基于多光谱荧光成像与机器学习的鸡肉粪便污染检测技术研究及其对沙门氏菌风险的防控意义

为解决禽肉加工中沙门氏菌污染防控难题，Auburn大学团队采用多光谱荧光成像(CSI-D+)结合机器学习(CNN算法)，首次实现肉眼不可见粪便残留的检测，并证实其与沙门氏菌阳性率显著相关。研究揭示了现行冲洗工艺的局限性，为USDA-FSIS政策修订和自动化检测技术应用提供关键依据。

　　

研究背景

生鲜禽肉中的沙门氏菌(Salmonella)污染每年在美国造成130万例食源性疾病，而传统加工厂的"零可见粪便"政策依赖人工目检，存在35只/分钟的高速生产线漏检风险。更严峻的是，现行水洗处理虽能去除可见粪便，但残留的不可见污染物与沙门氏菌的关联性从未被系统研究。这成为阻碍实现"健康美国2030"降低沙门氏菌感染率目标的关键技术瓶颈。

技术方法

研究团队采用Contamination Sanitation Inspection and Disinfection plus (CSID+)多光谱成像系统(405nm LED，230/270ms曝光)，在404只鸡胴体上建立包含胃肠道不同部位(前胃、小肠、大肠、盲肠)粪便的样本库。通过卷积神经网络(CNN)和Azure Custom Vision AI平台分析1614张图像，结合GeneUp? PCR检测沙门氏菌。现场验证涉及114个商业加工厂样本，采用20-50ppm氯溶液冲洗处理。

研究结果

1. 多光谱荧光成像对粪便污染的检测

CSID+系统在不同曝光时间和污染物尺寸(0.8/2.5cm)下均实现100%的粪便检出率，显著优于Seo等(2019)报告的78%准确率。前胃内容物因含未消化饲料，在CNN模型中获得最高分类准确率(49.93%)，而大肠来源样本最难区分。

2. 不可见污染的突破性发现

水洗后肉眼观察洁净的胴体，在荧光成像中仍显示特征性白斑。PCR检测显示97.14%的"洁净"样本沙门氏菌阳性，证实残留污染物与病原体的强关联。商业验证中27.27%的氯溶液冲洗样本仍检出沙门氏菌。

3. 采样方法的意外启示

采用擦拭法替代标准缓冲液冲洗时，42%的预冷胴体检出沙门氏菌，提示现行USDA-FSIS采样方法可能低估实际污染水平。

结论与意义

该研究首次证实多光谱成像可检测传统方法无法识别的粪便残留，为加工线增加"二次检测"环节提供技术支撑。发现沙门氏菌与不可见污染的空间共定位，解释了为何现行冲洗工艺难以达成病原体控制目标。提出的擦拭采样法革新了微生物监测范式。这些发现被发表于《Journal of Food Protection》，直接推动了三方面变革：1) 自动化检测替代人工目检；2) 修订USDA-FSIS的"仅针对可见污染"政策；3) 优化沙门氏菌监测方案。研究为降低生禽肉食源风险提供了关键技术突破和决策依据。