基于ODSA修饰γ-环糊精MOF负载紫草素的智能薄膜构建及其三文鱼新鲜度监测应用研究

为解决水产品腐败监测中传统方法成本高、耗时长且依赖主观判定的问题，大连工业大学Yuanda Sun团队开发了一种新型pH/氨气响应性智能薄膜。该研究通过十八烯基琥珀酸酐（ODSA）修饰γ-环糊精金属有机框架（OCM）封装紫草素（shikonin），并将其整合至大豆疏水蛋白（LP）/羟丙基甲基纤维素（HPMC）基膜中。结果表明，OCM-shikonin使薄膜机械性能提升50%，紫草素包封率达60.12%，并通过深度学习模型（Xception准确率0.9973）实现三文鱼TVB-N含量与膜色变化的精准关联，为食品智能包装提供创新解决方案。

　　

水产品因其高蛋白、高水分特性极易腐败变质，传统检测方法如液相色谱、荧光探针等虽准确但存在设备昂贵、操作复杂等局限。更棘手的是，现有智能包装中天然色素（如紫草素）易降解、分散性差，且颜色判读依赖人眼主观评估。如何开发兼具高稳定性、精准响应和客观判读的新型监测系统，成为食品包装领域的重大挑战。

大连工业大学的研究团队在《Food Hydrocolloids》发表突破性成果，通过分子工程与人工智能的交叉创新，构建出能"自我报告"三文鱼腐败程度的智能薄膜。这项研究巧妙利用γ-环糊精金属有机框架（γ-CD-MOF）的多孔特性，经十八烯基琥珀酸酐（ODSA）表面修饰后，将疏水性紫草素封装形成OCM-shikonin复合物，再将其整合至大豆疏水蛋白（LP）和羟丙基甲基纤维素（HPMC）的复合膜基质中。

关键技术包括：ODSA修饰γ-CD-MOF的合成与表征、紫草素负载率测定（紫外分光光度法）、薄膜力学性能测试（万能材料试验机）、TVB-N含量检测（凯氏定氮法），以及基于Xception深度学习模型的膜色-TVB-N关联分析。

材料表征
扫描电镜显示ODSA修饰后的OCM呈现更规整的立方体结构（3 μm），XPS证实ODSA成功接枝。与未修饰γ-CD-MOF相比，OCM对紫草素的包封率提升至60.12%±0.83，7天储存稳定性提高1.5倍。

薄膜性能优化
添加5% OCM-shikonin的LP/HPMC膜表现出最优性能：拉伸强度提升52%，水蒸气阻隔性增强38%，紫外线屏蔽率高达95%。FT-IR显示OCM-shikonin与膜基质通过氢键形成致密网络结构。

新鲜度监测应用
在4°C储存的三文鱼实验中，薄膜颜色随TVB-N积累（14→35 mg/100g）由红紫渐变为蓝绿，ΔE值与TVB-N含量的相关系数达0.98。Xception模型通过分析膜色RGB值预测TVB-N的准确率高达99.73%，显著优于ResNet等对照模型。

这项研究通过"分子笼"封装策略解决了天然色素稳定性难题，首次将深度学习引入食品包装监测领域。OCM-shikonin薄膜不仅实现三文鱼腐败的实时可视化监测，其力学性能和阻隔性的提升还延长了包装使用寿命。该技术可扩展至其他易腐食品监测，为智能包装的标准化、数字化提供了新范式。研究获得国家重点研发计划（2022YFD2100603）等多项基金支持，相关技术已申请专利保护。