综述：智能包装与消费者心理学在减少食物浪费中的作用：一篇综述

本综述系统探讨了智能包装技术（如新鲜度指示器、时间温度指示器（TTIs）、气体传感器及数字交互标签）如何通过实时监测食品状态（如腐败、温度滥用）并结合消费者心理机制（如信任形成、风险认知和认知启发法），有效减少家庭食物浪费。研究强调跨学科整合（材料科学、食品技术、行为心理学）的必要性，并指出技术需与用户中心设计（user-centered design）和行为验证结合，以提升可持续食品实践。

　　

概述和分类智能包装技术

智能包装系统通过超越被动包容功能，提供智能、交互和可追溯的解决方案，彻底改变了食品保护和信息传递方式。根据主要功能，智能包装技术可分为三类：诊断系统（如新鲜度指示器和时间温度指示器（TTIs））、通信系统（如增强现实（AR）和快速响应（QR）码）以及活性系统（如抗菌膜和氧气清除剂）。这些技术能够实时监测食品的生化、物理和环境变化，例如检测微生物腐败、温度滥用或气体释放（如CO₂或NH₃），从而提供动态的产品状态信息，替代传统的静态日期标签。

信任形成与食物浪费影响

消费者对智能包装技术的信任直接影响他们依赖动态新鲜度指示器而非静态过期日期的意愿，这使得信任形成成为减少浪费结果的核心。信任通过三个相互关联的心理维度发展：认知信任（基于技术准确性和可靠性的信念）、情感信任（由包装信号引发的情感反应）和行为信任（导致实际依赖行为的意愿）。例如，当消费者认为时间温度指示器（TTIs）提供的信息准确时，他们更可能根据实时数据调整食品存储和消费决策，从而减少不必要的丢弃。研究显示，不一致的信号格式或低标准化会削弱信任，导致消费者退回到主观感官检查或过度谨慎的处置行为。

食物浪费决策的行为洞察

家庭食物浪费源于复杂的心理驱动因素，智能包装干预必须解决这些因素才能有效。主要行为因素包括误解过期标签、过度购买、不良存储和过度谨慎处置。智能包装通过提供实时反馈（如颜色变化指示腐败）、减少认知负担（如简化信息呈现）和强化社会规范（如通过数字标签倡导可持续实践）来 disrupt 这些模式。例如，增强现实（AR）指导可以 nudg e 家庭更好地利用易腐物品，但信息过多或模糊可能产生混淆并适得其反。行为机制如风险感知和启发法（如“过期即坏”的偏见）在消费者响应包装信号时起关键作用。

通过智能技术增强食品安全与质量

智能包装通过提供连续、实时监测和响应，超越了传统包装功能。在肉类、乳制品、海鲜和新鲜农产品等关键食品类别中，智能系统如气体传感器（检测O₂或H₂S水平）和新鲜度指示器（基于pH变化）能够早期检测腐败，延长货架期并确保安全。例如，在肉类包装中，时间温度积分器（TTIs）可以监控冷链中断，防止温度滥用导致的微生物生长。技术整合与食品技术（如预测微生物学）结合，使包装能够提供条件为基础的动态评估，而不是依赖固定的日期标签，从而减少供应链损失和消费者级浪费。

挑战、局限性和未来研究方向

尽管智能包装具有减少食物浪费和增强消费者信任的变革潜力，但仍存在多个实际和心理挑战。技术挑战包括信号准确性（如传感器误报）、成本效益和规模化生产问题。消费者接受度受数字素养、文化食品实践和社会经济因素调节；例如，老年或低数字素养群体可能难以解释交互标签。行业实施面临标准化缺乏和跨品牌不一致的障碍。方法论上，长期研究 on 消费者响应和行为变化稀缺，未来研究需要跨学科合作（整合材料科学、心理学和食品工程）以及以用户为中心的设计（user-centered design）来开发直观、可信的系统。

结论

智能包装代表了材料创新、数字传感和行为科学的融合，针对食物浪费这一全球挑战。本综述强调，智能包装系统（如新鲜度指示器、时间温度积分器、气体传感器和增强现实标签）正在从被动解决方案演变为主动信息平台。然而，这些系统的技术效率 alone 并不保证其有效性；必须通过行为验证和心理学整合来确保消费者信任、解释和行动。当与技术精度、用户中心设计和社会文化因素结合时，智能包装可以显著减少不必要的食物浪费、增强消费者信心，并促进可持续实践 across 食品供应链。

伦理批准

不适用。本综述文章未涉及任何人类或动物主体。

作者贡献

所有作者对本手稿的概念化、撰写和编辑做出了显著贡献。Ankitdeep Kamboj 贡献了心理学框架和行为理论；Gursabeen Kaur 回顾了认知和情感信任机制的文献；Harshita Jain 贡献了可持续性和食物浪费相关维度；Lovepreet Singh 协调了整体手稿结构、技术内容和最终修订。所有作者阅读并批准了最终版本。

竞争利益

作者声明没有已知的竞争财务利益或个人关系可能影响本报告的工作。

利益冲突声明

作者声明关于本综述文章的发表不存在利益冲突。

未引用参考文献

(Branca et al., 2023, Han et al., 2018, Lee and Kim, 2025, Loucanova et al., 2016, Punyatoya, 2018)

资金

本研究未从任何公共、商业或非营利资助机构获得特定拨款或外部资金支持。

CRediT 作者贡献声明

Gursabeen Kaur：撰写 – 初稿，概念化；Ankitdeep Kamboj：撰写 – 初稿，验证；Harshita Jain：撰写 – 初稿，监督，概念化；Lovepreet Singh：撰写 – 审阅和编辑，验证，概念化。