基于机器学习与纸基pH传感器的海鲜新鲜度智能检测与保鲜技术研究

本研究针对传统海鲜新鲜度检测方法耗时费力、依赖专业设备的痛点，创新性地将纸基pH传感器（甲基红/溴甲酚紫双指示剂）与随机森林（RF）机器学习模型相结合，开发了一套自动化检测系统。团队通过监测6种冷藏海鲜（鲭鱼、沙丁鱼等）在真空/收缩/常规包装下的Lab*色度值、TVB-N（总挥发性盐基氮）等参数，构建了pH预测模型（Pomfret品种MSE低至0.004625），证实真空包装可延缓蛋白质降解（12天后仅损失2%）。该成果为冷链食品安全监控提供了低成本、可视化的解决方案，发表于《Scientific Reports》。

　　

海鲜作为全球饮食的重要组成部分，其高蛋白和必需脂肪酸含量备受青睐。然而，传统的新鲜度评估方法如感官评价和微生物分析不仅耗时耗力，还依赖专业设备。随着消费者对食品安全要求的提高，开发快速、准确且成本低廉的海鲜新鲜度检测技术成为当务之急。

针对这一挑战，SRM科学技术学院（原SRM工程技术学院）食品加工工程系的研究人员开展了一项创新研究。他们巧妙地将纸基pH传感器与机器学习技术相结合，开发了一套自动化海鲜新鲜度检测系统。这项研究发表在《Scientific Reports》上，为解决海鲜冷链存储中的质量控制问题提供了新思路。

研究团队采用了三项关键技术：1）制备甲基红（MR）和溴甲酚紫（BCP）双指示剂的纸基pH传感器，通过HunterLab色度计捕捉Lab^*值变化；2）对6种海鲜（鲭鱼、沙丁鱼等）进行三种包装处理（真空/收缩/常规），在4°C下进行12天跟踪检测；3）基于蛋白质、TVB-N等参数构建随机森林（RF）预测模型，采用MAE（平均绝对误差）、MSE（均方误差）等指标评估性能。

纸基双传感器开发

研究证实MR传感器在pH升高时从粉红色变为黄色，BCP传感器从黄色变为紫色。这种显色变化在pH4-6区间最为显著，为实时监测提供了可视化依据。

包装技术比较

真空包装表现出最优的保鲜效果，12天后鲭鱼的蛋白质含量仅从18.48±0.38g/100g降至9.16±0.02g/100g，显著优于常规包装的7.01±0.007g/100g。

随机森林模型构建

模型对Pomfret和鲭鱼的预测最为精准（RMSE分别为0.068007和0.070949），TVB-N≤11.32等节点成为关键判断条件。第15天预测显示，真空存储的沙丁鱼（pH6.5458）处于"中等新鲜"状态。

这项研究通过多维度验证得出重要结论：双指示剂传感器能有效可视化腐败过程，而RF模型将pH预测误差控制在0.065833（Pomfret的MAE值）。特别值得注意的是，真空包装使TVB-N值始终低于35mgN/100g的安全阈值，这为冷链物流中的质量控制提供了可靠方案。

该研究的创新性在于首次将色度学、包装工程与机器学习交叉融合，不仅克服了传统检测的局限性，其纸基传感器设计（成本不足1美元）更适用于资源有限地区。未来，这项技术有望整合到智能包装系统中，通过手机APP实现消费者端的新鲜度实时监测，推动海鲜供应链的数字化转型。