冷却肉是指在良好操作规范和卫生条件下，经严格检疫和冷却处理，使胴体中心温度在24 h内降至0～4 ℃，并在后续加工、流通和零售环节中维持该温度条件的生鲜肉[1]。与热鲜肉相比，冷却肉始终处于0～4 ℃的低温环境，可有效抑制多数微生物的生长繁殖，其中肉毒梭菌和金黄色葡萄球菌等致病菌的毒素分泌活动也可被抑制，从而确保肉品的安全性。同时，冷却肉经历充分的解僵成熟过程，使其具有更优的品质特性，表现为嫩度适宜、弹性优良且风味物质丰富。与冷冻肉相比，冷却肉营养价值较高、汁液流失少[2]。2023年，农业农村部印发的《畜禽屠宰“严规范、促提升、保安全”三年行动方案》有力推动了国内肉类产业向“集中屠宰、冷链运输、冰鲜上市”方向发展。根据《“十四五”冷链物流发展规划》，我国计划到2025年建成约100 个国家骨干冷链物流基地。随着冷链基础设施的不断完善，叠加消费升级趋势、食品安全意识提升及零售商/餐饮/电商行业发展等多重因素，冷却肉正逐渐成为市场消费主流。中国物流与采购联合会2025年一季度冷链物流运行数据显示，冷链物流总额达2.21万亿 元，同比增长4%，冷库项目资金投入87.46亿 元，同比增长9.42%。此外，一批高标准冷库正在加快建设中，以满足日益增长的冷链物流需求。同时，在国家政策激励下，一季度新能源冷藏车销量同比增长超70%。政策推动产业升级，冷链物流需求稳中有升，市场规模持续扩大，将继续推动冷却肉市场的快速发展。然而，冷却肉富含蛋白质、脂肪和水分等营养成分，流通销售环节中的环境参数（如温度、光照等）波动易导致其新鲜度下降、感官品质劣化与营养价值损失[3]，甚至可能产生食品安全隐患[4]。因此，在冷却肉流通过程中实时监测其新鲜度以确保其品质安全尤为关键。目前，可选择且相对成熟的肉类新鲜度检测技术（表1）均存在不同程度的局限性[5-9]。因此，开发便携、快速、灵敏、低成本和高特异性的冷却肉新鲜度实时无损检测技术具有重要的现实意义。
表1 肉类新鲜度检测技术性能比较
Table 1 Performance comparison of meat freshness detection technologies
分类检测方法优势劣势主要应用感官评价直接、简便、无需仪器主观性强、准确度低、无法量化传统检测方法肉品的色泽、气味、质地、口感检测理化检验准确度高、可量化成本高、检验周期长、时效性差肉品水分、pH值、过氧化值等定量分析微生物检验准确度高费时费力、时效性差、操作难度大肉品微生物种类和数量检测电子鼻与电子舌 高效、客观、准确度高、重复性好肉品挥发性成分识别和分类，肉品新鲜度、掺假检测，肉品分级超声波技术 高效、无污染、无破坏性、稳定性差、精密度低灵敏度高易受超声波频率影响肉品组分及肌肉与脂肪厚度、肥瘦比等检测光谱技术 简便、无损、高效，可测定肉品内部信息肉品内部化学成分含量检测、鉴定等高光谱成像技术 可视化样品内部成分光谱检测成本高、灵敏度低、数据建模分析复杂信息和外部图像信息成本高、数据量大肉品内部成分检测，新鲜度、嫩度、腐败特征等检测电磁特性高效、准确度高、设备简单、数据获取及处理便捷、不受场地限制设备成本高、样品检测范围有限肉品新鲜度、嫩度等检测检测方法计算机视觉技术 可获取样品空间信息、识别样品外部信息、准确度高新型只能检测外部、不能检测内部组分肉品嫩度判定、pH值检测等
续表1
分类检测方法优势劣势主要应用质构仪检测 客观、准确度高、灵敏度高需与其他方法配合使用物性参数（硬度、嫩度、弹性、黏性等）检测环介导等温扩增技术灵敏度高、可肉眼判断结果易污染、引物设计要求高肉品中微生物、转基因、过敏原检测电离质谱高效、效率高、可视化不稳定肉品药物残留、重金属元素检测生物阻抗技术 无损、速率快、成本低、操作简单操作简单、特异性强、需要针对不同应用专门设计预测模型和电极肉品中水分、脂肪、蛋白质等成分含量分析生物传感器特异性高、灵敏度高、可检测低浓度目标物、响应速率快技术成本高、对操作人员专业素质要求高、存在假阳性或假阴性问题肉品新鲜度、微生物、毒素检测人工智能技术辅助检测高效、精准解析检测数据、数据处理量大、挖掘潜在信息人工智能模型训练和优化耗时、依赖高质量数据、计算资源要求高肉品色泽、纹理、脂肪分布等外观特征自动分析、肉品品质等级辅助评估、微生物污染预测、掺假鉴别
随着消费者对安全、优质食品需求的不断增长，以及传统新鲜度检测方法的固有局限性，肉类新鲜度监测技术正加速向智能监测方向转型。其中，智能包装系统通过实时感知、检测和记录包装食品内部和外部环境参数变化，为供应链各环节（包括生产者、销售者和消费者）提供食品新鲜度或变质状态的动态反馈和预警。该系统整合指示器、传感器等智能组件，通常以标签形式黏附、复合或印刷于食品包装材料表面，实现对产品质量关键指标的全程监测与追踪，为食品在贮藏、运输及分销环节中的品质变化提供精准数据支持[10]。其中，可视化智能标签作为智能包装系统的典型代表，可将肉类成分的生化变化转化为直观的可视信号，主动呈现食品质量信息。该技术不仅为肉类新鲜度评估提供创新、可靠且高效的方法，对保障食品质量和安全也至关重要，同时还有助于提升食品供应链的透明度、可信度和可持续性[11]。基于此，本文系统分析冷却肉在贮藏、流通等环节中腐败变质的主要途径及其特征代谢产物，从分子层面阐释可视化智能标签的显色机理，综述可视化智能标签分类及其在肉类新鲜度监测中的最新研究进展，并探讨可视化智能标签在商业应用中面临的挑战及其解决方案，以期为冷却肉品质监测技术的创新发展提供理论支撑，推动新型可视化智能标签从实验室研究向产业化应用的有效转化。
1 冷却肉的腐败变质机制
冷却肉化学组分主要包括约75%水、19%蛋白质、2.5%脂肪、1.2%碳水化合物、1.65%含氮化合物及少量矿物质及微量元素（钙、磷、钠、钾、氯、镁、铁、铜和锌等）。这些营养成分极易成为微生物生长基质，导致肉品腐败变质，不仅降低食用品质，还可能引发食品安全风险[12]。冷却肉的腐败变质机制（图1）主要涉及4 种途径：微生物污染、酶促自溶、脂质氧化和蛋白质氧化[13-14]。
图1 冷却肉腐败变质因素及机制
Fig.1 Influencing factors and mechanism of chilled meat spoilage
1.1 微生物污染
微生物污染是肉类腐败变质的根本原因之一。畜禽宰杀后，其机体防御机制失效，在后续加工、贮藏、运输及销售环节中，外源微生物可通过血管和淋巴管侵入肌肉组织[15]。在适宜条件下，微生物利用肉中蛋白质、脂质和碳水化合物等营养物质生长与增殖，产生包括醇类、醛类、酸类、酮类、酯类及硫化物等腐败代谢产物，导致肉品色泽劣变、质地软化、汁液流失等感官品质下降。主要腐败微生物包括细菌（乳酸菌、葡萄球菌、肠杆菌、大肠杆菌、假单胞菌、沙门氏菌等）、酵母菌（假丝酵母、红酵母等）和霉菌（青霉菌、毛霉菌、曲霉菌等）[16-17]。其中，假单胞菌属主要利用肉中碳源和氮源代谢产生多种具有腐败特性的化合物，在肉品表面形成具有臭味的黏液；肠杆菌的增殖则会导致肉品表面绿变，同时伴随具有刺激性气味的黏液产生；乳酸杆菌通过特定的碳氮代谢途径诱导硫代肌红蛋白生成，造成肉品变绿。这些微生物的代谢活动不仅改变肉品的感官特性，更是肉类腐败变质的重要生物学标志。
1.2 酶促自溶
酶促自溶涉及蛋白质水解和脂肪水解。蛋白质水解主要由钙蛋白酶、组织蛋白酶和氨肽酶介导，产生肽段和游离氨基酸，后者又可作为脂质氧化产物的攻击靶点，引起蛋白质氧化，进一步促进肉品腐败[18]。脂质水解由脂肪酶、脂酶和磷脂酶介导[19]。上述酶均具有特异性，如酸性脂肪酶水解中性脂肪（三酰甘油酯和胆固醇酯），中性脂肪酶水解三酰甘油、二酰甘油和单酰甘油，碱性脂肪酶水解二酰甘油酯和三酰甘油酯[20]。脂质水解生成的游离脂肪酸进一步氧化形成过氧化物，并最终形成醛类、酮类、醇类、酸类和酯类等小分子代谢产物[21]。
1.3 脂质氧化
肉品脂质氧化是导致肉品品质劣变的关键因素，这一复杂的生化反应不仅会引起肉品色泽劣变、风味异常等感官品质下降，还会造成必需脂肪酸等营养成分损失，甚至产生具有潜在毒性的次级代谢产物（如丙二醛）[22]。从反应机制来看，脂质氧化主要分为2 种方式：其一是脂质分子直接发生氧化反应产生挥发性物质；其二是脂质先在酶作用下水解为甘油、磷酸和游离脂肪酸后再进一步氧化降解。其分子机制本质上是肉中不饱和脂肪酸与分子氧的自由基链式反应，具体包括自动氧化、光氧化和酶促氧化3 种形式[23]。其中自动氧化占主导地位，由脂肪酶、脂氧合酶、环氧合酶及几种参与胆固醇氧化的酶介导，首先生成氢过氧化物等初级氧化产物，随后进一步降解为醛类、酮类和羧酸类等次级氧化产物[24-25]。值得注意的是，肉中天然存在的过渡金属离子、血红素蛋白及脂肪氧合酶等成分均可作为有效的氧化催化剂加速脂肪氧化[26]。更为重要的是，脂肪氧化产生的活性自由基产物能够诱导蛋白质分子的氧化修饰，故脂肪氧化通常伴随着蛋白质氧化，两者协同发生，加剧肉品腐败进程。
1.4 蛋白质氧化
蛋白质作为肉品重要的营养成分，其氧化过程可导致冷却肉营养质量、物理特性和感官特性发生显著变化，是其腐败变质的主要原因之一。在活性氧和活性氮介导下，蛋白质分子发生氧化修饰，高级结构改变，主要表现为三级结构的展开和四级结构的解聚等，特别是导致脯氨酸、赖氨酸和精氨酸等必需氨基酸的溶解度下降，并形成氨基酸衍生物，降低蛋白质的生物利用度[27]。这一过程与微生物分泌的胞外蛋白酶和内源性蛋白酶的协同作用密切相关，蛋白水解产生的游离氨基酸（如亮氨酸、异亮氨酸、苏氨酸、苯丙氨酸和色氨酸）在脱羧酶催化作用下转化为生物胺（biogenic amines，BAs）和挥发性含氮物质等腐败标志物。从分子机制来看，蛋白质氧化与脂质氧化具有相似的自由基链式反应特征，通过引起蛋白质分子的聚集、展开、裂解和交联等结构变化，降低蛋白质营养特性（如消化率降低和必需氨基酸损失等）、功能特性（如溶解度、保水性、乳化性和疏水性降低以及酶水解敏感性降低、失活等）及感官特性劣变（如色泽褐变、产生异味及质地软化等）[28-29]。
2 可视化智能标签的作用机理
可视化智能标签是一种通过颜色变化直观反映食品品质状态的智能包装技术，通常以黏附、复合或印刷等方式集成于食品包装材料表面，广泛应用于食品新鲜度指示、冷链运输监控及食品安全追溯等环节。其核心功能是通过标签与食品中代谢产物或环境因素的相互作用引发颜色变化，使消费者无需借助专业检测设备即可获取食品新鲜度、安全性和质量状态的直观信息。在贮藏和运输过程中，食品中因微生物活动或自身化学反应产生的一系列代谢产物（如BAs等）可与传感器或指示器特异性结合，通过化学反应、电子跃迁或物理特性改变等引发肉眼可辨的颜色变化，为食品新鲜度监测提供直观、高效的解决方案。目前，用于新鲜度监测的可视化智能标签主要基于比色法、荧光法和表面等离子体共振光谱法（基于金属纳米颗粒）等显色机理进行设计[30-31]。
2.1 比色法
比色智能标签是基于色敏材料在目标分析物作用下的颜色变化指示食品状态的智能标签技术。肉品腐败变质过程中积累的总挥发性盐基氮（total volatile basic nitrogen，TVB-N）、BAs等代谢产物可通过分子络合、酸碱指示或范德华力等机制与色敏材料发生特异性结合，引发其电子结构或分子构象改变，导致颜色变化。通过观察和量化该颜色变化，即可实现对肉品新鲜度或腐败程度的评估[32]。
色敏材料包括Lewis酸碱染料、溶剂致变色染料、气体致变色染料及Brønsted酸碱染料等[33]。其中，金属卟啉是Lewis酸碱染料中最为常见的一类化合物，是卟吩及其衍生物卟啉与金属离子发生取代反应形成的配合物。其具有开放的轴向配位点，可通过与分析物（如胺类、羧酸、硫醇等挥发性有机化合物）发生分子间相互作用（如酸碱作用、静电相互作用、成键和物理吸附等）改变颜色。例如，具有相同取代基的钴卟啉和铁卟啉分别呈现深紫色和深绿色，其中，钴卟啉与胺类物质结合后，轴向配位点电子密度增加导致其吸收光谱红移，颜色由深紫色变为粉红色；铁卟啉与硫醇类物质结合后，金属中心电子环境变化引发Q带吸收峰蓝移，颜色由深绿色变为黄色。因此，金属卟啉作为一种重要的色敏材料，在智能指示包装领域具有广泛的应用前景[34]。溶剂致变色染料颜色随溶剂极性改变而变化，其机制与基态-激发态间偶极矩变化相关，典型代表如偶氮苯类染料等[35]。
目前应用最广泛的色敏材料为Brønsted酸碱染料，也称酸碱指示剂，多为有机弱酸或弱碱类物质，其分子结构中的发色基团在酸碱环境变化时会发生质子化/去质子化作用，导致其电子共轭体系发生重构，从而引起可见光区吸收光谱位移，进而产生可视化的颜色变化[33]。根据来源差异，可将其分为合成酸碱指示剂和天然色素酸碱指示剂两大体系。
合成酸碱指示剂具有响应快、显色鲜明、稳定性好等优点。目前已有多种合成酸碱指示剂用于肉品新鲜度监测，可视化智能标签中常用的合成酸碱指示剂种类、pH值敏感范围及相应的颜色转变[36]如表2所示。Sobhan等[37]将甲基红与纤维素纳米纤维、壳聚糖复合制备pH值指示膜，在表层涂覆聚乳酸制成复合包装膜，用于室温（23 ℃）下牛肉新鲜度监测。结果表明，pH值由4升至8时，薄膜颜色由淡红色变为黄色，与微生物活菌总数和pH值上升趋势一致，揭示了牛肉新鲜度与pH值的相关性。Liu Ruoting等[38]利用NaOH处理稻草接枝阳离子后，与溴百里酚蓝（bromothymol blue，BTB）通过离子键合制备多孔TVB-N响应颗粒，进一步与羧甲基纤维素/κ-卡拉胶复合成膜。该膜在鱼肉不同新鲜状态（非常新鲜、新鲜及接近变质）下分别呈现黄色、绿色和蓝色，显示出良好的鱼肉新鲜度监测潜力。Su Yuanyuan等[39]通过将聚乙烯醇/木薯淀粉与中性红结合制备出一种新型pH值敏感型指示标签，可贴附于包装内层以监测肉品新鲜度。在猪肉、羊肉和鸡肉贮藏过程中，肉眼可观察到标签颜色由深红色变为橙色。经CIE色差（ΔE）量化后成功构建ΔE和TVB-N含量之间的多项式模型，证明了该新型pH值敏感型指示标签在包装肉品新鲜度监测应用中的可行性。
表2 可视化智能标签中常用的合成酸碱指示剂
Table 2 Synthetic acid-base indicators commonly used in visual intelligent labels
种类pH值敏感范围颜色转变种类pH值敏感范围颜色转变甲基紫0.0～1.6黄色→紫蓝色甲基红4.8～6.0红色→黄色百里酚蓝1.2～2.8红色→黄色BTB6.0～7.6黄色→蓝色甲基黄2.9～4.0红色→黄色中性红6.8～8.0红色→黄橙色溴酚蓝3.0～4.6黄色→紫蓝色酚酞8.0～10无色→淡红色甲基橙3.1～4.4红色→黄色百里酚酞9.4～10.6无色→蓝色溴甲酚3.8～5.4黄色→蓝色茜素黄10.1～12.1黄色→紫色
尽管合成染料显色性能优良，但从安全角度考虑，指示标签用于食品包装时，其中的化学指示剂可能存在向食品迁移的风险，不仅污染食品，也会影响指示标签的颜色响应灵敏度，与智能包装的初衷相悖。此外，部分合成染料显色范围窄，并存在致畸、致癌或致突变隐患，对生态与人类健康均构成潜在威胁[40]。因此，当前相关研究和消费趋势更倾向于天然色素酸碱指示剂的应用。
天然色素来源于动物、微生物以及植物根、茎、叶、花和果实等部分，具有来源广泛、安全性高、色谱丰富等优势，在具备着色能力的同时可响应环境酸碱变化发生颜色变化，兼具指示功能[41]。天然色素按其化学结构可分为5 类：异戊二烯衍生物类、多酚类、酮类、四吡咯类及醌类[42-43]。异戊二烯衍生物类色素以类胡萝卜素为主，是一类具有长链共轭双键结构、呈现黄色和红色的脂溶性色素，以番茄红素为代表；多酚类色素以花青素为主，是一种水溶性色素，其分子骨架为由2 个芳环和1 个六元杂环构成的三环体系，母核结构为2-苯基苯吡喃阳离子；酮类色素分子中含有多个单键和双键交替排列的共轭双键系统，通过特定波长的光吸收呈现颜色变化，以姜黄素为代表；四吡咯类色素是具有卟啉环基础结构的天然色素，因吡咯环中以共价键和配位键结合的金属元素被取代而呈现不同的颜色，以叶绿素和血红素为代表；醌类色素分子具有2 个相互连接的羰基（C＝O）组成的醌环基本结构，其颜色表现取决于π-电子共轭体系的电子状态，以茜素和紫草素为代表。典型天然色素在不同pH值下分子结构和颜色变化如图2所示[44]。
图2 不同pH值下天然色素的结构和颜色变化
Fig.2 Changes in the structure and color of natural pigments under different pH conditions
基于天然色素的智能标签利用其在酸碱环境中质子化/去质子化反应机制，已被广泛应用于肉品新鲜度智能指示包装的研发[45-46]，旨在解决人工合成染料带来的安全隐患。表3为制备可视化智能标签常用的天然色素染料种类及应用。Liu Chang等[47]以火龙果皮花青素提取物、Zn2+和果胶为原料制备复合薄膜，其在pH 1.0～12.0缓冲溶液中呈现由亮红色（pH 1.0～2.0）逐渐过度为粉红色（pH 3.0～4.0）、紫色（pH 6.0）、浅棕色（pH 8.0）、绿色（pH 9.0～10.0）至蓝绿色（pH 11.0～12.0）的颜色变化，在5 ℃贮藏120 h的虾新鲜度监测应用中，随包装内TVB-N含量增加，标签颜色由紫色变为绿色，表现出良好的指示性能，显示出天然色素在新鲜度可视化智能包装中的应用前景。为提高花青素稳定性及变色灵敏度，Li Ziao等[48]将紫甘薯花青素/壳聚糖凝胶珠和羧甲基纤维素钠/阳离子大豆分离蛋白制备成多层凝胶珠，在pH 3.0～11.0范围内，凝胶珠颜色由红色逐渐变为黄色，具有良好的pH值敏感性，可用于4 ℃贮藏猪肉新鲜度监测。Song Shuang等[49]制备出一种含有花青素共色素（聚赖氨酸、儿茶素和阿魏酸）复合物的马铃薯淀粉/卡拉胶pH值敏感智能膜，与纯花青素复合膜相比，引入的共色素复合物可通过π-π堆积和氢键相互作用显著提高花青素的保留率和稳定性，对TVB-N响应的颜色变化更明显，当环境pH值由2.0升至7.0时，薄膜颜色由红色变为灰粉色，pH值由8.0升至13.0时，薄膜颜色由灰蓝色变为黄褐色，显示出在肉品新鲜度监测中的应用潜力。
表3 天然色素指示剂在可视化智能标签中的应用
Table 3 Application of natural pigment indicators in visual intelligent labels
种类应用对象pH值范围及颜色转变显色原理参考文献荔枝花青素猪肉pH 1.0～2.0：红色pH 3.0：粉红色pH 4.0～5.0：浅粉色pH 6.0：紫色pH 7.0～8.0：蓝紫色pH 9.0～10.0：蓝色pH 11.0～12.0：黄色pH 13.0～14.0：亮黄色[50]火龙果皮花青素虾pH 1.0～2.0：亮红色pH 3.0～4.0：粉红色pH 6.0：紫色pH 8.0：浅棕色pH 9.0～10.0：绿色pH 11.0～12.0：蓝绿色在酸性环境下，花青素主要以黄烊盐阳离子形式存在，其分子中的苯并吡喃环（C环）上的羟基被质子化，带有1 个正电荷，使分子结构更加稳定，此时共轭体系完整，可吸收红色波段的光，呈现红色。随着pH值升高，其分子中的C环氧原子去质子化，导致分子结构发生改变，形成甲醇假碱，原有共轭体系被破坏，分子对光的吸收特性发生显著变化，无法有效吸收可见光，呈无色；在中性环境中，其结构进一步发生转变，形成醌型脱水碱基，其分子内电子重排、共轭链调整，形成新的共轭体系，可吸收紫色波段的光，呈现紫色；在碱性环境下，更多质子被去除，分子结构调整形成更长的共轭链，可吸收蓝色波段的光，呈现蓝色；在较高pH值下，其发生水合作用形成查耳酮，对可见光吸收主要集中在浅黄色波段，呈现黄色[47]玫瑰花青素带鱼pH 2.0～3.0：红色pH 4.0～6.0：粉红色pH 7.0～8.0：紫色pH 9.0～11.0：黄绿色[51]鱼肉[52]姜黄素pH 4.0～6.0：浅黄色pH 7.0～8.0：淡黄色pH 9.0～11.0：黄色鸡肉pH 4.0～6.0：黄色pH 7.0～9.0：橙黄色pH 10.0～11.0：橙红色姜黄素颜色变化取决于其分子中3 个羟基的质子化状态：在酸性条件下，酚羟基等基团处于质子化状态，共轭体系处于一种特定的结构状态，呈现黄色；在中性环境中，酚羟基等基团处于质子化和去质子化动态平衡，仍呈现黄色；在碱性环境中，酚羟基等基团发生去质子化反应，共轭体系变化，使其吸收光谱向长波方向移动，呈现出红色或红褐色[53]鱼肉[54]茜素pH 1.0～2.0：黄色pH 3.0～11.0：红色pH 12.0～13.0：紫色虾pH 2.0～5.0：黄色pH 6.0：红色pH 7.0～12.0：紫色在酸性环境中，茜素质子化后分子结构相对稳定，共轭体系完整，呈现黄色；在中性条件下，其酚羟基去质子化导致结构变化，呈现红色；在碱性环境中，其酚羟基的二次去质子化使共轭体系受损，结构显著变化，对光的吸收特性发生改变，呈现紫色[55]甜菜红素牛肉pH 1.0～8.0：红粉色pH 9.0～10.0：红紫色pH 11.0～12.0：黄色在酸性或中性环境下，甜菜红素呈稳定的红粉或红紫色；在碱性条件下，其分子中的醛亚胺键发生水解断裂，生成无色的环多巴衍生物及亮黄色的甜菜醛氨酸，颜色由红紫色逐渐转变为黄色[56]
2.2 荧光法
基于荧光法的可视化智能标签主要通过结合单元（受体）与肉品代谢产物之间的相互作用实现检测，其信号传导机制涉及多种荧光调控效应。荧光技术检测肉品新鲜度的原理主要包括聚集诱导发射（aggregation-induced emission，AIE）、荧光共振能量转移（fluorescence resonance energy transfer，FRET）、分子内电荷转移（internal charge transfer，ICT）和光诱导电子转移（photo-induced electron transfer，PET）效应[57]。传统的荧光染料在稀溶液中表现出强荧光，但在高浓度或固态条件下，分子间距缩小，π-π堆积作用增强导致激发态能量非辐射衰减，产生聚集诱导猝灭（aggregation-caused quenching，ACQ）效应，严重限制其在水溶性生物体系中的应用。与之相反，AIE效应中分子最初为弱荧光或无荧光状态，在聚集态下荧光信号增强，从根本上解决了ACQ效应存在的问题[58]。AIE效应使材料在聚集态下表现出高量子产率，即使在高浓度溶液中仍能保持荧光不猝灭，这种高亮发光特性有助于在高分辨率显微镜中显著增强信噪比、提升图像质量与空间分辨率。此外，AIE材料具有较大的Stokes位移，能够有效降低超分辨率成像中的交叉干扰与荧光重叠现象，从而提高成像的可靠性。同时，AIE材料还表现出优异的抗光降解与光漂白性能，即使在长时间白光照射下仍可保持良好的荧光性能，确保成像准确性与稳定性。综上所述，该类材料具有种类多样、毒性低、易于修饰、生物相容性好、溶解度与荧光发射可调控等优势，能够为荧光成像提供真实、可靠的结果保障[59]。Qi Xiaoni等[60]利用氢键诱导吩嗪衍生物和萘二胺的自组装特性开发出一款具有强烈AIE效应的生物智能标签，基于三乙胺介导的氢键及π-π堆积相互作用失效引起的电荷转移效应实现肉品TVB-N可视化检测，三乙胺检出限为5.35×10-7 mol/L。随着贮藏时间的延长，智能标签由明亮的黄绿色变为暗黄色。Zhang Wenyang等[61]采用谷胱甘肽（glutathione，GSH）包覆铜纳米簇（copper nanoclusters，CuNCs），构建具有AIE效应的GSH-CuNCs聚集体，以其为荧光指示剂的便携式纸质智能标签在4 ℃下监测鲑鱼新鲜度，随着鲑鱼腐败程度加深，氨蒸气浓度逐渐升高，智能标签在紫外光下的荧光颜色呈现由橙红色向蓝紫色的梯度变化。由此可见，基于AIE效应的智能标签在冷却肉新鲜度可视化监测领域具有可行性。
FRET效应是一种基于供体荧光团在激发态时向邻近受体荧光团进行非辐射性能量转移的过程。当供体与受体间距离在1～10 nm范围内，且二者的发射光谱和吸收光谱具有足够重叠时，供体将其激发态能量转移至处于基态的受体[62]。与传统ACQ效应相比，FRET效应能够有效避免荧光猝灭，并在纳米级距离内产生荧光响应，表现出高灵敏度。此外，FRET效应具有高信噪比，有助于提升图像质量和空间分辨率。通过选用不同的供体-受体对，该技术还可实现多目标同步检测[63]。Sun Yue等[64]利用硅量子点（silicon quantum dots，SiQD）和银纳米簇（silver nanoclusters，AgNC）之间的FRET效应制备出一种对硫化氢（H2S）和甲硫醇响应灵敏的双发射荧光材料，将其涂覆在聚偏二氟乙烯（polyvinylidene fluoride，PVDF）薄膜上，形成便携式SiQD-AgNC/PVDF薄膜传感器，并应用于4 ℃下牛肉包装。在贮藏6 d中，随H2S含量增加，其荧光颜色由紫红色变为青色，证明了其在肉制品新鲜度实时监测中的应用潜力。Wu Gan等[65]以聚[(9,9-二正辛基芴-2,7-二基)-(苯并[2,1,3]噻二唑-4,8-二基)]（poly[(9,9-di-n-octylfluorenyl-2,7-diyl)-alt-(benzo[2,1,3]thiadia-zol-4,8-diyl)]，PF8BT）、苯乙烯-马来酸酐共聚物及氰基亚磷酰胺为材料，基于适配体连接制备荧光传感器，利用组胺识别引发FRET效应，可在3～21 μmol/L范围内实现对水产品中组胺的快速检测，展现出其在食品安全和质量控制方面的应用潜力。
基于ICT效应的荧光团内部结构中的供体-π共轭体系-受体（donor-π-acceptor，D-π-A）结构具有强荧光特性。其中电子供体通过π共轭体系向电子受体提供电子，形成分子内电荷定向转移结构。当供体被吸电子基团取代时，供体的给电子能力丧失，导致电子无法从供体端向π共轭体系转移，分子内电场消失，D-π-A结构中的电荷转移作用被破坏，伴随荧光猝灭[66]。Li Jinkun等[67]在碳共轭共价有机骨架中引入阳离子吡啶鎓位点，基于其在挥发性胺作用下发生去质子化所引发的强烈荧光发射和剧烈颜色变化开发出一种便捷且可逆的ICT诱导荧光比色法。该方法对氨气表现出0.65 s的超快响应，并呈现红色→绿色→蓝色的显著颜色变化，可用于TVB-N的监测。Miao Xin等[68]以二苯基吖啶作为供体，分别以三氟甲基苯或氰基苯作为受体，制备2 种荧光团，制成涂膜标签后用于监测牛肉、鸡肉和虾贮藏过程中产生的尸胺。因荧光团与尸胺之间形成氢健引发ICT效应增强，2 种荧光团均呈现明显的荧光猝灭效果，具有快速响应特性（15 s和25 s），并可在30 s内完成活化再生操作，30 次循环使用后，标签仍能保持65%～66%的荧光信号，显示出良好的可重复使用性，适用于肉类新鲜度的快速、无损与准确评估。
PET效应基于供体和受体之间亚纳米尺度的范德华接触实现有效猝灭，包括动态猝灭和静态猝灭2 种机制。其典型结构特征为通过短间隔物将荧光团与识别受体共价连接，形成“荧光团-间隔物-受体”复合结构。在此结构中，受体与荧光团之间因分子内电子转移，导致荧光团激发态能量非辐射耗散，荧光强度降低，发生猝灭；而阻断PET过程即可恢复荧光强度[69]。Zhang Duoduo等[70]设计并合成一种具有构象可调性的新型酞菁二亚胺衍生物，该材料具有更高的荧光量子产率，对TVB-N响应更敏感，其荧光可被胺类物质通过PET效应猝灭，且胺含量越高，荧光猝灭效率越高。基于此构建一种高灵敏度、高选择性、快速且可逆的薄膜荧光传感器，可用于检测山羊肉和鸭肉中的有机胺类物质。Chakraborty等[71]利用氰基丙烯酸（cyanoacrylic acid，CAA）荧光团对液/气相中不同含量BAs的响应差异，基于聚酯材料设计出一款探针。随着BAs含量的升高，该探针量子产率增强且颜色逐渐变化（红色→橙色→橙黄色→青色→绿色），对腐胺、尸胺和亚精胺响应灵敏，具有良好的稳定性，可有效用于鱼肉和鸡肉新鲜度监测，显示出其在减少食物浪费和保障食品安全方面的应用潜力。
2.3 表面等离子体共振光谱法
金属纳米粒子的尺寸、形貌、表面组成、介电环境及其与其他物质的相互作用等因素共同调控其局域表面等离子体共振（localized surface plasmon resonance，LSPR）特性，并导致其光学信号发生变化[72]。肉类腐败变质过程中产生的目标物能够直接或间接改变金属纳米粒子表面折射率，导致LSPR吸收峰红移，宏观上表现为金属纳米粒子标签颜色的显著变化。因此，纳米金属复合材料因其可调的LSPR特性、丰富的表面可修饰性和良好的生物相容性，在肉类新鲜度监测领域展现出广泛的应用前景。Yu Jiahang等[73]利用硫氢化钠（NaHS）替代H2S作为模型蒸气，揭示基于银纳米粒子（silver nanoparticles，AgNP）的比色阵列传感器的传感机制。结果表明，随NaHS浓度（0～100 μmol/L）增加，AgNP响应速率加快，其等离子体吸收峰发生红移，413 nm波长处的峰强度逐渐减弱直至消失，288 nm波长处逐渐出现并最终形成明显的新峰；AgNP颜色变化为亮黄色→浅棕色→深棕色→紫色→浅灰色。该模型实现了对NaHS的可视化检测与紫外-可见光谱定量分析，显示出在肉类腐败挥发性化合物检测中的应用潜力。Teymouri等[74]开发出一种基于铜纳米粒子（copper nanoparticles，CuNP）的比色指示剂，用于检测鱼类腐败过程中的挥发性硫化物（volatile biogenic sulfide，VBS）。该指示剂的颜色响应不受水分、pH值和时间的影响，具有高灵敏度、低检出限（1.53 µg/mL）和定量限（4.63 µg/mL）。CuNP比色指示剂的白色、黄色和棕色分别对应鱼类新鲜、半新鲜和变质状态，证明其可用于智能包装中以实时肉眼实时监测鱼类腐败情况。
3 冷却肉新鲜度可视化智能标签研究进展
冷却肉新鲜度可视化智能标签的作用机理基于智能标签与冷却肉腐败变质过程中产生的特征产物（如TVB-N、BAs、VBS及CO2等）发生特异性响应并产生可视颜色变化。根据目标响应物的不同，该类标签主要分为TVB-N敏感型智能标签、BAs敏感型智能标签、VBS敏感型智能标签、CO2敏感型智能标签，各类智能标签在冷却肉新鲜度监测中的应用如表4所示。
表4 可视化智能标签在冷却肉新鲜度监测中的应用
Table 4 Application of visual intelligent labels in monitoring the freshness of chilled meat
注：AuNCs.金纳米簇（gold nanoclusters）；CDs.碳点（carbon dots）。
智能标签基本组成显色原理应用对象贮藏时间颜色变化检出限反应时间参考文献红甘蓝花青素、明胶、没食子酸、聚乙烯醇比色法牛肉14 d紫色→蓝色33.19 mg/L（三甲胺）13.26 mg/L（二甲胺）21.83 mg/L（氨气）[75]TVB-N敏感型矮牵牛色素、壳聚糖、海藻糖、聚乙烯醇比色法猪肉10 d粉红色→深红色→紫色0.5 mol/L（氨气）2 min[76]3,3’,5,5’-四甲基联苯胺、海藻糖比色法猪肉、鸡肉8 d深蓝色→浅粉色5 min[77]新型酞菁二亚胺衍生物荧光法羊肉、鸭肉7 d荧光猝灭[70]金纳米颗粒表面等离子体共振光谱法猪肉24 d红色→蓝色[78]BAs敏感型VBS敏感型甲基红、BTB、结冷胶、羧甲基纤维素钠比色法羊肉7 d橙红色→橙黄色→黄绿色→绿色2.82 μL/L（氨溶液）[79]萘基荧光化合物荧光法猪肉、鸡肉3 d红色荧光→蓝色2.69 μL/L（腐胺）6.11 μL/L（尸胺）30 s[80]CAA荧光法鱼肉、鸡肉22 h红色→橙色→橙黄色→青色→绿色[71]二氰乙烯基香豆素荧光法牛肉60 h红色→绿色0.051 μmol/L（尸胺）54 s[81]栀子果苷元比色法鸡肉3 d白色→深蓝色0.1 mmol/L（腐胺）30 min[82]SiQD-AgNC复合物荧光法牛肉6 d紫红色→青色224 nmol/L（H2S）233 nmol/L（CH3SH）[64]AuNCs、CDs、聚乙烯醇荧光法鸡肉、猪肉10 d橙色荧光猝灭→绿色荧光1 μmol/L（H2S）5 min[83]银-铁纳米颗粒、琼脂表面等离子体共振光谱法鸡肉10 d黄色→棕色4 mg/m3（H2S）[84]黑豆种皮花青素、海藻酸钠比色法猪肉5 d浅棕色→棕色0.5 μmol/mL（H2S）[85]AgNP细菌纤维素纳米晶体/藻酸盐三氧化钼的纳米悬浮液表面等离子体共振光谱法猪肉24 d浅灰色→淡黄色→黑色3.27 nmol/L（H2S）[86]CO2敏感型BTB、纤维素比色法鸡肉10 d深蓝色→蓝绿色→绿色5%（V/V）[87]黑枸杞花青素Al3+螯合物、羟丙基甲基纤维素比色法鸡肉4 d深绿色→灰蓝色5%（V/V）[88]甲基纤维素、聚乙二醇、BTB比色法鸡肉4 d蓝色→绿色5.9%（V/V）[89]
3.1 TVB-N敏感型智能标签
TVB-N是肉品腐败过程中微生物和内源酶分解蛋白质及其他含氮成分所产生的碱性物质，主要包括氨、二甲胺和三甲胺等，其含量是评价肉品新鲜度的重要指标，GB 2707—2016《食品安全国家标准 鲜（冻）畜、禽产品》规定鲜肉TVB-N含量限值为15 mg/100 g。Yun Yalu等[90]将基于静电相互作用构建的蝶豆花青素负离子木质膜（Clitoria ternatea anthocyanins-fixed wood film，CTWF）用于猪肉新鲜度监测。结果表明，不同pH值下，CTWF表现出4 种显著的颜色变化（紫红色→紫色→绿色→蓝色），在相对湿度53%、氨气浓度7.50 mmol/L条件下，CTWF在3 s内由紫色变为绿色；同时，蝶豆花青素的引入使其热稳定性显著提高，分解温度从323 ℃升至336 ℃。当猪肉包装内TVB-N含量升至14.56 mg/100 g时，CTWF（0.6 cm×0.6 cm）由紫色变为蓝色，表明该指示膜具备作为TVB-N敏感型多色传感器的潜力。Zhao Xinxin等[76]以矮牵牛花色素、壳聚糖、海藻糖和聚乙烯醇为原料，通过静电纺丝技术合成一种智能指示薄膜，并在其顶部和底部层合聚对苯二甲酸乙二醇酯膜，形成“三明治”结构pH值指示器，用以猪肉新鲜度监测。在贮藏10 d内，当TVB-N含量由3.5 mg/100 g升至15.7 mg/100 g时，薄膜颜色由粉红色变为深红色，当TVB-N含量增至16.1 mg/100 g时，薄膜颜色变为紫色，且颜色响应可在2 min内完成，表现出对TVB-N优异的敏感性与快速响应能力，为猪肉新鲜度监测提供了一种有效的智能包装方案。
3.2 BAs敏感型智能标签
BAs是在微生物源脱羧酶作用下，由特定游离氨基酸发生脱羧反应或通过醛类和酮类物质的胺化及转氨作用所产生的一类化合物。腐败肉品中BAs主要包括脂肪胺（如尸胺、腐胺、亚精胺和精胺）、芳香胺（如酪胺和苯乙胺）和杂环胺（如色胺和组胺）等。因其潜在毒性，BAs已被视为评估肉品腐败程度的重要标志物[62]。Chen Xirui等[91]设计了一种简单的pH值敏感AIE荧光团，即4-(二甲氨基苯乙烯基)喹喔啉-2(1H)-酮，将其物理沉积于定性滤纸上，开发出一款用于冷鲜鸡肉包装中BAs含量监测的盐酸酸化指示标签。在4 ℃贮藏5 d后，鸡肉生物胺指数（biogenic amine index，BAI；BAI＜5 mg/kg：质量良好；BAI为5～20 mg/kg：质量可接受，初现变质迹象；BAI为20～50 mg/kg：质量差；BAI＞50 mg/kg：腐败变质），即组胺、腐胺、尸胺和酪胺含量之和，超过50 mg/kg，表明鸡肉已发生腐败变质。此时，指示标签颜色由蓝色变为紫色，实现对肉类新鲜度的可视化监测。Calabretta等[82]基于栀子果苷元可与BAs结合生成水溶性蓝色色素的原理，将其作为传感分子设计的三孔比色传感纸可实现鸡肉包装中BAs的肉眼检测。该指示标签对腐胺溶液的检出限为0.1 mmol/L。在4 ℃贮藏3 d内，随着鸡肉BAs含量的增加，指示剂由透明白色逐渐变为不透明深蓝色，且传感纸在使用14 d后仍能保持20%反应活性，证实栀子果苷元比色传感纸作为智能标签的潜在适用性。Liu Ziyi等[80]制备了4 种萘基荧光化合物作为检测猪肉与鸡肉贮藏过程中腐胺/尸胺的定性与定量检测荧光探针，其中，2-(6-(4-(二苯基氨基苯基)萘-2-基)亚甲基)丙二腈表现出卓越的传感性能，具有明显的荧光颜色多变性、时效性、高选择性和高灵敏度。当腐胺、尸胺含量分别增至2.69、6.11 μL/L时，荧光探针30 s即可发生肉眼可见的颜色变化（由浅黄色变为亮黄色），荧光探针在紫外线照射下由红色逐渐变为蓝色，显示出其用于冷却肉新鲜度可视化监测中的应用潜力。
3.3 VBS敏感型智能标签
VBS是肉类中含巯基氨基酸在微生物分解作用下产生的H2S 及其他硫化物气体的总称，为肉类酸败气味的主要来源。因此，多数研究将其视为评估肉类腐败变质的特征性化合物[92]。Huang Yi等[83]基于CDs与AuNCs优异的荧光特性构建AuNCs-CDs荧光指示标签，用于VBS可视化监测。该标签对VBS的视觉检出限为1 μmol/L，鸡肉在4 ℃贮藏10 d后，标签荧光颜色由橙色变为绿色，显示出AuNCs-CDs荧光指示标签作为肉类新鲜度监测的潜在应用前景。Sukhavattanakul等[86]采用喷涂法将负载AgNP的细菌纤维素纳米晶体和藻酸盐三氧化钼的纳米悬浮液复合于聚酯膜表面，开发出一种用于肉类H2S气体监测的新型智能标签。该标签为厚度0.73～2.18 μm的光学透明薄膜，贮藏8 d内，随着猪肉包装中H2S气体浓度增加，其颜色由初始的透明浅灰色逐渐变为淡黄色，贮藏24 d后进一步变为不透明黑色，展现出其在冷却肉新鲜度监测中的应用潜力。Jaiswal等[93]通过绿色合成法制备高表面积氧化铋纳米棒，基于其特性开发的比色可逆传感器可检测空气和密封肉类包装中的痕量H2S气体。该传感器在25 s内即可对H2S气体作出快速响应，呈现由白色到棕色的显著颜色变化。将其涂复于柔性硝化纤维膜滤纸上，可用于冷却肉腐败情况检测。
3.4 CO2敏感型智能标签
CO2是微生物代谢的主要产物，在肉类产品中，其作为酸性气体可通过降低体系pH值影响肉品新鲜度。Karaca等[87]开发的基于BTB的纤维素基CO2敏感型新鲜度指示器可用于4 ℃下聚酰胺/聚乙烯袋包装鸡肉腐败情况监测，贮藏10 d内，充空气包装袋内CO2体积分数由0.00%升至15.33%，贮藏4 d时，嗜中温需氧菌和假单胞菌属总数分别达5.10、6.21（lg（CFU/g）），超过腐败限值，此时指示器表现出显著的3段颜色变化（深蓝色→蓝绿色→绿色），显示出其用在家禽冷却肉新鲜度监测中的应用潜力。Choi等[88]将黑枸杞花青素提取物与Al3+螯合，开发出一种CO2敏感型指示剂用于鸡胸肉新鲜度监测。结果表明，10 ℃贮藏3 d内，新鲜鸡肉包装内菌落总数由初始的4.07（lg（CFU/g））升至7.57（lg（CFU/g）），CO2体积分数由0.03%升至15.38%时，指示剂由深绿色变为灰蓝色，呈现可见响应。Al Obaidi等[89]设计的3 层CO2敏感型智能标签外层为透明、不透气聚酯膜，内层为透气性良好的聚乙烯膜，中间变色层为通过甲基纤维素和聚乙二醇溶液固定的BTB或酚红染料。将其复合于聚酰胺/聚乙烯包装材料中并用于新鲜鸡肉包装，通过腐败成分数据分析证明了二者在禽肉新鲜度监测中的适用性。结果表明，贮藏4 d时包装内CO2体积分数为19.9%，酚红智能标签呈现3段颜色变化（紫色→深粉色→橙色），ΔE为19.03±1.22，BTB智能标签由初始蓝色变为绿色，ΔE为33.30±1.14。然而，基于可视化智能标签应用目的，酚红智能标签颜色变化更为明显，因此更适用于肉类腐败过程监测。
4 结 语
可视化智能标签应用于冷却肉新鲜度监测可为消费者和生产者提供快速、准确的信息反馈，既能增强消费者购买欲望，又能减少食物浪费，从而有效降低肉类腐败对环境和经济的负面影响。然而，可视化智能标签在从实验室规模向商业化应用过渡的过程中仍面临诸多挑战。
1）可视化智能标签性能不足。目前研究及应用的新鲜度智能标签多以天然成分作为基质材料，通过颜色反应实现新鲜度监测，其中酸碱指示型标签占主导地位。然而，这类标签易受外部温度、pH值等多种环境因素影响，存在稳定性和灵敏度不足等问题，导致其在实际应用中的指示效果不佳。为提高新鲜度智能标签的稳定性和灵敏度，需从标签基质和指示剂两方面进行优化。
目前新鲜度智能标签基质主要采用流延法制备。该方法具有操作简单、成本低等优势，但其水溶性基质稳定性较差。在食品包装和贮藏过程中，基质易受水分、氧气、温度波动等因素影响，导致标签性能下降，影响指示效果。共价交联是改善标签基质性能的有效方法，该方法通过在基质分子间形成共价键，增强分子间相互作用力，构建稳定的三维网络结构，减少基质分子间孔隙，从而有效提高基质的机械性能和阻隔性能，延长使用寿命。例如，Guo Hongyang等[94]采用丙烯醛将花青素与壳聚糖进行共价交联，花青素负载量高达26.18 mg/g，在提高其稳定性的同时还可防止其迁移，指示标签的机械强度与阻隔性能得以显著提高，对挥发性氨表现出卓越的灵敏度和快速响应特性。此外，在制备标签基质时还可采用母粒拉膜法，通过优化工艺参数（如挤出温度、拉伸速率等）进一步提高材料性能，使基质材料结构更紧密、稳固，从而改善其机械性能和化学稳定性。
在指示剂选择方面，深入研究能与食品腐败组分直接发生反应的指示剂体系，是提高新鲜度智能标签灵敏度的有效途径。在指示剂稳定性提升方面，纳米封装技术展现出显著优势，该技术通过将指示剂分子包裹在纳米级载体中，通过化学键合或静电相互作用与指示剂分子结合成稳定的复合结构，形成物理屏障，增强指示剂的机械稳定性，从而有效降低实际应用过程中的物理损耗。然而，目前该技术在封装工艺一致性和重复性控制方面仍存在技术瓶颈，相关标准规范体系也有待完善。此外，喷墨印刷技术的应用为指示剂负载提供了新的解决方案，该技术不仅能将指示剂精确地印刷在标签基材上，形成均匀、稳定的颜色指示层，还可通过与其他功能材料（如抗菌剂、抗氧化剂等）相结合，实现高分辨率、快速印刷、个性化定制等多元化需求。
2）可视化智能标签功能与安全性认知程度低。一方面，可视化智能标签使用和制造缺乏统一的评估方法和明确的监管措施，导致标签质量参差不齐。另一方面，可视化智能标签中组成成分和功能成分的毒理学评价指标不够全面、有效，部分潜在添加物质（如金属纳米粒子、合成色素、挥发性有机物等）的迁移风险未被充分考量，其可能通过与人体接触或环境交互进入生物链，对健康和环境造成长期影响。此外，标签成分在不同应用场景中的迁移特性存在差异，现有研究尚未系统性覆盖所有使用场景，导致风险评估存在盲区。因此，需进一步制定涵盖成分筛选、迁移测试、毒性评估的完整性技术规范，同时，需要相关部门加快立法进程，制定相关法律法规，实现强制认证和追溯机制，以强化市场监管，提高消费者的信任度。
3）可视化智能标签生产成本高。可视化智能标签作为食品供应链智能化升级的核心技术载体，其功能集成性（如实时温湿度监测、新鲜度监测等）为食品安全与品质管理提供了革命性解决方案。但其制备需要高度专业化的复杂技术，导致可视化智能标签食品包装的价格远高于传统包装食品。因此，研发简单、便捷的制备方法及设备，如采用生物基导电材料（如碳纳米管-纤维素复合材料）与动态共价键聚合物以降低材料成本，构建模块化制备设备以缩短生产周期，是可视化智能标签生产应用的必然趋势。此外，根据目前全球倡导的可持续发展理论，研究如何提高可视化智能标签的利用率和回收率也是未来面临的挑战之一。
近年来，随着互联网技术的飞速发展，可视化智能标签与信息技术、智能生活终端的深度融合已成为信息社会发展进程中的热点领域。通过将比色、荧光、电化学等多种传感信号进行有机整合，智能标签能够实现对冷却肉品质的多维度、全方位监测。基于区块链的不可篡改性和分布式账本特性，将智能标签与区块链平台数据进行关联，消费者不仅可直观确定冷却肉新鲜度，还可通过智能手机等终端设备扫描智能标签，实现冷却肉的全链路溯源，包括产地、生产日期、加工过程、运输条件等，确保冷却肉信息的真实性和透明度。可视化智能标签与区块链结合，不仅能提升消费者对冷却肉质量信任度，还有助于监管部门对其供应链进行有效监管，及时发现和处理食品安全问题。此外，智能标签通过与人工智能算法和大数据分析技术结合，可实现对冷却肉质量数据的深度挖掘和智能分析，构建冷却肉品质的精准校准模型，实现对肉品新鲜度状态、剩余保鲜时长等核心信息的有效提取与筛选。借助无线通信技术，这些信息能够高效传输至接入互联网云服务器/数据库的智能手机、便携式智能设备等终端，实现数据无缝对接。该系统可向用户实时推送冷却肉状态提醒，引导用户及时采取处理措施，从而减少因品质劣化导致的食物浪费。此外，基于用户反馈和行为数据，智能算法可不断优化可视化智能标签的性能和功能，提高用户体验。基于此，融合多模态传感技术集成、区块链全链路溯源、可穿戴设备联动监测及智能算法与大数据分析优化决策等技术将成为可视化智能标签未来研发的重点方向和发展趋势。
[1] 国家市场监督管理总局, 国家标准化管理委员会.冷却肉加工技术要求: GB/T 40464—2021[S].北京: 中国标准出版社, 2021.
[2] CHEN J H, ZHANG X, BASSEY A P, et al.Prospects for the next generation of artificial enzymes for ensuring the quality of chilled meat: opportunities and challenges[J].Critical Reviews in Food Science and Nutrition, 2024, 64(11): 3583-3603.DOI:10.1080/104083 98.2022.2133077.
[3] CUI H X, KARIM N, JIANG F, et al.Role of temperature fluctuations and shocks during refrigeration on pork and salmon quality[J].Food Quality and Safety, 2023, 7: fyad011.DOI:10.1093/fqsafe/fyad011.
[4] GUO Z W, CHEN Y B, WU Y Q, et al.Changes in meat quality,metabolites and microorganisms of mutton during cold chain storage[J].Food Research International, 2024, 189: 114551.DOI:10.1016/j.foodres.2024.114551.
[5] 罗丽, 许粟, 扶胜, 等.肉及肉制品新鲜度影响因素及控制方法研究进展[J].肉类研究, 2025, 39(2): 55-66.DOI:10.7506/rlyj1001-8123-20240909-239.
[6] 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.
[7] 侯智轩, 张朵朵, 姚平波, 等.肉及肉制品新鲜度检测技术研究进展[J].肉类研究, 2025, 39(1): 64-71.DOI:10.7506/rlyj1001-8123-20240826-221.
[8] NASTASIJEVIC I, KUNDACINA I, JARIC S, et al.Recent advances in biosensor technologies for meat production chain[J].Foods, 2025,14(5): 744.DOI:10.3390/foods14050744.
[9] WANG M Y, LI X X.Application of artificial intelligence techniques in meat processing: a review[J].Journal of Food Process Engineering,2024, 47(3): e14590.DOI:10.1111/jfpe.14590.
[10] 雷桥, 张文惠.负载天然色素的生物基智能包装指示器研究进展[J].食品科学技术学报, 2024, 42(1): 20-31.DOI:10.12301/spxb202300271.
[11] CHENG H, XU H, JULIAN MCCLEMENTS D, et al.Recent advances in intelligent food packaging materials: principles,preparation and applications[J].Food Chemistry, 2022, 375: 131738.DOI:10.1016/j.foodchem.2021.131738.
[12] 娄世豪, 李丹丹, 孙小晶, 等.冷鲜肉防腐保鲜技术研究进展[J].食品工业科技, 2024, 45(8): 358-365.DOI:10.13386/j.issn1002-0306.2023040197.
[13] ÇELEBI Y, KOÇ G Ç, SÜFER Ö, et al.Impact of ozone treatment on lipid oxidation in foods: a critical review[J].Ozone: Science &Engineering, 2024, 46(5): 430-454.DOI:10.1080/01919512.2024.231 2907.
[14] YI Z K, XIAO X N, CAI W, et al.Unraveling the spoilage characteristics of refrigerated pork using high-throughput sequencing coupled with UHPLC-MS/MS-based non-targeted metabolomics[J].Food Chemistry, 2024, 460: 140797.DOI:10.1016/j.foodchem.2024.140797.
[15] DRAGOEV S G.Lipid peroxidation in muscle foods: impact on quality, safety and human health[J].Foods, 2024, 13(5): 797.DOI:10.3390/foods13050797.
[16] MARCELLI V, OSIMANI A, AQUILANTI L.Research progress in the use of lactic acid bacteria as natural biopreservatives against Pseudomonas spp.in meat and meat products: a review[J].Food Research International, 2024, 196: 115129.DOI:10.1016/j.foodres.2024.115129.
[17] 田璐, 张宁, 段保宁, 等.我国市场生鲜畜禽肉微生物污染情况分析: 基于中国知网数据库[J].山东畜牧兽医, 2022, 43(1): 36-41; 44.DOI:10.3969/j.issn.1007-1733.2022.01.011.
[18] ABRIL B, BOU R, GARCÍA-PÉREZ J V, et al.Role of enzymatic reactions in meat processing and use of emerging technologies for process intensification[J].Foods, 2023, 12(10): 1940.DOI:10.3390/foods12101940.
[19] ZHANG K H, HAO R, WANG S W, et al.Correlation of lipid hydrolysis, oxidation, and molecular transformation with volatile compound revolution in pork during postmortem wet-aging process[J].Food Chemistry, 2025, 470: 142656.DOI:10.1016/j.foodchem.2024.142656.
[20] ZHU Y Q, GU M Q, SU Y H, et al.Recent advances in spoilage mechanisms and preservation technologies in beef quality:a review[J].Meat Science, 2024, 213: 109481.DOI:10.1016/j.meatsci.2024.109481.
[21] 吕经秀, 刘裕, 王灵娟, 等.脂质水解对肉品品质及风味影响的研究进展[J].肉类研究, 2022, 36(12): 43-48.DOI:10.7506/rlyj1001-8123-20220722-084.
[22] UHLIG E, BUCHER M, STRENGER M, et al.Towards reducing food wastage: analysis of degradation products formed during meat spoilage under different conditions[J].Foods, 2024, 13(17): 2751.DOI:10.3390/foods13172751.
[23] 杨壹芳, 余沁芯, 肖子涵, 等.脂质氧化对肉制品中4 类有害物质形成影响的研究进展[J].食品科学, 2021, 42(21): 355-364.DOI:10.7506/spkx1002-6630-20200929-367.
[24] TATIYABORWORNTHAM N, OZ F, RICHARDS M P, et al.Paradoxical effects of lipolysis on the lipid oxidation in meat and meat products[J].Food Chemistry: X, 2022, 14: 100317.DOI:10.1016/j.fochx.2022.100317.
[25] WANG B, LIANG J M, ZHOU C Y, et al.Research progress on the effect and mechanism of superchilling preservation technology on meat quality control[J].Foods, 2024, 13(20): 3309.DOI:10.3390/foods13203309.
[26] HADIDI M, ORELLANA-PALACIOS J C, AGHABABAEI F, et al.Plant by-product antioxidants: control of protein-lipid oxidation in meat and meat products[J].LWT-Food Science and Technology, 2022,169: 114003.DOI:10.1016/j.lwt.2022.114003.
[27] GÜNAL-KÖROĞLU D, YILMAZ H, GULTEKIN SUBASI B, et al.Protein oxidation: the effect of different preservation methods or phenolic additives during chilled and frozen storage of meat/meat products[J].Food Research International, 2025, 200: 115378.DOI:10.1016/j.foodres.2024.115378.
[28] DOMÍNGUEZ R, PATEIRO M, MUNEKATA P E S, et al.Protein oxidation in muscle foods: a comprehensive review[J].Antioxidants,2022, 11(1): 60.DOI:10.3390/antiox11010060.
[29] NAWAZ A, IRSHAD S, KHAN I A, et al.Protein oxidation in muscle-based products: effects on physicochemical properties,quality concerns, and challenges to food industry[J].Food Research International, 2022, 157: 111322.DOI:10.1016/j.foodres.2022.111322.
[30] ASHIQ J, SAEED U, LI Z, et al.Advances in meat spoilage detection:a review of methods involving 2D-based nanomaterials for detection of spoiled meat[J].Journal of Food Composition and Analysis, 2024,132: 106295.DOI:10.1016/j.jfca.2024.106295.
[31] FAN L S, CHEN Y H, ZENG Y W, et al.Application of visual intelligent labels in the assessment of meat freshness[J].Food Chemistry, 2024, 460: 140562.DOI:10.1016/j.foodchem.2024.140562.
[32] WANG S, HUANG S L, HAN Y Y, et al.Applications of colorimetric sensors for non-destructive predicting total volatile basic nitrogen(TVB-N) content of Fujian oyster (Crassostrea angulata)[J].Food Control, 2023, 153: 109914.DOI:10.1016/j.foodcont.2023.109914.
[33] MILLER K, REICHERT C L, SCHMID M.Biogenic amine detection systems for intelligent packaging concepts: meat and meat products[J].Food Reviews International, 2023, 39(5): 2543-2567.DOI:10.1080/87 559129.2021.1961270.
[34] MAZUR F, HAN Z F, TJANDRA A D, et al.Digitalization of colorimetric sensor technologies for food safety[J].Advanced Materials, 2024, 36(42): 2404274.DOI:10.1002/adma.202404274.
[35] LUO X Y, ZAITOON A, LIM L T.A review on colorimetric indicators for monitoring product freshness in intelligent food packaging: indicator dyes, preparation methods, and applications[J].Comprehensive Reviews in Food Science and Food Safety, 2022,21(3): 2489-2519.DOI:10.1111/1541-4337.12942.
[36] 刘国宏, 姜连波, 李建, 等.比色传感器阵列的研究进展[J].分析测试学报, 2025, 44(2): 386-392.DOI:10.12452/j.fxcsxb.24052364.
[37] SOBHAN A, MUTHUKUMARAPPAN K, WEI L.A biopolymerbased pH indicator film for visually monitoring beef and fish spoilage[J].Food Bioscience, 2022, 46: 101523.DOI:10.1016/j.fbio.2021.101523.
[38] LIU R T, NING Y P, ZHU Q H, et al.A colorimetric total volatile base nitrogen-responsive film with antibacterial and leaching-resistant properties for accurate tracking fish quality[J].LWT-Food Science and Technology, 2023, 181: 114684.DOI:10.1016/j.lwt.2023.114684.
[39] SU Y Y, LI C, HUO X F, et al.A pH-sensitive smart indicator film of neutral red/polyvinyl alcohol/cassava starch for sensing total volatile basic-nitrogen in meat storing[J].Journal of Food Measurement and Characterization, 2023, 17(6): 5736-5747.DOI:10.1007/s11694-023-02059-4.
[40] LIU D F, ZHANG C F, PU Y M, et al.Recent advances in pHresponsive freshness indicators using natural food colorants to monitor food freshness[J].Foods, 2022, 11(13): 1884.DOI:10.3390/foods11131884.
[41] YU D Y, CHENG S S, LI Y, et al.Recent advances on natural colorants-based intelligent colorimetric food freshness indicators:fabrication, multifunctional applications and optimization strategies[J].Critical Reviews in Food Science and Nutrition, 2024, 64(33): 12448-12472.DOI:10.1080/10408398.2023.2252904.
[42] TANG Q, LI Z B, CHEN N X, et al.Natural pigments derived from plants and microorganisms: classification, biosynthesis, and applications[J].Plant Biotechnology Journal, 2025, 23(2): 592-614.DOI:10.1111/pbi.14522.
[43] 刘兴海, 邱诗波, 杜桂涛, 等.天然色素的提取、稳定性改进及其应用进展探究[J].数字印刷, 2022(1): 1-25.DOI:10.19370/j.cnki.cn10-1304/ts.2022.01.001.
[44] HUANG R H, XIA S X, GONG S K, et al.Enhancing sensitivity and stability of natural pigments in pH-responsive freshness indicators:a review[J].Food Chemistry, 2025, 463: 141357.DOI:10.1016/j.foodchem.2024.141357.
[45] 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.
[46] SUTEERAPATARANON S, KIWFO K, WOI P M, et al.The past is the future: from natural acid-base indicators to natural reagents in sustainable analytical chemistry[J].Pure and Applied Chemistry, 2024,96(9): 1257-1269.DOI:10.1515/pac-2024-0204.
[47] LIU C, LI N, AN X Y, et al.Pectin/zinc alginate films containing anthocyanins from dragon fruit peel as intelligent pH indicators for shrimp freshness monitor[J].International Journal of Biological Macromolecules, 2025, 285: 138317.DOI:10.1016/j.ijbiomac.2024.138317.
[48] LI Z A, JIANG L W, LIU T T, et al.Fabrication of pH-responsive chitosan-based hydrogel beads via electrostatic layer-by-layer assembly for visual monitoring of pork freshness[J].Food Hydrocolloids, 2025,166: 111356.DOI:10.1016/j.foodhyd.2025.111356.
[49] SONG S, JI R, XU J L, et al.Preparation and characterization of highly stable pH-sensitive multifunctional films based on co-pigmentanthocyanin conjugate system for pork monitoring and preservation[J].Food Hydrocolloids, 2025, 164: 111151.DOI:10.1016/j.foodhyd.2025.111151.
[50] TAN S, ZHOU C B, RAO P L, et al.Antioxidant pH-sensitive films incorporating CMC/SA/starch, anthocyanins, and tea polyphenols for monitoring freshness of pork[J].Meat Science, 2025, 225: 109808.DOI:10.1016/j.meatsci.2025.109808.
[51] WANG C T, LU Y Y, AN X Z, et al.Preparation, characterization, and application of pH-responsive biodegradable intelligent indicator film based on rose anthocyanins[J].LWT-Food Science and Technology,2024, 200: 116156.DOI:10.1016/j.lwt.2024.116156.
[52] WANG W, LIANG J, WU Y Q, et al.Fish freshness monitoring based on bilayer cellulose acetate/polyvinylidene fluoride membranes containing ZIF-8 loaded curcumin[J].Food Chemistry, 2025, 463:141054.DOI:10.1016/j.foodchem.2024.141054.
[53] MALI S N, PANDEY A.Development of curcumin integrated smart pH indicator, antibacterial, and antioxidant waste derived Artocarpus lakoocha starch-based packaging film[J].International Journal of Biological Macromolecules, 2024, 275: 133827.DOI:10.1016/j.ijbiomac.2024.133827.
[54] XIA G M, MA Y Y, MA Q C, et al.Anti-ultraviolet, antioxidant and pH-responsive cellulose-based composite film incorporated with alizarin for intelligent packaging applications[J].Food Packaging and Shelf Life, 2024, 46: 101413.DOI:10.1016/j.fpsl.2024.101413.
[55] HE J T, PENG Q, WANG J J, et al.An intelligent thymol/alizarinloaded polycaprolactone/gelatin/zein nanofibrous film with pH-responsive and antibacterial properties for shrimp freshness monitoring and preservation[J].Food Chemistry, 2025, 471: 142812.DOI:10.1016/j.foodchem.2025.142812.
[56] 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.
[57] GOMES MÜLLER D, QUADRO ORESTE E, GRAZIELLE HEINEMANN M, et al.Biogenic amine sensors and its building materials: a review[J].European Polymer Journal, 2022, 175: 111221.DOI:10.1016/j.eurpolymj.2022.111221.
[58] GONG Z C, RONG X J, SUI G M, et al.Intriguing optical properties due to the intermolecular interaction between AIE and ACQ materials[J].Advanced Optical Materials, 2023, 11(14): 2203075.DOI:10.1002/adom.202203075.
[59] XU L F.Renewable resource of aggregation-induced emission materials: from photophysical mechanisms to biomedical applications[J].Coordination Chemistry Reviews, 2024, 506: 215701.DOI:10.1016/j.ccr.2024.215701.
[60] QI X N, CHE Y X, QU W J, et al.Design and fabricating biogenic amine-responsive platform based on self-assembly property of phenazine derivative for visual monitoring of meat spoilage[J].Sensors and Actuators B: Chemical, 2021, 333: 129430.DOI:10.1016/j.snb.2020.129430.
[61] ZHANG W Y, SUN D W, MA J, et al.A volatile basic nitrogensresponsive tag based on aggregation-induced emission luminogen for real-time monitoring and in situ visualization of salmon freshness[J].Analytica Chimica Acta, 2022, 1221: 340122.DOI:10.1016/j.aca.2022.340122.
[62] LIU Y N, HE Y Q, LI H, et al.Biogenic amines detection in meat and meat products: the mechanisms, applications, and future trends[J].Journal of Future Foods, 2024, 4(1): 21-36.DOI:10.1016/j.jfutfo.2023.05.002.
[63] ASADI-ZAKI N, MARDANI H, ROGHANI-MAMAQANI H, et al.Stimuli-induced adjustment of spatial distribution of fluorescence resonance energy transfer dyads in smart polymers[J].Coordination Chemistry Reviews, 2024, 500: 215518.DOI:10.1016/j.ccr.2023.215518.
[64] SUN Y, ZHAI X D, ZOU X B, et al.A ratiometric fluorescent sensor based on silicon quantum dots and silver nanoclusters for beef freshness monitoring[J].Foods, 2023, 12(7): 1464.DOI:10.3390/foods12071464.
[65] WU G, DING Z Y, DOU X L, et al.Recognition and detection of histamine in foods using aptamer modified fluorescence polymer dots sensors[J].Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2024, 317: 124452.DOI:10.1016/j.saa.2024.124452.
[66] WANG F Z, HU K, CHEN J Q, et al.Meta-amino substituted naphthalimides exhibit large charge transfer and strong N–H vibrations enabling use as ratiometric fluorescent probe[J].Chinese Chemical Letters, 2026, 37(1): 110971.DOI:10.1016/j.cclet.2025.110971.
[67] LI J K, WAN Y Q, JIANG G Y, et al.Intramolecular charge transferinduced fluorochromic covalent organic frameworks for high speed online monitoring of volatile amines[J].Chemical Engineering Journal,2024, 479: 147746.DOI:10.1016/j.cej.2023.147746.
[68] MIAO X, WU C X, LI F, et al.Fast and visual detection of biogenic amines and food freshness based on ICT-induced ratiometric fluorescent probes[J].Advanced Functional Materials, 2023, 33(27):2212980.DOI:10.1002/adfm.202212980.
[69] MOHAMED A A, OMAR M A, DERAYEA S M, et al.Photoluminescence detection of nadifloxacin: adopts switching off photoinduced electron transfer (PET)[J].Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2024, 305: 123451.DOI:10.1016/j.saa.2023.123451.
[70] ZHANG D D, ZHU L, JIANG Q W, et al.Real-time and rapid prediction of TVB-N of livestock and poultry meat at three depths for freshness evaluation using a portable fluorescent film sensor[J].Food Chemistry, 2023, 400: 134041.DOI:10.1016/j.foodchem.2022.134041.
[71] CHAKRABORTY M, SIVASAKTHI P, SAMANTA P K, et al.Concentration-tuned diverse response to selective biogenic amines using a reusable fluorophore: monitoring protein-rich food spoilage[J].Journal of Materials Chemistry B, 2024, 12(11): 2746-2760.DOI:10.1039/D3TB02569A.
[72] 吴诗文, 陆宏志, 李雅欣, 等.基于纳米颗粒表面等离子共振的比色分析法[J].化学进展, 2025, 37(3): 351-382.DOI:10.7536/PC240506.
[73] YU J H, HUANG M Y, TIAN H X, et al.Silver nanoparticle sensor array-based meat freshness inspection system[J].Foods, 2023, 12(20):3814.DOI:10.3390/foods12203814.
[74] TEYMOURI Z, SHEKARCHIZADEH H.A colorimetric indicator based on copper nanoparticles for volatile sulfur compounds to monitor fish spoilage in intelligent packaging[J].Food Packaging and Shelf Life, 2022, 33: 100884.DOI:10.1016/j.fpsl.2022.100884.
[75] KWAK M, MIN S C.Monitoring meat freshness with intelligent colorimetric labels containing red cabbage anthocyanins copigmented with gelatin and gallic acid[J].Foods, 2024, 13(21): 3464.DOI:10.3390/foods13213464.
[76] ZHAO X X, ZHANG H H, XIANG H B, et al.A nature pH indicator with high colorimetric response sensitivity for pork freshness monitoring[J].Food Bioscience, 2024, 57: 103519.DOI:10.1016/j.fbio.2023.103519.
[77] YE P Q, LI X M, XIE Y N, et al.Facile monitoring of meat freshness with a self-constructed photosensitization colorimetric instrument[J].Food Chemistry, 2022, 385: 132676.DOI:10.1016/j.foodchem.2022.132676.
[78] GHOLAMPOUR S, JALALI H, ZHIANI R, et al.Biogenic amines to tune the LSPR adsorption peak of gold NPs for intelligent packaging application[J].Inorganic Chemistry Communications, 2021, 123:108334.DOI:10.1016/j.inoche.2020.108334.
[79] 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.
[80] LIU Z Y, ZHOU S T, YUAN F P, et al.A novel fluorescence platform for portable and visual monitoring of meat freshness[J].Biosensors and Bioelectronics, 2025, 267: 116746.DOI:10.1016/j.bios.2024.116746.
[81] ZENG L T, XIAO X X, YE H, et al.Fast visual monitoring of the freshness of beef using a smart fluorescent sensor[J].Food Chemistry,2022, 394: 133489.DOI:10.1016/j.foodchem.2022.133489.
[82] CALABRETTA M M, GREGUCCI D, DESIDERIO R, et al.Colorimetric paper sensor for food spoilage based on biogenic amine monitoring[J].Biosensors, 2023, 13(1): 126.DOI:10.3390/bios13010126.
[83] HUANG Y, CHEN S M, HUANG W, et al.Visualized test of environmental water pollution and meat freshness: design of Au NCs-CDs-test paper/PVA film for ratiometric fluorescent sensing of sulfide[J].Food Chemistry, 2024, 432: 137292.DOI:10.1016/j.foodchem.2023.137292.
[84] YU J H, HUANG M Y, TIAN H X, et al.Colorimetric sensor based on Ag-Fe NTs for H2S sensing[J].ACS Omega, 2022, 7(48): 44215-44222.DOI:10.1021/acsomega.2c05682.
[85] SHI S, XU X W, FENG J, et al.Preparation of NH3- and H2S-sensitive intelligent pH indicator film from sodium alginate/black soybean seed coat anthocyanins and its use in monitoring meat freshness[J].Food Packaging and Shelf Life, 2023, 35: 100994.DOI:10.1016/j.fpsl.2022.100994.
[86] SUKHAVATTANAKUL P, MANUSPIYA H.Influence of hydrogen sulfide gas concentrations on LOD and LOQ of thermal spray coated hybrid-bacterial cellulose film for intelligent meat label[J].Carbohydrate Polymers, 2021, 254: 117442.DOI:10.1016/j.carbpol.2020.117442.
[87] KARACA I M, HASKARACA G, AYHAN Z, et al.Development of real time-pH sensitive intelligent indicators for monitoring chicken breast freshness/spoilage using real packaging practices[J].Food Research International, 2023, 173: 113261.DOI:10.1016/j.foodres.2023.113261.
[88] CHOI I, CHOI H, LEE J S, et al.Novel color stability and colorimetryenhanced intelligent CO2 indicators by metal complexation of anthocyanins for monitoring chicken freshness[J].Food Chemistry,2023, 404: 134534.DOI:10.1016/j.foodchem.2022.134534.
[89] AL OBAIDI A, KARACA I M, AYHAN Z, et al.Fabrication and validation of CO2-sensitive indicator to monitor the freshness of poultry meat[J].Food Packaging and Shelf Life, 2022, 34: 100930.DOI:10.1016/j.fpsl.2022.100930.
[90] YUN Y L, CHI W R, LIU R T, et al.Self-assembled polyacylated anthocyanins on anionic wood film as a multicolor sensor for tracking TVB-N of meat[J].Industrial Crops and Products, 2024, 208: 117834.DOI:10.1016/j.indcrop.2023.117834.
[91] CHEN X R, TU Y J, CHENG S, et al.A colorimetric and ratiometric fluorescent paper chip for biogenic amine monitoring based on a simple pH-sensitive AIEgen[J].Chemical Engineering Journal, 2022,450: 137928.DOI:10.1016/j.cej.2022.137928.
[92] NIU H H, ZHANG M, SHEN D B, et al.Sensing materials for fresh food quality deterioration measurement: a review of research progress and application in supply chain[J].Critical Reviews in Food Science and Nutrition, 2024, 64(22): 8114-8132.DOI:10.1080/10408398.2023.2195939.
[93] JAISWAL M, KUMAR R, TRIPATHI R M, et al.Rapid and reversible detection of trace amounts of H2S in air and packaged food using a biogenic bismuth oxide nanorod colorimetric sensor[J].Sensors and Actuators B: Chemical, 2023, 381: 133395.DOI:10.1016/j.snb.2023.133395.
[94] GUO H Y, LUO H Y, HUANG C H, et al.High loading of anthocyanin on chitosan films by acrolein for sensitive monitoring of meat freshness[J].Food Chemistry, 2025, 477: 143468.DOI:10.1016/j.foodchem.2025.143468.