度改善，这可能是由于在某些储存条件下对特定腐败相关微生物群的选择性效应。这一结果反映了现实应用中的限制，即较高精油浓度可能因感官限制而不可行。研究结果共同强化了储存温度是新鲜鱼类微生物生长和货架期主导因素的观点。所施浓度的牛至精油主要增强了感官稳定性，而非显著改变微生物动力学。MSI和FTIR数据与微生物学和感官趋势的整合，通过优化的机器学习算法促进了总活菌数（TVC）的准确预测。预测性能随数据集变化，真空包装条件下通常观察到更稳定的预测。光谱技术和建模方法的比较表明，预测性能强烈依赖于具体情境。MSI和FTIR均能实现可靠预测，但性能随储存条件、样品类型和数据集变异性而变化。线性模型在适当预处理下表现稳健且一致，而非线性模型在特定情况下捕捉到更复杂的关系，但未持续优于简单方法。总体而言，这些发现强调了定制化建模方法的必要性，即系统评估多种预处理技术、机器学习模型和交叉验证方案以确保稳健可靠的预测。应用优化的建模管道显著提高了模型性能。综合结果支持MSI和FTIR结合优化的机器学习方法作为实时监测和预测金头鲷鱼片微生物腐败的实用非破坏性工具的潜力。本研究进一步界定了温和保鲜策略与先进分析工具结合的操作极限，而非将其呈现为通用有效解决方案，同时阐明了其实践相关性。