综述：利用高光谱成像（HSI）和化学计量学监测可食用涂层质量的新方法

《Food Biophysics》：New Approaches for Monitoring Edible Coating Quality Using Hyperspectral Imaging (HSI) and Chemometrics

　　

收获后保持水果品质对食品工业而言是一项重大挑战，可食用涂层作为合成包装材料的可持续替代品正日益受到关注。本研究对用于水果保鲜的可食用涂层的最新进展进行了简要综述，并通过实验论证了近红外高光谱成像（NIR-HSI）作为一种非破坏性方法在储存期间评估涂层有效性方面的应用。对2020年至2025年文献的文献计量分析和综述表明，研究重点日益集中于以多糖和蛋白质为基础的涂层，并通过添加天然添加剂来改善阻隔和抗菌性能。此外，研究人员展示了一个实例，涉及涂有木薯淀粉、纤维素和牛至精油可食用配方的草莓，使用NIR-HSI（996–2505 nm）进行了十天监测。应用多变量分析（主成分分析（PCA）、K-means聚类（K-means）、多变量曲线分辨-交替最小二乘法（MCR-ALS）和偏最小二乘-判别分析（PLS-DA））来表征涂层完整性和水果劣变随时间及样品表面的变化。结果表明，NIR-HSI能有效区分涂覆和未涂覆样品，测量水分损失，并跟踪酶促褐变，且光谱变化与储存时间密切相关。该研究强调了NIR-HSI作为一种有前景的方法，用于实时、非侵入性监测水果新鲜度和可食用涂层的潜力，为可持续采后管理和智能包装解决方案提供了有价值的见解。

引言

全球对新鲜和 minimally 加工食品的需求不断增长，加上对环境可持续性的关注日益增加，促使人们寻求传统塑料包装的替代品。最有前景的选择之一是可食用涂层，即涂覆在食品表面的薄型可生物降解薄膜，可延长保质期、保持感官品质并减少采后损失。通过作为气体、水分和溶质的半渗透性屏障，这些涂层能有效减缓呼吸作用、氧化和微生物腐败。此外，它们可配制含有生物活性成分（如精油、有机酸和天然抗氧化剂）以提供额外的抗菌和抗氧化益处。尽管关于可食用涂层的研究日益增多，但评估其在食品表面的有效性和粘附性仍具挑战。传统的分析技术（如重量损失测量、比色法、质地分析和显微镜）提供了涂层性能的有价值见解，但这些方法通常具有破坏性、耗时且仅提供局部信息，限制了其在大规模或实时监测中的应用。因此，对无损、空间分辨和定量方法的需求近年来变得更加明显。在此背景下，新的分析方法得以开发，包括先进的成像和计算机视觉系统，特别是光学和光谱技术。其中最有前景的技术之一是高光谱成像（HSI），特别是近红外（NIR）区域，它集成了常规光谱和成像，提供光谱和空间信息，能够详细表征食品基质的表面和内部特征。当与化学计量学方法结合时，HSI可揭示与涂层完整性、厚度和粘附性相关的细微化学和物理差异。在这篇小型综述中，研究人员考察了用于食品保鲜的可食用涂层的最新进展，并讨论了NIR-HSI与化学计量学的集成作为评估这些涂层的高级工具。为了论证该方法，研究人员使用涂有不同层数木薯淀粉-纤维素基质（富含牛gano精油）的草莓进行了代表性实验，研究了涂层层数如何影响储存期间的光谱响应和粘附性，突出了探索性和分类建模中最具信息量的光谱区域。这种结合文献综合与实验演示的混合结构旨在弥合理论与实际应用之间的差距，为设计更稳健、可持续和有效的食品保鲜策略做出贡献。

可食用涂层在食品中的重要性

可食用涂层的重要性

水果和蔬菜是营养物质的全面来源，与全球多样化的饮食模式兼容。巴西是果蔬多样性最丰富的国家之一，但生产者面临气候相关挑战，特别是种植对高温更敏感的作物（如浆果）。草莓生产中，冷冻仍是最广泛使用的出口保存方法，但会改变感官参数。因此，近年来进行了许多关于替代保存方法的研究，特别是促进草莓新鲜消费的方法。可食用涂层在食品表面形成薄层，通过减少水分损失帮助延长水果和蔬菜的保质期，从而保持硬度并最小化重量损失，同时避免浪费。此外，它们有助于控制水果呼吸，因为薄膜作为气体（O₂/CO₂）的半透性屏障，有利于较慢的成熟。可食用涂层还通过在储存期间延迟生物活性化合物（黄酮类、酚类化合物等）、维生素、矿物质和抗氧化剂的降解来帮助保持营养特性。另一个重要方面是保持关键感官属性（如颜色和质地）。其他研究报道，可食用涂层可通过在配方中加入天然化合物来减少真菌和微生物腐败，最常用的是精油、植物提取物和香料。几种配方已证明能降低微生物负荷和较低的衰老率。含有精油的涂层也被证明能有效抑制病原体，如沙门氏菌、大肠杆菌、金黄色葡萄球菌、单核增生李斯特菌、蜡样芽孢杆菌和假单胞菌等。然而，一些挑战仍需科学界更多关注，最关键的是所用配方，因为主要聚合物、各成分比例、乳液总固体含量和应用方法都直接影响水果品质。此外，评估应用有效性及其在干燥后和储存期间对水果表面的粘附性至关重要，因为应用层数影响水果的呼吸特性。

可食用涂层的组成及在食品中的应用

作为可食用涂层配方基础的材料必须适合人类食用并能携带活性化合物。文献报道了多种聚合物，如淀粉、果胶和纤维素（植物来源）；壳聚糖（动物来源）；藻酸盐（海洋来源）；黄原胶和普鲁兰（微生物来源）。这些材料可产生无色无味的涂层，有助于保持产品的固有特性。表1列出了所采用的主要聚合物及其最新食品应用。总体而言，所有研究都表明，无论使用何种聚合物或其组合，可食用涂层都能有效延长所评估水果的保质期。测试配方减少了水果重量损失，因为涂层作为物理屏障覆盖水果表皮，降低水蒸气渗透性，从而减少与呼吸相关的气体交换。疏水性化合物（如精油）的加入有助于平衡呼吸速率，因为多糖基可食用涂层是亲水性的，因此能提供良好的氧气（O₂）和二氧化碳（CO₂）屏障。在呼吸过程中，O₂被消耗，CO₂产生，导致较低的O₂浓度和较高的CO₂浓度，特别是在跃变型水果中。因此，较低的CO₂渗透率是可取的，因为它们与活组织较低的呼吸速率相关。将生物活性化合物纳入配方的研究报告称，与对照样品相比，涂层样品的微生物和真菌负荷显著降低。所提出的配方对真菌和细菌保持了有效的抑制活性，主要归因于精油优异的抗菌性能。尽管大多数碳水化合物不表现出抗菌活性，但它们可以由于涂层提供的氧气屏障特性延迟真菌生长，这限制了需氧真菌的活性。负责水果和蔬菜褐变的酶（如多酚氧化酶（PPO））的活性与生物活性化合物的降解直接相关，因为这种酶通过酚类化合物的氧化促进酶促褐变。研究人员证明了复合涂层抑制酚类化合物的氧化，延迟水果褐变。此外，参与细胞壁降解的酶（如多聚半乳糖醛酸酶（PG）和果胶甲酯酶（PME））的活性是水果软化的主要因素。如前所述，可食用涂层可改变细胞壁渗透性，通过降低水解酶（软化酶）的活性帮助保持水果组织的完整性，从而有助于延长新鲜产品的保质期。关于基本理化参数（如硬度、pH、可滴定酸度和总可溶性固形物（TSS）），一些研究报告未涂层水果表现出比涂层水果更低的硬度。这种差异可归因于涂层提供的保护层，以及精油的添加，精油作用于代谢途径并干扰水果衰老。此外，据报道，pH值在采后储存期间趋于增加，这是由于参与水果成熟过程的有机酸的代谢降解。可滴定酸度在所有处理中随时间逐渐降低，这种降低在未涂层水果中更为明显。一些研究报告总可溶性固形物（TSS）在储存期间趋于增加，无论水果类型或处理如何。然而，在大多数情况下，在相同储存条件下，涂层水果的TSS值低于对照水果。成熟过程由多糖（如淀粉和果胶）的水解驱动，引起水果细胞壁结构的变化，直接影响硬度、香气和风味。一些研究还涉及感官分析，这是消费者接受的关键因素。最成熟的方法之一是 hedonic 量表，用于评估储存期间的颜色、质地、风味、香气、多汁性和总体可接受性等属性。通常，使用10分或以上的量表，其中10代表最大接受度，1代表完全拒绝，5.5至10之间的值被认为可接受。大多数研究表明，可食用涂层有助于在储存期间保持水果的感官属性，而对照水果往往得分在1到4.5之间，表明随时间产生强烈厌恶。

评估可食用涂层有效性的经典分析方法

将可食用涂层应用于水果和蔬菜表面的最常见方法包括浸渍、喷涂和刷涂。其中，浸渍是最广泛使用的方法，因为它相对简单有效；在此过程中，水果浸入涂层溶液中一段时间，时间根据水果类型和聚合物溶液的配方而变化。在喷涂方法中，溶液使用电子雾化器施加到水果表面。在刷涂方法中，涂层借助刷子手动铺展在水果表面。尽管常规方法有效，但最近的研究调查了应用可食用涂层的替代方法。除了应用过程，人们越来越关注确定确保有效水果保护所需的最佳层数。使用逐层（LBL）技术的测试，通过施加相同溶液的多个层或交替施加由不同聚合物组成的溶液层，已被用于增强水果保护和改善涂层对水果表面的粘附性。结果表明，在大多数情况下，使用LBL方法施加的涂层在保持水果品质（特别是质地）方面表现出比施加单层成膜溶液的常规方法更好的性能。然而，某些方面仍需探索以确定不同聚合物溶液层应用的最佳顺序，因为一种聚合物通常提供对水果表面的良好粘附性，而另一种则作为外部保护，帮助减少酶和微生物引起的结构降解。为了评估涂层应用的有效性及其随时间的粘附性，显微镜是最常用的技术之一。所采用的方法中，扫描电子显微镜（SEM）突出，但它需要相对复杂和耗时的样品制备。另一种方法是倒置光学显微镜，也需要训练有素的分析师和大量的样品制备。然而，这些程序具有破坏性、昂贵且耗时，并且在某些情况下可能不能完全代表整体，因为不可能分析整个样品集。因此，研究人员提出了一种基于高光谱成像的创新且有前景的方法，能够以快速无损的方式评估整个样品表面，在像素级别提供空间和光谱信息。这种能力允许可视化涂层分布，评估整个水果表面的均匀性，并识别先前显微镜技术无法捕获的空间异质性。

新分析方法

当前市场不断寻求优化的实用设备，近年来对开发可持续自动化分析系统表现出越来越大的兴趣。水果和蔬菜质量属性的无损评估已成为确保产品品质、安全性和消费者接受度而不损害物理完整性的基本策略。高光谱成像和其他无损系统已在此背景下得到探索。在这种情况下，化学计量学通过从大型数据集中提取模式和相关性发挥着关键作用，这些数据集由无监督和监督算法（如PCA、MCR、PLS-DA等）生成。因此，高光谱成像是用于实时监测系统的有前景的替代方案，为评估施加在水果表面的聚合物的完整性提供了新视角。

聚焦HSI和化学计量学

高光谱成像（HSI）相对于传统分析方法的主要优势在于能够同时捕获样品的光谱和空间信息。实际上，在HSI图像采集中，多个光谱通道同时捕获，并与空间信息结合形成高光谱立方体，即包含二维空间和一维光谱的三维数据块。图像中的每个像素对应于电磁范围内的光谱，使得能够快速非侵入性化学映射整个样品表面，具有高光谱分辨率。文献报道了HSI在预测水果和蔬菜基本质量参数（如TSS、硬度、pH、酸度、抗坏血酸、花青素和其他化合物）方面的成功应用。这些研究大多采用可见-近红外（VIS/NIR）范围（400至1000 nm）。然而，对于涂层的评估，很少有研究采用NIR光谱，但没有NIR-HSI成像的报道。本研究的NIR-HSI（跨度996–2505 nm）仍相对未充分探索。然而，这个范围可能更有前景，因为它对应于与所提出的可食用涂层中聚合物相互作用更大的NIR光谱区域。在此背景下，NIR-HSI作为通过简单探索工具（如主成分分析（PCA）、多变量曲线分辨（MCR）、K-means聚类（K-means）以及分类方法（如偏最小二乘判别分析（PLSDA））评估可食用涂层在水果表面分布的有前景的替代方案而突出。此外，它消除了传统显微镜技术所需的化学试剂和大量样品制备。为了介绍近红外高光谱成像（NIR-HSI）的实际应用和优势，概述该技术的基本原理很重要。振动光谱涉及化学化合物与电磁辐射之间的散射、吸收和透射过程。在这种相互作用中，光与样品成分相互作用，使得能够识别与食品加工和储存期间引发的化学和生化反应相关的模式。特别是，近红外（NIR）光谱广泛用于食品分析，因为它对构成这些材料的有机化合物（O–H、C–H、N–H）具有高灵敏度。为了对NIR-HSI数据集建模，可以采用许多多变量数据分析方法（也称为化学计量学），使用支持探索性、预测性和分类建模的算法。数据的光谱和空间性质允许测试不同方法以优化模型性能并选择最具影响力的光谱变量，从而减少计算时间。模型可以使用高光谱立方体（完整和/或分割图像）以及基于图像平均光谱的光谱数据开发。这种方法可以是有利的或互补的，取决于最终目标，因为两者密切相关。对于所提出的方法，研究人员展示了两种建模策略，以基于性能指标提供一致的讨论。基于上述文献，很明显高光谱成像与化学计量学方法结合在监测可食用涂层和评估储存期间水果品质方面具有相当大的潜力。然而，为了用实际例子补充整个综述中讨论的概念，研究人员进行了概念验证实验研究。假设NIR-HSI足够灵敏以检测与施加涂层数量相关的涂层完整性差异。因此，研究人员比较了涂有一层和三层的草莓与未涂层样品在储存期间的情况，以评估所提出方法的能力。

草莓中可食用涂层的实例

数据收集于2025年10月，包括2016年至2025年发表的论文的科学产出。该搜索在Scopus数据库中进行，在搜索字段中使用以下术语和布尔运算符：“Fruit*” OR “edible coatings” AND “hyperspectral image” OR “non-destructive” AND “chemometrics”。限制应用于分类为文章的文档。结果，综述文章、书籍、商业出版物、笔记、数据文章、会议论文、勘误和短研究论文被排除。清理数据后，获得最终数据集3226篇文章。数据集以CSV格式导出，并使用开源软件VOSviewer处理以生成关键词共现图。在此背景下，图3展示了基于Scopus数据库过去十年的文献计量映射，突出显示了与本研究相关的主要术语。如图3A和B所示，没有发现同时结合本研究关键术语（高光谱成像和可食用涂层）的出版物。然而，化学计量学与术语高光谱成像和草莓之间的联系是明显的，表明一些研究部分或单独探索这些方法。这些发现证明了所呈现实例的创新性，因为它有效且客观地集成了这些关键概念。需要强调的是，该实验研究的目的是开发用于预测水果品质属性或保质期的定量模型，因为这些NIR-HSI应用已在先前研究中广泛证明。相反，实验设计为概念验证，以评估NIR-HSI检测与可食用涂层层数相关的涂层完整性差异的能力。

材料和方法

材料

草莓购自西班牙毕尔巴鄂当地市场。木薯淀粉、纤维素（Ingredion，巴西）和牛至精油（Quinarí，LTDA）从巴西获得。Tween 80和甘油（Sigma-Aldrich）由巴斯克大学（UPV/EHU）合作伙伴公司提供。所有化学品均为分析级。

溶液制备和涂层应用

混合物中成分（木薯淀粉、牛至精油、甘油和Tween 80）的浓度以及涂层制备程序在Brasil等人中描述。

最初，草莓通过浸入次氯酸钠水溶液（0.001%）中进行消毒以减少污染物。消毒后，根据颜色、硬度和无损伤选择水果。随后，通过浸渍施加液体可食用涂层以在草莓表面形成层。对于处理1 C（一层涂层）的水果，单独浸渍1分钟。对于具有三层涂层（3 C）的水果，涂层施加过程重复三次，每次施加之间有干燥步骤。对照样品（0 C）仅在蒸馏水中浸渍一分钟。施加后，草莓在室温（22±2°C）下干燥，单独放置在培养皿中，并在0±1°C下储存10天。在涂层施加当天（T00）和整个储存期间每两天（T02、T04、T06、T08和T10）获取草莓的NIR-HSI图像。

数据采集

NIR-HSI成像数据使用HSI-SWIR推扫相机（996–2505 nm）获取，配备低温冷却的汞镉碲（MCT）探测器。采集使用320像素的空间分辨率和10 nm（半高全宽，FWHM）的光谱分辨率进行。相机具有两个卤素灯，以45°角放置在样品上，安装在焦距为8 cm的触笔上。执行扫描时，触笔以15 mm/s移动。此外，系统配置为4.50 ms的曝光时间和80 Hz的帧速率，提供快速采集和足够的信噪比。反射率使用Spectralon板（100%反射率）校准，而暗参考通过关闭快门获得，确保0%反射率。然后，使用方程1将反射率转换为伪吸光度：A = -log₁₀((I₀ - D) / (W - D))，其中I₀是样品的测量辐照度，D和W分别是暗和亮参考的辐照度。

数据分析

对于NIR-HSI图像处理，最初使用HYPER-Tools 3.0创建空间掩模。第一步包括背景去除以定义感兴趣区域（ROI），确保仅保留对应于草莓的像素。选择提供水果和背景之间清晰对比的最佳波长中的单色图像。随后，应用经验定义的强度阈值以生成二值掩模，使得能够从背景分割草莓用于进一步分析。图4显示了水果的伪RGB图像、原始和预处理平均光谱（平滑（7点）+一阶导数（多项式阶数2）+标准正态变量（SNV））、标准差以及为便于后续分析开发的掩模。如前所述，将展示两种建模方法：使用完整图像（空间和光谱信息）和平均光谱（光谱信息）。因为这两种方法是互补的，它们通过逐像素映射促进聚合物在水果表面空间分布的可视化，并有助于理解整个过程中涉及的光谱行为。这支持了储存期间观察到的化学和生化转化的解释。

结果

理解NIR光谱

草莓的光谱根据涂层层数（图5C和D）和储存时间（图5E和F）绘制。未涂层和涂层草莓的原始平均光谱（图5B、D和F）使用平滑（7点）+一阶导数（多项式阶数2）+标准正态变量（SNV）预处理（图5A、C和E）。预处理策略为平均光谱和逐像素光谱独立选择，因为这些数据集表现出不同的噪声特性和光谱变异性。平均光谱增加信噪比，而逐像素光谱更容易受随机噪声影响。可以观察到类别表现出具有相似形状的光谱；然而，也可能识别非重叠区域（图5C和E）在1024、1142、1529和1890 nm附近，这在NIR光谱中非常有利。1400 nm和1800至1900 nm区域是OH和CH组合带的特征，与水和碳水化合物相关，源于水果以及涂层的主要成分木薯淀粉。2100、2250和2500 nm处的谱带与对应于淀粉的OH振动相关。挥发性化合物（如牛至精油（OEO））可在1761、2200和2310 nm附近较不明显的区域观察到，以及1529 nm处的谱带对应于百里香酚（精油中的酚类化合物）。因此，研究人员证明本研究中观察到的光谱变化总结了水果和薄膜的混合物，因为可能识别草莓的主要成分（水和碳水化合物）以及涂层的特定化合物（如OEO、淀粉和增塑剂）。

探索性分析

主成分分析（PCA）

应用PCA，便于可视化样品行为以识别随时间的变化并确定最具影响力的变量，从而为后续步骤提供更有效的指导。图6显示了PCA图，包括所有处理和储存时间。涂有三层成膜溶液（4 C）的样品显示出与其他样品明显不同的颜色标度并分组在一起。也使用平均光谱进行PCA（图7），前两个PC解释了样品间超过90%的变异。分数根据层数（A）和储存时间（B和C）绘制。在图7A中，未涂层样品集中在PC1负分数，随着施加更多层，它们向正分数移动。在图7B中，分数按储存时间排列，在所有集合中明显的与时间相关的分组趋势，这在PC2分数中更好可视化（图7C）。在空间分布中观察到类似模式，其中类别0 C和3 C沿PC1更清晰分离，而类别1 C与0 C重叠。尽管应用了不同的预处理方法（标准正态变量（SNV）和均值中心化），主要载荷仍与淀粉和水吸收带（约900、1400和1900 nm）相关。

K-means

应用K-means，预定义三个聚类（k=3），对应于三个实验涂层处理（0 C、1 C和3 C），评估高光谱数据是否形成与实验设计一致的聚类。分析产生三个光谱成分（聚类1、2和3），其平均特征如图8所示。像素分配显示在图8中，草莓按涂层层（0 C、1 C和3 C）和储存时间（T00、T02、T04、T06、T08、T10）组织。聚类中心在关键NIR光谱区域显示一致差异：聚类1在约1890–1950 nm特别显著，并在>2000 nm保持相对较高（混合C–H/O–H组合区域），而聚类3显示减弱的水特征和更平坦的轮廓，与较低水分和/或果肉/表面结构变化一致。空间上，在0 C，随着储存进行（T6–T10），有时间向更大份额的聚类3像素转移，表明脱水和表面异质性增加。在1 C，进展更渐进，聚类1存在且聚类3扩展有限。在3 C，水果随时间保持更均匀，聚类1比例较高，表明更好的保水性和涂层稳定性。聚类2不传达与储存期间观察到的转化相关的化学相关信息，因为它仅在水果边缘最小表达。总之，K-means图和光谱中心确认涂层减少了低水分域（聚类3）的出现，并延迟了储存相关的光谱变化，随着层数增加呈现正剂量-反应。

多变量曲线分辨（MCR）

图9显示了MCR模型分数，表示为成分1（C1）、2（C2）和3（C3）的化学图，使得能够可视化它们在样品中的空间分布。模型用三个成分构建，并将非负性约束应用于浓度。算法由基于从每个类别的一个代表性样品的光谱构建的光谱库的初始估计指导。初始估计从图像中作为0 C（无涂层）、1 C（一层涂层）和3 C（三层涂层）取得。