肉类的营养物质丰富，是最重要的蛋白质食品。随着人们生活水平的提高，肉类的消费量逐渐增多，中国居民消费端食物浪费总量较高，其中肉类因腐败变质造成的浪费量占比为15%左右，并且这一数据近几年还在不断上升[1]。在提倡健康饮食和重视食品安全的今天，肉类新鲜度被视为衡量肉类质量和安全的重要指标，但肉类贮藏和销售过程中易受温度、水分活度、微生物作用等影响发生腐败变质，产生胺类物质、神经毒素等，可能对人体造成急性中毒、神经系统损害、增加癌症风险等危害[2]。因此在肉品流通过程中实时监测肉品新鲜度至关重要。目前已报道有许多种检测肉品新鲜度的方法，大致可以分为传统方法和新型方法。传统方法主要包括感官检测、化学指标检测和微生物检测，这些方法对研究对象的质量和实验人员的专业水平要求严格，且过程耗时长，限制了它们在实际生产中的广泛使用。新型方法主要有感官仿生技术、光谱技术等，目前新型检测方法也存在一些不足，需要进一步改进，如检测仪器体积大、检测成本高等，这些不足限制了其发展[3]。本文通过综述肉及肉制品新鲜度检测技术的研究进展，探讨不同检测技术的优缺点，并展望未来研究发展的趋势，旨在为相关领域的研究人员和从业者提供参考，从而促进食品质量安全检测技术的进步，提升我国的肉类制品安全水平。
1 肉及肉制品新鲜度传统检测技术
1.1 感官检测
肉类在腐败过程中会受到微生物的影响，出现水分流失、蛋白质变性等情况，导致其感官品质也发生了相应的变化[4]。实验人员在分析肉品的化学指标之前，通常先进行感官检测，利用人体的不同感觉器官，如视觉、嗅觉、触觉等，观察肉品的颜色、气味、弹性、黏性等感官属性，以此评估肉品的新鲜程度[5]。感官检测作为一种直接且迅速的肉类品质评价手段，常被用作判断肉类产品保质期的参考依据[6]。朱艳利[7]分别用外观法和气味识别法进行肉类的感官检测，将各感官检测指标绘制图表，分析结果，判断肉类的新鲜程度。这种检测方法虽简单易行、无需仪器、不用固定检验场所，但检测过程往往会受到测评人的主观影响，因此检测结果可能带有主观偏见，不足以全面且准确地反映肉品的品质，因此不能满足实际生产的需求。目前，感官检测常被作为辅助手段与微生物检测、化学指标检测等方法结合检测肉品新鲜度[8]。
1.2 化学指标检测
利用化学分析方法测定与肉品新鲜度相关的化学参数，包括总挥发性盐基氮（total volatile basic nitrogen，TVB-N）含量、pH值、粗氨、过氧化物酶、球蛋白沉淀等，其中TVB-N法是国标的经典检测法[9]。
1.2.1 TVB-N含量的检测（国标法）
在肉类腐败过程中，微生物和酶的共同作用促使肉中的蛋白质被分解成碱性含氮化合物，这些物质的总量即为TVB-N含量。TVB-N含量与肉品的腐败水平成正比关系，是评估肉品新鲜度的关键化学指标[5]。TVB-N含量的检测主要采用2 种方法，即微量扩散法和半微量凯氏定氮法，但这种传统方法必须在实验室进行，用时较长、过程繁琐、操作复杂，不适合市场上肉品快速、大量检测的要求[10]，因此一些学者不断探索改进这种方法，邵金良等[11]在实验中用1 g/100 mL碳酸钾溶液作为氧化镁混悬液的替代液，目的是增强检测结果的准确性。现如今TVB-N含量作为新鲜度的检测指标还与其他新型检测技术相结合，进一步提高了肉品新鲜度检测的效率与准确性。
1.2.2 pH值的检测
在肉类腐败过程中，细菌和酶作用导致肉中的蛋白质分解成碱性化合物，使肉的pH值上升，呈现碱性特征[3]。目前常用比色法和酸度计法测定肉浸液的pH值。虽然该方法操作简单，但在肉品新鲜度的临界点时，所测得的pH值变化范围较小，并且容易受屠宰前生理状态的影响，因此所得到的测量结果缺乏精确性，不能作为反映新鲜度的绝对指标[5]。虽然pH值无法单独反映出肉的新鲜程度，但是它可以作为综合评定的辅助和参考，与TVB-N法、微生物检测、光谱技术等结合使用[12]。目前国内外学者根据pH值的特性制备了多种颜色指示膜、比色标签等结合新型检测技术监测肉类的新鲜度，为肉类新鲜度检测提供了一种具有发展潜力的方法。Zheng Yongxin等[13]制备了一种pH值超敏感比色标签并以电子鼻作为辅助工具，监测羊肉的新鲜度，结果表明，其在羊肉新鲜度监测中具有很大的潜力。
1.2.3 氨的检测
在肉类腐败过程中，肉中蛋白质分解后的产物称为粗氨[14]。当肉类变质程度加剧，粗氨的含量相应增加，这使其成为评估肉品新鲜度的一个指标[14]。肉中粗氨的测定采用纳斯勒氏试剂法，该方法通过观察溶液颜色的深浅和沉淀物的数量判断肉品的新鲜程度[15]。这种方法能够区分不同新鲜度级别的肉类，如新鲜、次鲜、变质肉。尽管操作简单且易于观察，但由于需要制备各种肉浸液，且在判断临界点时不够明确，因此更适合作为肉品新鲜度检测的辅助手段[15]。
1.2.4 过氧化物酶反应实验
肉品在腐败过程中，由于微生物的作用，肉中的过氧化物酶活性会发生变化。测定过氧化物酶的活性可以间接评估肉品的新鲜度[16]。在实验室中，过氧化物酶活性的测定通常采用联苯胺-过氧化氢法进行定性分析。然而，在实际操作中，由于试剂的保存期限较短且对贮存环境有较高要求，这便增加了操作难度[9]。为了克服传统检测方法的局限性，王长远等[17]在猪肉新鲜度的检测中应用过氧化物酶反应实验，并且讨论该法需与其他方法综合评定肉品新鲜度。在实际应用中，单一的新鲜度指标可能受到多种因素的影响，导致测定的重复性差和可靠性低。因此，通常将过氧化物酶检测与其他评价指标如TVB-N含量、微生物指标和感官检测等结合使用，以提高检测的准确性和可靠性[17]。
1.2.5 球蛋白沉淀实验
肉类腐败过程中积累的碱性化合物使得肉的pH值升高，在这种碱性条件下肌肉内的球蛋白发生溶解，并且与重金属离子反应产生沉淀物[15]。基于这一原理，观察肉浸液中沉淀是否存在及数量的多少可以初步评估肉品新鲜度[5]。然而，如果在屠宰前动物存在患病等特殊情况，那么屠宰后的肉品即使处于新鲜状态下，也可能表现出碱性反应，导致该实验的结果错误地显示为阳性，且对于新鲜肉和次鲜肉的判断不明显，有一定局限性。所以，检测结果不能作为肉腐败变质的绝对指标[15]。
1.3 微生物检测
肉及肉制品在贮藏条件不当的情况下极易受到微生物污染，微生物检测是实验室中检测肉品新鲜度最重要的一种手段，该方法依据所测得的微生物数量表明肉品的新鲜程度，其结果与TVB-N含量有较高相关性[18]。实验室中常用的检测方法是测定大肠菌群数和菌落总数[5]。针对细菌菌斑，采用肉样制作触片进行观察，根据触片变化查看细菌变化，随着时间的推移，触片上面的细菌会越来越多，通过细菌的分布与数量判定猪肉的新鲜度，可采用GB 4789.2—2022《食品安全国家标准 食品微生物学检验 菌落总数测定》[19]。通常，新鲜肉的菌落总数建议不超过1×104 CFU/g，次新鲜肉的菌落总数在1×104～1×106 CFU/g，而变质肉的菌落总数在1×106 CFU/g以上[8]。该方法的特点是灵敏度高、程序简单，但缺点是细菌培养耗费时间长、技术要求高，结果可能受环境因素影响。同时，市场上销售的肉类在屠宰、运输和销售环节中容易遭受二次污染，导致不同取样部位的检测结果差异显著，这就限制了该方法在快速检测中的实用性[20]。传统的细菌培养计数法由于耗时较长，不适合用于大规模且需要迅速出结果的检测。兀征等[21]对多种肉类进行活菌总数、革兰氏阴性菌数和TVB-N含量的测定，并且与鲎变形细胞溶解物（limulus amebocyte lysate，LAL）试验结果对比分析，结果表明，肉品的新鲜度与LAL指数和细菌总数有相关性，并且LAL试验能够在2 h内通过检测肉品中的微生物数量判断肉品的新鲜度。微生物检测在肉品新鲜度评估中发挥着关键作用，并且随着技术的进步，逐渐与新型检测技术结合综合评判肉品新鲜度，检测方法也朝着更加快速、准确和智能化的方向发展。
2 肉及肉制品新鲜度新型检测技术
传统的肉类新鲜度检测方法虽然在某些方面具有优势，但其也存在一些固有的不足，例如，感官检测会因为个人差异而产生偏差，微生物和化学指标的检测不仅耗时耗力，还会对样本进行破坏。鉴于这些局限，近年来，研究人员在传统检测技术的基础上借助相关仪器技术的发展，探索了多种新型肉类新鲜度检测方法，这些检测手段正逐渐向多样化、智能化、方便化、无损化方向发展，为肉类新鲜度的快速、准确评估提供了新的可能性。
2.1 感官仿生技术
2.1.1 电子鼻技术
电子鼻技术通过识别肉类腐败过程中形成的挥发性化合物，进而形成特征信号模式，随后，系统会分析这些信号模式并提取关键的特征参数，输入到模式识别系统中，识别并测定样本气体的种类、浓度等信息，用于评估肉品的新鲜度[22]。电子鼻主要由3 个关键组件构成：能够检测气体化学成分的气体敏感传感器阵列、负责提取传感器响应特征的信号预处理模块，以及定量分析特征参数的模式识别单元[4]。黄灿灿等[23]构建多元线性回归模型、偏最小二乘法模型、反向传播神经网络（back propagation neural network，BPNN）模型并应用到电子鼻系统，分别检测小黄鱼的新鲜度，结果表明，采用BPNN模型的电子鼻检测效果更优，预测的平均误差百分比和相关系数分别为4.39%和0.92。电子鼻虽然有检测速度快、检测范围广、重复利用率好等优点，但长时间工作会导致响应基准值发生偏移，易受环境影响。众多科研人员已投身于将电子鼻技术应用于评估肉品新鲜度的研究领域，他们不断改进目前的分类识别算法，同时致力于扩展和完善传感器的种类和性能，不断探索其在更多领域的应用潜力[24]。近年来，电子鼻和传感器阵列在肉品新鲜度检测方面取得了显著进展，将不同技术的优势相结合，弥补单一技术的局限性，提高肉类新鲜度检测的准确性，并为消费者提供更可靠的食品选择依据[23]。
嗅觉可视化技术作为一种创新的电子鼻技术，部分克服了传统电子鼻技术的局限性。这项技术最初是由美国的Rakow教授于2000年提出，归类于仿生类检测技术领域，该技术主要是利用金属卟啉等化学显色剂与目标气体反应前后发生的颜色变化，将嗅觉信号转换为视觉信号，随后视觉信号进一步转化为数值信息，有利于信息的传输交流、定量分析及数学建模，实现了对检测气体的定性和定量分析[4]。与传统的肉类新鲜度检测技术相比，嗅觉可视化技术更直观、简便、快速，是一种具有较大应用前景的食品安全检测技术；与传统电子鼻相比，嗅觉可视化技术的传感器选择性好、灵敏度高，可以识别低浓度挥发性化合物且不受环境湿度影响，准确率可达80%以上[25]。然而，实际中很少见到其应用，主要是由于色敏材料无法贮藏、设备不够智能化，并且现有的嗅觉可视化设备大多只有图像采集与处理功能，对于色敏传感器制作的功能不够完善，这也限制了嗅觉可视化技术的推广[26]。为了弥补缺点，嗅觉可视化技术可融合智能设备，通过机械操作将实验过程规范化，减少人为因素干扰、提高实验效率。赵杰文等[27]使用卟啉和pH值指示剂作为嗅觉可视化传感器阵列的气敏材料，检测猪肉中的优势致腐菌和新鲜度，研究结果表明，嗅觉可视化技术可直接跟踪猪肉变质过程中挥发性气味的变化，并可实现数字表达。
2.1.2 电子舌技术
电子舌利用传感器阵列检测肉浸液，通过采集信号和模式识别系统，定性或定量分析样品，进而完成肉品新鲜度的检测[28]。电子舌是一种模仿生物味觉的新型快速智能检测系统，可以对样品的整体滋味轮廓进行评定，并可以对复杂的呈味物质进行识别、检测，进而代替感官评定员。它具备操作程序简单、结果客观、灵敏度高、重复性好等优点，现已广泛应用于食品品质快速分析的基础研究[29]。韩剑众等[30]采用多频脉冲电子舌对不同品种的猪肉和鸡肉进行肉类评价和新鲜度监测，不仅可以区分不同品种生鲜肉品之间的差异，还可以有效辨识、评价生鲜肉的新鲜度，为电子舌在生鲜肉新鲜度评定中的应用提供理论参考。虽然电子舌模型众多，但是目前的研究仍不能满足现代肉类工业的需求，电子舌研究集中在实验室阶段，大部分都是实验室自制，便携式和经济型的智能化在线电子舌检测装置市场普及率较低，阻碍了电子舌的快速发展[31]，今后还需开发与智能算法和人工智能技术相融合的模型，提高电子舌检测的准确性。
2.1.3 计算机视觉技术
计算机视觉技术模仿人类的视觉感知能力，通过监测肉类腐败变质过程中出现的纹理、颜色、形状等变化评估肉品的新鲜度[32]。该技术通过细致处理和全面分析所得到的图像，能够提取关键的特征参数，对肉品进行分级。方法高效、便捷且准确性高[4]。随着技术的持续发展，计算机视觉技术已经能够实现迅速、无损且智能的检测。此外，收集与肉品新鲜度变化有关的数据，并运用统计学和计算机分析可以构建肉品新鲜度变化的数学模型，实现肉品新鲜度的快速检测。
李振波等[33]优化VGG-19（Visual Geometry Group 19）卷积神经网络，用该模型对冰鲜鲳鱼新鲜度分级，结果表明，与优化前相比，该模型所占空间降低443.9 MB，检测时间缩短0.04 s，冰鲜鲳鱼新鲜度分类数据集的训练集准确率为99.58%，测试集准确率为99.79%。周炜等[34]应用计算机视觉技术结合人工神经网络进行模式识别，比较BPNN与径向基神经网络在识别效果上的差异，开发了一种无损检测猪肉新鲜度的方法。与传统的实验室分析方法相比，计算机视觉技术的检测准确性显著提升，同时避免了复杂的实验步骤和对样本的破坏，是一种更高效的肉品新鲜度评估手段[35]。
吴浩等[36]在评估猪肉新鲜度时，利用Matlab平台对猪肉产生的气体和其图像特征进行数据融合处理，有效、快速判断肉类的新鲜程度。此外，肉品颜色特征的逐渐变化在腐败期间可以通过灰度值的变化来捕捉，这为评估肉品的新鲜度提供了依据。利用数字图像的线性变换和微分梯度方法将图像锐化，可以直接检测到猪肉脂肪变质过程。
2.1.4 质构仪检测技术
质构仪能够模拟人类咀嚼食物的过程，通过力学量化的方式表现食品的硬度、弹性、黏稠度等，与感官检测相比，质构仪具有客观、准确、灵敏的优点。肉在腐败变质过程中，硬度、黏着性、弹性等质构特性会发生变化，利用质构仪的质地剖面分析（texture profile analysis，TPA）模式分析这些质构特性参数，可以综合反映肉品新鲜度[37]。刘兴余等[38]发现在TPA模式下，硬度和黏性是有效反映猪肉感官品质的参数。李振兴等[39]研究发现，鱼肉的弹性变化可以作为判断其新鲜度的一个重要指标。目前利用质构仪测得的质构指标，结合计算机分析技术如偏最小二乘回归分析和神经网络等方法，建立对肉品新鲜度的预测模型。这些模型能够有效预测肉品的新鲜度，为肉品的快速、无损检测提供了新的方法。
2.2 光谱技术
2.2.1 近红外光谱技术
近红外光谱是指利用近红外区域的电磁波谱来检测样品的一种无损检测技术，当肉品发生腐败时，细胞膜溶解破裂导致组织结构改变，从而影响散射特性，有效衰减系数在特定波长处与TVB-N含量呈显著相关，可以建立近红外光谱与TVB-N含量的相关关系，实现对肉类新鲜度的评价[40]。近红外光谱技术具有操作简便、成本低、无损检测、快速分析等优点。目前，这项技术主要应用于评估鸡肉品质，并且在禽肉检测领域显示出巨大的发展潜力[41]。Leroy等[42]在1 200～1 300 nm波段利用近红外光谱技术建立TVB-N含量的预测模型，以评估肉品的新鲜度；王超等[43]基于近红外光谱技术，使用偏最小二乘算法建立小龙虾虾尾的TVB-N含量预测模型，经优化处理后的模型预测均方根误差和相关系数分别可达1.626和0.950。但是近红外光谱的光谱范围有限，这限制了其能够检测的指标数量，并且无法提供图像信息。在冷鲜肉新鲜度检测方面，由于冷鲜肉不同组织部位纹理的不均匀性，在对冷鲜肉进行采集时不同部位的近红外光谱存在差异性，因此近红外光谱法的检测范围、预测精度及稳定性存在局限性[44]。未来，近红外光谱技术在进一步深入研究提高肉品检测精度的基础上，通过与机器视觉技术等新型无损检测技术的融合可以实现全面评价肉类品质的目标[45]。
2.2.2 高光谱技术
高光谱技术融合了成像技术与光谱技术，能够捕获目标物体的图像和光谱数据，弥补了近红外光谱没有图像信息、光谱范围小的缺点[46]。在肉品腐败过程中，其内部营养成分的变化会引起光谱的光学特性发生改变。因此，通过分析肉品的光学特性，可以评估其内部品质及营养组分的变化，利用高光谱技术采集反射光谱信息，通过数据处理分析建立肉品新鲜度的判别模型，实现肉品新鲜度的检测[47]。高光谱技术以其高分析效率、无需样品预处理、易于操作、无损检测和便于实现在线分析等优势，正成为评估肉品新鲜度最具潜力的新技术之一[48]。
张雷蕾等[48]采用高光谱技术和多元散射校正处理建立偏最小二乘回归分析模型，对猪肉新鲜度进行综合评定，准确率达91%。但是高光谱成像技术产生的数据量巨大，这不仅会产生多余、无用的信息，而且使得数据处理过程变得耗时且成本较高。鉴于这些挑战，高光谱技术难以适用于研发便捷的肉类实时检测工具。
近几年高光谱技术与智能算法相结合检测肉类新鲜度成为热门研究方向，谢安国等[49]构建深度神经网络，处理高光谱数据，用于预测猪肉新鲜度变化，并进一步利用遗传算法筛选高光谱特征波段，以此实现快速、无损检测猪肉新鲜度，为人工智能算法在食品品质无损检测领域的应用提供一定的技术参考。徐子洋等[50]提出基于改进深度森林算法的冷鲜羊肉新鲜度评价模型，并结合冷鲜羊肉的高光谱成像数据，实现了该模型对羊肉新鲜度的快速、无损检测，模型识别准确率达到98.57%，为后续高光谱成像技术的多指标无损检测提供了方法。
2.2.3 多光谱技术
多光谱成像技术能够同时捕捉光谱特性和图像细节，形成一种综合的影像数据，基于不同物质反射光的差异性，以及每种物质具有独特的光谱特性，对目标进行信息的识别分析。相比于高光谱来说成像波段较少，通常只包含有限数量的较宽波段，牺牲了一些光谱分辨率以换取简单性、成本效益和更快的数据输出，并且每个波段内包含的电磁辐射光谱不同。鉴于多光谱成像技术所处理的数据量较高光谱技术少，其更适用于需要实时监测的场景[46]。综合近红外光谱技术与高光谱技术的缺点，在快速且无损检测肉品新鲜度时，多光谱技术应成为主要的检测手段。
高万豪[51]选取冷鲜羊肉为研究对象，首先对样本表面的菌落总数进行测定，再利用多光谱成像技术，通过数据处理分析得到菌落总数与光谱数据的数量关系，最后利用遗传算法优化核极限学习机模型，建立冷鲜羊肉的菌落总数预测模型，据此对羊肉的新鲜度进行评估，这为未来羊肉以及其他肉类的快速、无损、实时在线检测提供了科学依据和技术手段。
2.2.4 三维荧光光谱技术
三维荧光光谱技术可以获取发射波长和激发波长同时变化的荧光强度信息，由于灵敏度高、选择性好、操作简便等优点受到国内外学者的关注[52]。肉品中含有多种内源荧光物质，这些物质对贮藏环境非常敏感，荧光物质可用于表征肉类新鲜度，利用荧光信号追踪肉品贮藏过程中新鲜度变化，通过三维荧光光谱技术进行定量分析，构建基于荧光特征标志物的新鲜度定量预测模型，完成肉品新鲜度的检测[53]。马红艳[53]选取羊肉作为研究对象，筛选确证反映羊肉新鲜度的荧光标志物，采用三维荧光光谱技术解析离体，并分析三维荧光图谱中的数据，构建基于荧光特征标志物的TVB-N含量的偏最小二乘回归预测模型，拟合系数可达0.965 7，为下一步荧光高光谱技术开发提供理论依据和技术支撑。肉品新鲜度检测方法及比较见表1。
表1 肉品新鲜度检测方法及比较
Table 1 Comparison of detection methods for meat freshness
分类方法优点缺点传统检测方法感官检测直接、简便，无需仪器主观影响大，准确度低化学指标检测结果量化费时费力，损伤样品微生物检测精确度高费时费力，操作难度大新型检测方法电子鼻、电子舌结果客观，重复利用易受环境影响，不够便携计算机视觉技术便捷、无损，准确性高专业技能要求高质构仪检测客观、准确、灵敏需与其他方法配合使用光谱技术高效、无损成本高、分析复杂
3 肉及肉制品新鲜度其他检测技术
上述新型检测技术是目前研究肉及肉制品新鲜度普遍使用的方法，同时也是已经比较成熟的技术，而以下叙述的其他检测技术则是尚处于研究探索阶段、尚未大规模使用的方法，这些方法在肉及肉制品新鲜度检测方面具有巨大的潜力。
3.1 传感器技术
目前传感器技术领域主要分为两类：电位型传感器和生物型传感器。电位传感器的设计灵感来源于人类感官系统的模拟，其目的是减少人为因素的干扰。例如，气体传感器的设计便是借鉴了人类嗅觉机制的原理。当电位传感器接触到样品逸散的气体时，传感器的导电性能会发生相应变化，通过分析这种变化程度可以推断出被测气体的浓度水平及种类，进而根据这些数据评估猪肉新鲜度[3]。Chen Shihao等[54]利用4 种碳基敏感材料修饰的石英晶体微天平气敏传感器结合理化方法对鲑鱼样品的新鲜度进行分析，并与TVB-N法进行相关性分析，结果表明，该方法为肉品新鲜度提供了一种新的检测方法，具有灵敏度高、选择性好的特点。
生物传感技术是一种先进的检测手段，其关键在于利用特定的识别分子对肉类腐败变质过程中释放出的特定化学物质进行感应，随后通过能量转换设备将这些生化信号转化为可测量的电信号或光信号，以此实现对肉品新鲜度的准确测定[55]。因其专一性高、分析迅速、准确性高和操作简单等优点，生物传感技术在食品安全检测等多个领域展现出巨大的应用潜力。但是生物传感器的制备过程较为繁琐，难以在实际应用中成为主流，此外，由于其本身含有活性成分，增加了保存难度，从而限制了生物传感器的应用范围[4]。生物传感器在肉品新鲜度检测领域中具有巨大的应用潜力，但仍需在制备技术、稳定性提升及成本效益等方面进行进一步的研究与改进。葛鑫禹等[56]利用薄膜荧光传感器采集并获取鸭肉样品在不同贮藏条件下的荧光响应图像，根据不同贮藏条件、不同贮藏时间下鸭肉样品对应的薄膜荧光传感器的响应值，精确判断鸭肉的贮藏时间及其新鲜度，为鸭肉在不同贮藏条件下的新鲜度鉴别提供一种新方法。
3.2 超声波检测技术
超声波检测技术是一种无损检测肉品新鲜度的方法，该方法通过深入分析肉类在超声波影响下所表现的吸收特性、衰减系数、传播速度、本身的声阻抗和固有频率等参数，实现对肉品脂肪厚度、组成成分、肌肉厚度的快速、无损在线检测与分级。这种方法的优势在于可以通过定量分析肉品中与新鲜度密切相关的特定成分含量，从而达到对肉品新鲜度的准确判断，为检测肉品的新鲜度提供了一种科学、准确的评估方法[20]。Fortin等[57]利用超声波检测技术和光学成像技术构建猪肉的三维图像，进而建立猪胴体瘦肉率预测模型，研究结果证实，超声波技术在肉及肉制品品质分析领域已经建立了一定的研究支撑。
3.3 指示膜检测技术
目前新兴的指示膜检测技术能够检测食品系统内部的变质情况，是一种创造性的创新方法，也是一种肉品新鲜度检测的全新方法，许多国内外学者基于此进行了大量研究，制备出多种颜色指示膜用来作为智能食品包装的材料，根据颜色指示膜发生的变化推断食品质量的变化情况，为消费者提供实时质量监控信息[58]。
微生物在肉类贮藏过程产生代谢产物，改变肉品的pH值，进而影响色素类成分颜色的改变[58]。Chaari等[59]制备基于羧甲基纤维素/亚麻籽胶/甜菜红素的新型指示膜，作为智能包装应用到牛肉上并检测其新鲜度。实验结果表明，指示膜不仅可以识别不同浓度的氨，而且其颜色会随着肉品pH值的变化而变化，这种新型指示膜可以作为一种安全环保的智能包装材料，并且通过与人工智能、数据分析、智能算法等结合可作为一种新型的pH值比色指示剂精确检测肉及肉制品的新鲜度，此类为pH值敏感型指示膜。
TVB-N含量是评估肉品新鲜度的关键化学指标。董越等[2]制备负载花青素的多孔聚乳酸纳米纤维指示膜，通过氨响应性将指示膜应用到羊肉新鲜度的无损检测，实验结果表明，多孔颜色指示膜在羊肉贮藏过程中颜色变化与羊肉中TVB-N含量的变化有显著相关性，指示膜颜色从0 h的紫红色经过48 h变为深灰色，TVB-N含量从7.65 mg/100 g升至19.00 mg/100 g，超过15 mg/100 g的规定限值。该实验表明该指示膜在肉品新鲜度监测中具有很大的应用潜力，对我国食品安全检测技术的研究与开发具有重要意义，此类为TVB-N敏感型指示膜。
近年来，智能包装技术成为行业研究热点之一，因天然植物提取物的安全性相对较高，国内外研究人员多采用此类物质制备指示标签，如花青素、姜黄素、甜菜红素等，虽然该方向研究成果较多，但是实际应用智能包装的食品较少，这是由于智能包装的生产成本较高、专业化要求复杂，而且其在实际应用过程中难以表现出最好的活性[60]。因此，显色机理的深入研究与创新，以及功能性的智能指示标签等将成为研究人员对未来智能包装不断探索、研究的方向[61]。
3.4 纳米酶传感技术
纳米酶作为一类新型的纳米材料，因具有催化活性位点并模仿酶反应动力学过程，在食品安全检测领域引起广泛关注。它们具有稳定性高、成本低、易于生产、耐恶劣实验条件等优点，在快速检测中展现出显著优势和应用潜力[62]。肉品在腐败变质过程中会产生生物胺、挥发胺等有害物质，这些有害物质通过与纳米酶的特殊化学反应或直接诱导纳米酶的类酶催化活性完成肉品新鲜度的评估[63]。Song Guangchun等[63]讨论用纳米酶的类酶催化特性特异性检测冷鲜肉的降解产物，例如生物胺、挥发性胺、硫化氢、黄嘌呤等，表明纳米酶可应用于评价肉品的新鲜度。这一方法为食品安全的快速评估提供了新的思路和工具。但纳米酶的类酶催化性质不稳定，且其催化活性普遍较低，合成方法及条件有待改善，不适于目前大规模的检测应用，作为一项新兴技术还需进一步研究和开发。展望未来，纳米酶传感系统在深入研究后，有望逐步发展为食品检测领域中的重要技术[64]。
3.5 生物超微弱发光检测技术
生物超微弱发光检测技术是一种检测生物组织或细胞在生命活动代谢过程中自发辐射出的极微弱光子流的方法。这种发光现象是生物体内代谢活动的直接体现，揭示了生物体内发生的复杂变化。该技术通过研究肉品的自发辐射及延迟发光变化，对实验数据进行曲线拟合，得到肉品发光的动力学参数并结合感官检测等方法综合评估肉品新鲜度[65]。邹艳秋等[65]采用单光子测试系统测试不同条件下猪肉的自发辐射强度和延迟发光的变化，腐败变质程度可以通过测量延迟发光的特征参数量化，特征时间的缩短可以作为猪肉新鲜度降低的指标。实验结果表明，该系统能实现对生鲜猪肉新鲜度的直接检测，该方法具有选材少、检测速度快的特点，具有很好的应用前景，有望实现对肉类食品新鲜度的直接检测。
4 结 语
目前，肉及肉制品新鲜度检测技术的研究不断深入，呈现的趋势是多种检测技术相融合，多测量指标与智能、无损、便携的检测技术相融合。传统检测技术虽然具有操作简便、成本较低、研究成熟的优点，但耗时较长，破坏样品，大部分需在实验室进行，无法实时监测和快速反馈，不适用于市场的快速监测；新型检测技术近几年发展迅猛，其具有快速性、无损性、准确性，能实现多指标检测，但相较于传统检测技术，它的成本较高，受环境因素影响较大，对操作人员的专业知识和技术要求较高，技术成熟度还需要进一步提高；其他检测技术则有智能化、无损化、精准化、实时化的优点并且有巨大的发展潜力，但它目前尚处于研究探索阶段，研究成本较高，技术难度较大，不能在市场应用。
未来该领域的研究趋势将更加注重跨学科融合，整合化学、生物学、物理学、环境科学和信息技术等领域的知识和方法，开发精确性高、操作简单的新鲜度检测技术。同时，在检测技术的研发过程中，科研人员应充分考虑其对环境的影响，努力实现环境友好和可持续性。未来的检测技术将更加高效、精确，为食品安全和消费者健康提供更有力的保障。
[1] 秦越.中国居民肉类消费特征与趋势研究[D].北京: 中国农业科学院, 2022: 1-4.
[2] 董越, 李文博, 孙武亮, 等.负载花青素的多孔聚乳酸纳米纤维指示膜用于无损检测羊肉的新鲜度[J].食品与发酵工业, 2024, 50(8):278-283.DOI:10.13995/j.cnki.11-1802/ts.036277.
[3] 袁芳, 郭培源, 吴浩, 等.猪肉新鲜度检测方法发展的文献综述[J].中国农业科技导报, 2009, 11(S1): 72-74.DOI:10.3969/j.issn.1008-0864.2009.z1.023.
[4] 吕日琴, 黄星奕, 辛君伟, 等.鱼新鲜度检测方法研究进展[J].中国农业科技导报, 2015, 17(5): 18-26.DOI:10.13304/j.nykjdb.2015.520.
[5] 林亚青, 房子舒.猪肉新鲜度检测方法综述[J].肉类研究, 2011,25(5): 62-65.DOI:10.3969/j.issn.1001-8123.2011.05.014.
[6] 陈珈玉, 韩春元, 肖宇, 等.鸡肉品质评价与贮藏保鲜研究进展[J].肉类研究, 2023, 37(7): 45-51.DOI:10.7506/rlyj1001-8123-20230529-053.
[7] 朱艳利.肉品新鲜度的常用感官检验方法[J].北方牧业, 2003(19): 28.
[8] 左晓佳, 再努热·吐尔孙.肉品新鲜度评价及保鲜技术研究进展[J].肉类研究, 2023, 37(12): 69-75.DOI:10.7506/rlyj1001-8123-20231213-112.
[9] 雷力.肉的新鲜度检测方法的研究[D].长春: 吉林大学, 2011: 2-3.
[10] 齐广宇.基于QCM气敏传感器的鱼肉中TVB-N快速检测[D].淄博:山东理工大学, 2023: 1-2.
[11] 邵金良, 杨芳, 杜丽娟, 等.肉与肉制品中挥发性盐基氮测定方法的改进[J].肉类研究, 2009, 23(10): 58-60.
[12] 马聪聪, 张九凯, 卢征, 等.水产品新鲜度检测方法研究进展[J].食品科学, 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] 刘兴海, 李月童, 邱诗波, 等.蛋白类食品新鲜度的检测方法[J].湖南包装, 2021, 36(2): 5-8; 12.DOI:10.19686/j.cnki.issn1671-4997.2021.02.002.
[15] 李汝春, 鞠雷, 葛爱民.肉新鲜度的理化学检验方法[J].肉类工业,2015(11): 45-47.DOI:10.3969/j.issn.1008-5467.2015.11.016.
[16] 袁宝多, 马坤瑛, 端肖楠, 等.猪肉新鲜度快速检测方法及相关性分析[J].食品工业, 2021, 42(8): 270-274.
[17] 王长远, 马万龙, 姜昱男.猪肉新鲜度的检测及肉质综合评定[J].农产品加工(学刊), 2007(10): 75-77.DOI:10.3969/j.issn.1671-9646-B.2007.10.025.
[18] 马艳丽, 杜鹏飞, 王守经, 等.4 ℃冷藏温度下羊肉新鲜度评价模型的构建[J].食品科技, 2023, 48(2): 100-105.DOI:10.13684/j.cnki.spkj.2023.02.024.
[19] 国家卫生健康委员会.食品安全国家标准 食品微生物学检验 菌落总数测定: GB 4789.2—2022[S].北京: 中国标准出版社, 2022.
[20] 蒋丽施.肉品新鲜度的检测方法[J].肉类研究, 2011, 25(1): 46-49.
[21] 兀征, 王登临, 董瑞鹏, 等.LAL试验快速检测肉品细菌污染程度及鲜度的研究[J].中国预防兽医学报, 2002, 24(4): 65-70.DOI:10.3969/j.issn.1008-0589.2002.04.020.
[22] 彭巧梅, 邹洋, 刘兴海, 等.鱼肉新鲜度检测方法研究[J].数字印刷,2020(2): 32-42.DOI:10.19370/j.cnki.cn10-1304/ts.2020.02.002.
[23] 黄灿灿, 陈亚龙, 陈海根.基于传感器阵列的小黄鱼新鲜度检测电子鼻设计[J].湖北农业科学, 2024, 63(8): 252-256.DOI:10.14088/j.cnki.issn0439-8114.2024.08.042.
[24] 丛军, 李星.基于电子鼻、电子舌技术的荣昌猪肉及其制品贮藏过程新鲜度检测研究[J].食品安全质量检测学报, 2024, 15(7): 192-201.DOI:10.19812/j.cnki.jfsq11-5956/ts.20231202002.
[25] 王媛媛, 杨杨, 徐悦, 等.嗅觉可视化技术在食品品质检测中的应用[J].中国食品学报, 2023, 23(12): 395-406.DOI:10.16429/j.1009-7848.2023.12.039.
[26] 张金贵.基于嗅觉可视化技术的猪肉新鲜度检测方法及智能化装备研发[D].镇江: 江苏大学, 2023: 5-7.
[27] 赵杰文, 黄晓玮, 邹小波, 等.基于嗅觉可视化技术的猪肉新鲜度检测[J].食品科学技术学报, 2013, 31(1): 9-13.DOI:10.3969/j.issn.2095-6002.2013.01.002.
[28] 牟心泰, 杜险峰.电子鼻与电子舌在食品行业的应用[J].现代食品, 2020(5): 118-119; 126.DOI:10.16736/j.cnki.cn41-1434/ts.2020.05.036.
[29] 贵州大学.一种基于电子舌的羊肉新鲜度的快速检测方法:CN201510360821.0[P].2015-10-07.
[30] 韩剑众, 黄丽娟, 顾振宇, 等.基于电子舌的肉品品质及新鲜度评价研究[J].中国食品学报, 2008, 8(3): 125-132.DOI:10.3969/j.issn.1009-7848.2008.03.023.
[31] 王婉茹, 李雪茹, 孙于磊, 等.电子舌在肉品质检测中的应用[J].农产品加工, 2023(11): 70-72; 75.DOI:10.16693/j.cnki.1671-9646(X).2023.06.018.
[32] 柳琦, 涂郑禹, 陈超, 等.计算机视觉技术在食品品质检测中的应用[J].食品研究与开发, 2020, 41(16): 208-213.DOI:10.12161/j.issn.1005-6521.2020.16.035.
[33] 李振波, 李萌, 赵远洋, 等.基于改进VGG-19卷积神经网络的冰鲜鲳鱼新鲜度评估方法[J].农业工程学报, 2021, 37(22): 286-294.DOI:10.11975/j.issn.1002-6819.2021.22.033.
[34] 周炜, 李小昱, 王为, 等.基于机器视觉的猪肉新鲜度无损检测方法的研究[C]//“第二届国际计算机及计算技术在农业中的应用研讨会”暨“第二届中国农村信息化发展论坛”论文集.中国农业大学, 国家农业信息化工程技术研究中心, 中国农业工程学会, 等.2008: 7.
[35] 孙永海, 赵锡维, 鲜于建川.基于计算机视觉的冷却牛肉新鲜度评价方法[J].农业机械学报, 2004, 35(1): 104-107.DOI:10.3969/j.issn.1000-1298.2004.01.027.
[36] 吴浩, 郭培源, 毕松.基于Matlab的神经网络猪肉新鲜度测定与研究[J].农机化研究, 2010, 32(8): 113-117.DOI:10.3969/j.issn.1003-188X.2010.08.030.
[37] 刘雅娜, 王文君, 苏里阳, 等.质构仪评定牛羊肉新鲜度研究[J].食品工业, 2016, 37(8): 154-157.
[38] 刘兴余, 金邦荃, 詹巍, 等.猪肉质构的仪器测定与感官评定之间的相关性分析[J].食品科学, 2007, 28(4): 245-248.DOI:10.3321/j.issn:1002-6630.2007.04.056.
[39] 李振兴, 刘钟栋.鱼肉弹性与其新鲜度相关性的研究[J].郑州工程学院学报, 2003, 24(4): 37-39.DOI:10.3969/j.issn.1673-2383.2003.04.010.
[40] 蔡健荣, 万新民, 陈全胜.近红外光谱法快速检测猪肉中挥发性盐基氮的含量[J].光学学报, 2009, 29(10): 2808-2812.DOI:10.3788/AOS20092910.2808.
[41] 郑文雄, 杨榕琳, 高泽欣, 等.鸡肉防腐保鲜方法及鲜度检测新技术研究进展[J].中国食品添加剂, 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 nearinfrared reflectance and transmission spectra[J].Meat Science, 2004,66(1): 45-54.DOI:10.1016/S0309-1740(03)00002-0.
[43] 王超, 刘言, 夏珍珍, 等.基于近红外光谱技术的小龙虾新鲜度快速检测研究[J].光谱学与光谱分析, 2023, 43(1): 156-161.DOI:10.3964/j.issn.1000-0593(2023)01-0156-06.
[44] 徐霞, 成芳, 应义斌.近红外光谱技术在肉品检测中的应用和研究进展[J].光谱学与光谱分析, 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.近红外光谱技术结合化学计量学用于畜禽肉制品品质分析的研究进展[J].食品安全质量检测学报, 2022,13(10): 3098-3105.DOI:10.19812/j.cnki.jfsq11-5956/ts.2022.10.011.
[46] 张庭霨, 钟猛猛, 黄英吉, 等.基于光谱技术的猪肉新鲜度检测方法的研究[J].电脑知识与技术, 2021, 17(30): 155-156; 159.DOI:10.14004/j.cnki.ckt.2021.2915.
[47] 张珏, 田海清, 张丽娜, 等.高光谱成像技术对羊肉新鲜度的无损检测[J].食品与发酵工业, 2020, 46(12): 237-243.DOI:10.13995/j.cnki.11-1802/ts.023341.
[48] 张雷蕾, 李永玉, 彭彦昆, 等.基于高光谱成像技术的猪肉新鲜度评价[J].农业工程学报, 2012, 28(7): 254-259.DOI:10.3969/j.issn.1002-6819.2012.07.042.
[49] 谢安国, 纪思媛, 李月玲, 等.基于遗传算法和深度神经网络的近红外高光谱检测猪肉新鲜度[J].食品工业科技, 2024, 45(17): 345-351.DOI:10.13386/j.issn1002-0306.2023120096.
[50] 徐子洋, 姜新华, 白洁, 等.基于多标记深度森林算法的冷鲜羊肉新鲜度无损检测方法[J].光谱学与光谱分析, 2024, 44(2): 580-587.
[51] 高万豪.基于多光谱技术的羊肉新鲜度无损检测[D].保定: 河北农业大学, 2019: 6-7.
[52] 孟繁松.三维荧光光谱分析在肌氨酸氧化酶蛋白检测的应用[D].无锡: 江南大学, 2021: 1-2.
[53] 马红艳.羊肉新鲜度三维荧光光谱检测技术研究[D].银川: 宁夏大学, 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] 张洁, 蔡明月.生物传感器技术在食品安全检测中的应用研究[J].食品安全导刊, 2024(20): 157-159.DOI:10.16043/j.cnki.cfs.2024.20.038.
[56] 葛鑫禹, 张朵朵, 朱丽, 等.薄膜荧光传感器对冷藏鸭肉新鲜度的无损检测[J].中国食品学报, 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] 韩晓雪, 司军, 武俊峰, 等.食品智能包装新鲜度指示剂研究进展[J].食品安全质量检测学报, 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] 韩婷婷, 孙冲, 王道营, 等.可视化智能包装在食品新鲜度监测中的应用研究进展[J].肉类研究, 2021, 35(12): 46-53.DOI:10.7506/rlyj1001-8123-20210721-187.
[61] 关海宁, 冷思琦, 刘登勇, 等.肉品新鲜度智能指示标签的形成分类与机制研究进展[J].食品安全质量检测学报, 2023, 14(5): 77-84.DOI:10.19812/j.cnki.jfsq11-5956/ts.2023.05.007.
[62] 邵卓麒, 刘彦泓, 朱金艳, 等.基于贵金属纳米酶的比色传感技术在食品安全检测中的应用[J].食品安全质量检测学报, 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] 邹艳秋, 金怀洲, 金尚忠, 等.生物超微弱发光在猪肉新鲜度检测中的应用[J].激光生物学报, 2016, 25(2): 178-184.DOI:10.3969/j.issn.1007-7146.2016.02.013.