《Food Science & Nutrition》：Meat Freshness Monitoring in the Modern Supply Chain: Analytical Advances, Smart Packaging, and Digital Integration
在现代供应链中监测肉类新鲜度仍然具有挑战性，因为肉类品质会随冷链（cold-chain）、包装和物流条件的波动而动态变化。传统评估方法，包括感官检验（sensory inspection）、理化指标（physicochemical indices）和微生物检验（microbiological testing），仍是重要的参考工具，但其具有破坏性、回顾性，且难以适配实时决策。因此，越来越多的研究关注基于传感器的系统（sensor-based systems）、智能包装（intelligent packaging）、光谱与成像技术（spectroscopic and imaging techniques）以及数字化监测平台（digitally enabled monitoring platforms）。然而，许多在实验室中表现良好的技术，在现实供应链变异条件下并不能扩展为稳健解决方案。本综述采用转化导向方法（translation-oriented approach），从分析可检测信号而非机制生物化学角度重新界定肉类腐败途径（meat spoilage pathways）。对传统新鲜度指标进行批判性评估，以解释其在真实物流动态下为何存在结构性不足。对新兴技术的评价不仅基于分析新颖性，还基于其整合多种腐败信号、在可变条件下运行并支持可操作新鲜度管理（actionable freshness management）的能力，尤其关注传感器阵列（sensor arrays）、数据融合方案（data-fusion schemes）、物联网（IoT）连接、基于机器学习的预测（machine-learning-based prediction）以及智能手机辅助判读（smartphone-assisted interpretation）。本综述提供基于标准的批判性综合（critical, criteria-based synthesis），以指导开发稳健、可扩展且面向决策的新鲜度监测系统，从而减少浪费、提高食品安全并增强供应链韧性（supply-chain resilience）。
1 Introduction（引言）：新鲜肉品质从屠宰到消费持续演化，受冷链稳定性、包装气氛、操作和物流时间影响。传统感官、理化指标（如pH、TVB-N、脂质氧化标志物）和微生物计数仍是参考工具，但破坏性、耗时，不适合连续或在线监测。新兴传感器系统（e-nose、e-tongue、e-eye）、智能包装、光谱成像和数字平台被提出，关键差距是实验室性能向真实冷链部署的转化不足。本文采用批判性、转化和供应链导向视角，连接腐败途径与可测信号，并依据稳健性、可扩展性、数字兼容性、可解释性和可执行性评价技术。
2 Review Methodology and Analytical Framework（综述方法与分析框架）：围绕肉类新鲜度监测从传统评估向非破坏传感、智能包装、光谱成像和数字整合监测的转变，进行结构化批判性叙述综合。框架不仅考虑分析性能，还考虑信号覆盖、稳健性、可扩展性、数字兼容性、可解释性和操作决策支持潜力。
2.1 Literature Identification and Scope（文献识别与范围）：文献来自肉类腐败、传统新鲜度指标、传感器检测、智能包装、光谱成像、机器学习（machine learning，ML）、物联网（Internet of Things，IoT）整合和智能手机辅助监测。纳入标准涉及腐败信号、传统评估、非破坏传感、智能/新鲜度指示包装、成像与光谱、ML/化学计量预测、IoT或数字整合，以及实施障碍。
2.2 Thematic Organization and Evidence Synthesis（主题组织与证据综合）：采用信号到决策框架，将腐败途径与可测特征如挥发性有机化合物（volatile organic compounds，VOCs）、生物胺、pH变化、颜色变化、氧化产物和光谱特征联系。传统方法作为参考或验证方法，而非自动视为可部署实时系统；新兴技术按共同转化框架比较，包括捕获信号、检测能力、非破坏/包装内操作、稳健性、校准、成本、数字兼容性和可执行输出。
2.3 Critical Appraisal Framework（批判性评价框架）：使用稳健性、可扩展性、数字兼容性和可执行性四个维度评价。稳健性指在温度、湿度、包装气氛、基质和传感器状态变化下维持可靠性能；可扩展性考虑仪器、操作复杂度、成本、维护和多节点部署；数字兼容性看输出能否接入分析、IoT、预测模型、追溯系统和用户界面；可执行性指能否支持新鲜度分类、剩余货架期估计、产品改道、打折或撤架。仅报告分析准确率不足以证明技术成熟度。
2.4 Review Structure and Synthesis Strategy（综述结构与综合策略）：证据按腐败途径→可检测信号→传统参考方法→新兴传感技术→数字整合→实施障碍→未来决策导向系统综合。综述不单纯按灵敏度、检测限、分类准确率或R
2排序，而评价技术能否捕获互补腐败信号、耐受真实供应链变异、提供可重复输出、接入数字基础设施并支持可操作新鲜度管理。
2.5 Distinction From Previous Reviews（与既往综述的区别）：既往综述多聚焦特定技术域，如快速腐败检测、电子传感、智能检测、智能包装、光谱成像、电子鼻与ML、智能手机新鲜度标签。本综述的差异在于将这些技术域整合到单一供应链导向框架，考察传感→数据整合→解释→预测→决策序列中的连接，并强调实验室性能与现场部署之间的转化差距，包括环境稳健性、校准稳定性、泛化性、成本、互操作性、法规和可持续性。
3 Spoilage Pathways and Their Detectable Signatures（腐败途径及其可检测特征）：肉类腐败由微生物代谢、氧化反应和内源酶活性交互驱动。对监测而言，重点不是机制本身，而是其产生的可测物理化学和生化信号，包括VOCs、生物胺、pH变化、颜色变化和光谱变化。常见缺陷涉及黏液、H
2O
2绿变、H
2S绿变、H
2S产生、硫化物气味、腐败、骨腐、酸化、异味/气味、产气、变色、病原污染、酵母/霉菌腐败和胀袋等，并受冷链波动调节。
3.1 Microbial Activity as the Dominant Source of Spoilage Indicators（微生物活动作为腐败指标主要来源）：微生物生长是冷藏肉腐败主因，腐败菌代谢碳水化合物、氨基酸和脂质，产生氨、H
2S、短链脂肪酸、醇和生物胺如腐胺、尸胺，导致异味、感官拒绝和安全风险。VOC指纹是最早可检测信号之一，是电子鼻、气体传感器和比色指示器的重要目标。但微生物生长受温度、包装气氛和初始污染影响，总活菌数与感官新鲜度关系弱。
3.2 Oxidative Degradation and Physicochemical Changes（氧化降解与理化变化）：脂质、蛋白质和色素氧化是化学腐败主要部分，产生醛酮、哈败风味，并影响持水性、质构和营养价值；氧合肌红蛋白转化为高铁肌红蛋白导致变色。氧化产生光学和光谱特征，高光谱成像及红外、拉曼方法可在感官察觉前检测分子变化。氧化在较低微生物负荷下也可进行，是早期非破坏监测的重要信号。
3.3 Endogenous Enzymatic Activity as a Modulating Factor（内源酶活性作为调节因素）：内源酶参与宰后嫩化和结构改变，并通过释放底物间接促进微生物生长和氧化。蛋白酶解和脂解更多是腐败动力学调节因素，而非直接驱动因素。分析上，酶活更多通过pH、水分迁移、滴水损失和完整性等次级效应被间接捕获。
3.4 Interactions Among Spoilage Pathways（腐败途径间相互作用）：微生物、化学和酶促腐败途径紧密互联。酶降解增加氨基酸和脂肪酸，加速微生物代谢和VOC产生；微生物活动改变pH和氧化还原条件，影响氧化动力学和色素稳定性。反馈导致非线性腐败，且不同肉种、包装和储存环境差异明显，单一指标难以可靠衡量。有效评估依赖多参数传感、传感器阵列和数据融合。
3.5 Implications for Freshness Monitoring Technologies（对新鲜度监测技术的启示）：新鲜度由多个时间依赖信号汇聚定义，而非单一标志物。pH、TBARS或微生物计数各反映部分过程，常与实时监测需求不匹配。技术正转向获取整合特征，如VOC谱、光学变化和光谱指纹。
3.6 Distinguishing Spoilage Indicators From Food Safety Risk（区分腐败指标与食品安全风险）：新鲜度与食品安全相关但分析上不同。VOCs、生物胺和pH变化主要反映腐败菌代谢，决定感官拒绝，但不一定与食源性病原体相关。受沙门氏菌、单核细胞增生李斯特菌、大肠杆菌或弯曲杆菌污染的肉可能仍感官可接受。新鲜度监测应视为质量和货架期管理工具，而非病原体安全验证替代。
4 Limitations of Conventional Meat Freshness Assessment Methods（传统肉类新鲜度评估方法的局限）：传统感官、理化和微生物方法仍是基准，但破坏性、数据慢、早期响应差，不适合实时决策。多数方法确认已发生腐败，而非动态管理新鲜度。
4.1 Sensory Evaluation（感官评价）：外观、气味和质地评价快速、低成本，但主观，依赖训练和经验。人类感知通常在微生物负荷和氧化超过接受水平后才提示腐败，检测滞后；光照、温度和个人敏感性影响重复性。因此其更多作为确认或拒收工具。
4.2 Physicochemical Indices（理化指标）：pH、TVB-N和TBARS等依赖肉种、包装气氛、储存温度和初始微生物生态，跨产品转移性有限。TVB-N缺乏通用阈值；TBARS反映脂质氧化但不一定与微生物腐败或消费者拒绝一致；pH常滞后，可能在持续变质时仍处可接受范围。总体回顾性、破坏性、需实验室处理，不适合连续在线或分散监测。
4.3 Microbiological Testing（微生物检验）：总活菌计数（total viable count，TVC）、嗜冷菌计数和病原检测提供直接微生物信息，是食品安全验证和法规合规必需。但培养法需24–72 h，不能满足动态物流实时决策。腐败感知更多由代谢活动驱动而非绝对细胞数，TVC与感官拒绝关系弱。分子快检仍需设备、人员和受控实验室条件，限制可扩展性。
4.4 Structural Limitations for Modern Supply Chains（现代供应链中的结构性局限）：传统方法共同局限包括点测量不能代表非线性动态腐败；破坏性不能多节点部署；数据难以数字化对接平台、决策支持或预测货架期应用。这些结构限制推动传感、非破坏和数字整合监测发展。
5 Emerging and Smart Technologies for Meat Freshness Monitoring（新兴与智能肉类新鲜度监测技术）：新兴技术转向非破坏、信号型和数字整合监测。但技术新颖性不等于实用价值；许多方法仍聚焦孤立标志或静态准确率。评价应看其在冷链条件下的表现、整合多种腐败信号和辅助行动的能力。
5.1 Sensor-Based Systems: Beyond Proof-Of-Concept Accuracy（传感器系统：超越概念验证准确率）：电子鼻、电子舌、电化学生物传感器和比色指示器可非破坏检测VOCs、生物胺和次黄嘌呤，常早于感官或实验室方法。但多数研究限于恒温、固定湿度和人工接种样品，报告90%–95%以上准确率，不能反映商业冷链变异。高准确率常来自小样本、单批次和内部交叉验证，未使用独立外部测试集。传感器漂移、交叉敏感和校准不稳定是工业采用主要障碍，而非检测限。传感器阵列、混合系统和数据融合可降低环境噪声和组件退化影响。
5.2 Intelligent and Active Packaging: Information Versus Intervention（智能包装与活性包装：信息与干预）：活性包装通过释放抗菌、抗氧化剂或清除氧延缓腐败；智能包装嵌入对温度历史、pH或挥发代谢物响应的指示器，报告质量状态但不改变产品。二者常被混用。智能包装受湿度、气体扩散和光照影响，可能出现假阳性或假阴性；消费者对颜色变化的判读受照明和个体色觉影响；成本和商业包装线兼容性仍未解决。智能包装应视为更广泛传感和数据生态中的视觉界面。
5.3 Imaging and Spectroscopic Techniques: Rich Data, Limited Scalability（成像与光谱技术：数据丰富但可扩展性有限）：高光谱成像（hyperspectral imaging，HSI）、近/中红外光谱（near-/mid-infrared spectroscopy，NIR/MIR）、荧光和拉曼方法提供丰富分子与空间信息，与腐败指标和感官质量强相关。但仪器成本、数据维度、处理复杂性和硬件限制实际部署。化学计量学和ML提高预测，但转化瓶颈在系统整合，需要自动数据管道、标准化校准协议和简化输出。
5.4 Digital Integration: IoT, Machine Learning, and Smartphone-Based Sensing（数字整合：IoT、ML与智能手机传感）：趋势是数字化，传感器作为系统网络节点。IoT系统获取实时环境和新鲜度数据，ML将复杂传感器数据转为货架期预测和决策支持。智能手机利用内置相机和应用分析标准化比色指示器判读，降低视觉主观性，是低成本接口。但数字系统常受小数据集、过拟合和外部验证不足影响，跨肉种、包装和储存条件性能下降。模型选择与数据量强相关，独立外部验证比内部交叉验证更现实。数据安全、互操作性和标准化仍是挑战。
5.5 Synthesis: What Distinguishes Promising Technologies（综合：有前景技术的区分特征）：聚焦单标志或孤立准确率的技术很少超出实验室；强调信号整合、冗余和情境解释的系统更符合现代供应链。未来不在于发现新腐败指标，而在将现有指标整合为稳健、可扩展、可解释系统。传统方法低成本但限于点评估；电子鼻/舌和比色指示器有试点至早期商业化潜力；高光谱和光谱平台分辨率高但成本高、数据处理复杂。多数新兴传感仍处实验室或试点阶段。
6 Challenges and Limitations in Translating Freshness Monitoring Technologies（转化新鲜度监测技术的挑战与限制）：大规模采用受限非因分析性能不足，而因技术脆弱、操作不兼容、经济限制和法规不确定性。需系统层面优化并在真实供应链条件验证。
6.1 Technical Robustness and Calibration Stability（技术稳健性与校准稳定性）：传感器漂移、基线不稳定和对湿度、温度、非目标挥发物的交叉敏感广泛存在。文献过度依赖短期实验室性能，真实冷链中温度波动、机械振动和异质顶空气体很少被复现。转化上恢复频率比检测限小幅提升更重要。
6.2 Data Validity, Modeling Bias, and Generalizability（数据有效性、建模偏倚与泛化性）：ML和化学计量模型提高可解释性，但受小数据集、过拟合和外部验证不足限制。报告准确率常来自小数据集或人工接种肉，不一定适用于不同肉种、包装和储存。缺少标准基准数据集。未来应区分内部交叉验证准确率和真实外部验证准确率，并报告跨肉种、包装和温度滥用场景的性能下降。
6.3 Integration Into Industrial Workflows（融入工业工作流）：许多系统输出高维数据，仅专家可解释，不适合高通量加工环境。成像和光谱平台面临数据量、处理速度和硬件复杂性。技术需接入物流、库存和质量保证系统。输出格式因角色而异：加工和质量保证需连续定量新鲜度评分或剩余货架期；零售分销需简化分类输出；物流操作者需温度或时间偏差阈值警报。
6.4 Economic Feasibility and Scalability（经济可行性与可扩展性）：成本对中小肉类加工者关键。传感器阵列、无线模块或智能包装增加单位成本，未必被即时经济收益抵消。许多研究只证明技术可行，未考虑成本-收益、制造规模和维护。智能手机辅助和低成本指示器可降低部署费用，但可靠性仍依赖上游传感器稳定性和校准一致性。
6.5 Regulatory and Sustainability Constraints（法规与可持续性约束）：智能和活性包装，尤其含纳米材料或迁移化学指示剂者，法规批准是瓶颈。食品接触政策要求迁移测试、毒理学和标签。验证还需证明指示器性能不受肉渗出液、脂肪和水分影响，迁移化合物低于安全阈值。智能包装若含电子或非生物降解材料，可能增加环境负担，需生命周期导向设计。
6.6 Synthesis: Redefining Readiness for Freshness Monitoring Technologies（综合：重新定义新鲜度监测技术就绪度）：主要瓶颈不是缺乏传感原理，而是缺乏可部署系统。未来研究应少关注检测限小幅提升，多关注稳健性测试、互操作性、成本透明和法规路径。
7 Future Directions: From Sensing Technologies to Freshness Intelligence（未来方向：从传感技术到新鲜度智能）：未来不由单个传感器改进定义，而由集成和决策导向系统定义。
7.1 From Single Indicators to Multi-Modal Signal Integration（从单指标到多模态信号整合）：优先从单标志转向多模态传感框架。腐败由微生物代谢、氧化和结构降解汇聚，产生互补信号。未来系统应包括挥发传感、光学/光谱数据和环境参数。传感器融合和数据驱动分析提高对肉种、包装和储存变异的稳健性。冗余应作为设计要求。VOC谱与光学/比色信号组合有前景，加入温度历史可情境化传感器读数。
7.2 Predictive Freshness Modeling and Decision Support（预测性新鲜度建模与决策支持）：监测应从描述性分类走向预测性和预防性决策支持。ML模型应估计剩余货架期并建议改道、打折或撤架，而非仅标签新鲜/腐败。需优先纵向数据集、跨物种和包装系统验证、透明报告模型不确定性和失效模式。
7.3 Digital Ecosystems and Interoperability（数字生态与互操作性）：下一代系统将在数字生态中运行，传感器、IoT平台和分析引擎无缝交换数据。互操作性是关键但未充分探索。需共享数据模式、企业资源计划（enterprise resource planning，ERP）和危害分析与关键控制点（Hazard Analysis and Critical Control Points，HACCP）系统整合、边缘计算降低延迟和云依赖。
7.4 Freshness-Assessment Democratization and Different Technologies Facing the Consumer（新鲜度评估民主化与面向消费者的技术）：面向消费者的新鲜度评估工具，尤其智能手机，可利用相机和应用分析标准化比色指示器，降低主观性。不能替代分析传感器，但提供低成本实施途径。未来需研究消费者信任、行为反应和传感器输出与购买决策对齐。
7.5 Sustainability-By-Design and Regulatory Alignment（面向可持续性设计与法规对齐）：未来技术应将可持续和合规作为主要限制而非次要。需生命周期分析、材料可回收性和智能包装组件报废处理。含纳米材料或迁移指示剂系统需早期法规接触。不能证明食品接触安全、迁移控制和标签清晰的技术难以商业化。
7.6 Research Priorities and Field-Level Implications（研究优先级与领域启示）：领域需重新定义成功。未来研究不应以理想条件下峰值准确率评判，而应以稳健性、可扩展性、可解释性和决策相关性评判。需在真实冷链条件下大规模验证和透明成本核算，由食品科学家、工程师、数据科学家和监管者跨学科团队完成。
8 Conclusion（结论）：肉类新鲜度监测正从单测量评估转向集成新鲜度智能。传统感官、理化和微生物方法仍是参考工具，但回顾性、破坏性和点测量限制其实时数据驱动供应链管理。转化视角表明分析新颖性不保证工业相关性；单指标或实验室峰值准确率方法在真实冷链下脆弱，而基于信号整合、冗余和情境解释的系统更符合操作需求。推进需多模态传感、外部验证的预测决策模型、数字整合/IoT/互操作性和边缘分析、消费者工具尤其智能手机辅助，以及早期法规和可持续对齐。
