《Biosensors and Bioelectronics》：A two-stage decoupled visual framework integrated with multi-indicator colorimetric sensor arrays for edge-computed meat freshness monitoring
编辑推荐：
摘要开发高精度且经济可行的肉类新鲜度连续监测系统，对于降低食品安全风险至关重要。然而，传统比色传感器阵列常因依赖单一指示剂、且在边缘部署场景下易受复杂背景干扰而受到限制。为克服上述局限，本文提出一种将AI集成的两阶段解耦视觉框架与多指示剂比色传感器阵列相结合的稳健肉类新鲜度评
摘要
开发高精度且经济可行的肉类新鲜度连续监测系统，对于降低食品安全风险至关重要。然而，传统比色传感器阵列常因依赖单一指示剂、且在边缘部署场景下易受复杂背景干扰而受到限制。为克服上述局限，本文提出一种将AI集成的两阶段解耦视觉框架与多指示剂比色传感器阵列相结合的稳健肉类新鲜度评估方案。通过在大环内酯醇/甘油基质中将豆蔻素（genipin）、花青素及Cu-PAN探针集成于一个交叉反应矩阵中，可同时追踪生物胺、挥发性碱性胺引起的pH变化以及硫化氢。为消除主观解码歧义以及异质性包装带来的视觉噪声，本研究开发了一套高效边缘计算架构。在第一阶段定位环节，采用带有自定义C3k2SGP模块的优化YOLOv11n架构自主隔离传感器阵列，参数量压缩36.5%至仅1.64 M。随后，采用带有新型空间方差坐标注意力（SVCA）模块的轻量级MobileNetV4网络对隔离后的比色信号进行解码。通过显式建模局部空间异质性，该解耦框架在四个新鲜度等级分类中取得了99.53%的卓越准确率。该平台已无缝集成至边缘图形用户界面，推理延迟为2.05 s，为智能食品包装提供了高可靠、可拓展的便携解决方案。
引言
肉类是优质蛋白质和必需营养素的重要来源，对人体营养不可或缺（Singh等，2022）。然而，其高营养基质在加工和储存过程中极易受到微生物繁殖和酶促降解的影响。这些腐败路径会产生特征性挥发性有机化合物（VOCs），包括生物胺、总挥发性基本氮（TVB-N）和硫化氢（H2S），这些物质已成为公认的肉类腐败化学生物标志物（Dodange等，2024）。这些代谢物的积累不仅会导致感官属性（色泽、气味、质地）下降，还可能通过食源性病原体和生物胺毒性带来严重公共卫生风险。在全球范围内，肉类的固有易腐性导致每年约三分之一的食品产量损失，其原因既有实际腐败，也有出于保守估计货架期的因素。当前新鲜度监测方案往往缺乏动态供应链所需的时效分辨率与精度，导致仍可食用产品的过早丢弃，或反之造成不安全肉类的流通（Cui等，2024）。因此，开发快速、可靠且经济可行的肉类新鲜度连续监测技术，对于保障食品安全、减少经济损失和推动供应链可持续发展至关重要。
传统分析技术如气相色谱-质谱联用（GC-MS）和高效液相色谱（HPLC）对腐败指示剂具有出色的选择性和灵敏度（Guo等，2021；Zhang等，2023）。然而，其依赖庞大昂贵仪器和复杂样品前处理，使其应用被严格限制在外部实验室环境中，无法实现连续与就地监测（Xu等，2022）。尽管新兴传感技术提供了有希望的替代方案，但仍存在若干关键瓶颈。第一，大多数现有系统仍局限于单一维度分析，仅监测单一腐败指示剂，未能捕捉生物胺、H2S以及挥发性碱性胺引起的pH变化等多维标记物的同步演化，从根本上限制了连续腐败过程的稳健表征。第二，人工判读传感器数据引入了人为主观性，损害了诊断可靠性（Wang等，2025a；Wang等，2025b）。第三，缺乏集成的终端处理能力，限制了即时反馈所需的综合数据架构的形成。
近年来，比色传感器阵列凭借操作简单、成本低廉和光学响应迅速且无需复杂前处理等优势引起广泛关注（Wang等，2025a；Wang等，2025b）。其效能依赖于高响应探针与兼容固态基质的协同选择（Ran等，2024）。为推进可持续食品包装，天然染料因其更优的生物相容性正日益成为取代卟啉等合成替代品的首选（Li等，2024a）。尽管取得上述进展，智能比色阵列的设计仍主要依赖单一代谢靶标（Liu等，2021；Singh等，2023）。这些系统中所谓的维度感知往往仅反映单一指示剂的多色编码，而非真正对不同代谢路径的并行监测。此外，虽然深度学习算法的集成有效缓解了主观视觉判读歧义，但现有主流范式仍面临根本瓶颈。当前依赖深度学习的传感平台主要采用单阶段卷积神经网络（CNN）处理整个未裁剪图像空间（Jia等，2023；Zhang等，2026；Zhang等，2025）。在实际应用中，包装肉的高度异质性背景（包括肌肉纹理、脂肪分布及包装镜面反射）引入了严重视觉噪声。强迫单阶段模型处理大量背景干扰将显著推高所需参数量，加剧计算开销，并最终损害诊断可靠性。因此，设计能够自主定位并提取传感器阵列后再进行轻量比色解码的智能架构，仍是跨平台本地处理能力面临的一大挑战。
为填补上述技术空白，本研究提出了一种级联式多指示剂视觉监测范式（Scheme 1a）。特制多指示剂比色阵列可同时追踪不同腐败路径。在该矩阵中，豆蔻素（GEN）用于特异性靶向生物胺，花青素（ACN）用于监测挥发性碱性胺释放引起的pH波动，Cu-PAN复合物则用于检测源于含硫氨基酸降解的H2S。它们的固有交叉响应并非竞争性干扰，而是协同生成高维比色指纹。将该交叉反应矩阵部署于深度学习框架中，新鲜度评估由主观感官评估转变为客观、自动化的边缘智能计算。此外，为在资源受限的边缘设备上高效处理复杂视觉信号，本研究引入了一种消除主观判读的两阶段解耦框架。在第一阶段定位环节，优化的YOLOv11n架构可从复杂肉类背景中精确隔离传感器阵列。通过集成自定义C3k2SGP模块与SCSA注意力机制，网络最大限度减少了空间冗余。这一针对性创新相较于未修改的基线模型将参数量降低了36.5%（至仅1.64 M），同时在提取稳健性上优于当代最先进的目标检测器。在后续解码阶段，带有新型空间方差坐标注意力（SVCA）模块的轻量级MobileNetV4网络处理裁剪后的信号。不同于依赖标准全局池化的常规轻量网络，该增强架构显式建模全局颜色强度与局部空间异质性。通过捕捉这些细微、空间分布的比色转变，所提模型在四个新鲜度等级分类中取得了99.53%的卓越准确率，相较于标准基线及已有分类架构实现了显著提升。最终，这一AI集成、解耦平台为智能食品包装中的实时质量监测提供了高效、可持续且便携的解决方案。（本文全文使用的缩略语汇总见补充表S1。）
章节摘要
材料
聚乙烯醇（PVA，平均聚合度1799）和甘油（GLY，纯度≥99.0%）购自上海阿拉丁生化科技有限公司（中国上海）。ACN（纯度≥95%）、GEN（纯度≥98%）、1-(2-吡啶偶氮)-2-萘酚（PAN，分析纯）、氯化铜(II)二水合物（分析纯）、氢氧化钠（NaOH，分析纯）和乙醇（分析纯）购自麦克林生化科技有限公司（中国上海）。超纯水
多指示剂比色薄膜的理化表征与稳定性
智能新鲜度监测薄膜通过溶液浇铸法制备，将相应的GEN、ACN及Cu-PAN探针嵌入PVA/GLY复合基质中。Cu-PAN纳米材料的具体合成工艺见Fig. 1a。采用SEM表征薄膜的表面（Fig. 1b1-e1）与截面（Fig. 1b2-e2）形貌，高倍插图揭示了具体的内部微观结构细节。原生PVA/GLY薄膜呈现出粗糙、多孔的
结论
综上所述，本研究成功开发了一种高稳健、AI集成的多指示剂传感平台，并结合模块化客户端软件架构，用于肉类新鲜度的连续监测。通过在PVA/GLY基质中协同嵌入GEN、ACN和Cu-PAN探针，该比色阵列实现了对生物胺、挥发性碱性胺引起的pH变化及H2S释放的同步、多维追踪。为克服严重视觉
CRediT作者贡献声明
Jiwei Wang：论文撰写—初稿、可视化、验证、方法论、形式化分析、数据整理、概念化。Changlong Liu：验证。Zhen Liu：形式化分析。Yilai Wan：概念化。Feiyang Sun：调查研究。Ming Ning：方法论。Peng Yu：指导。Anqi Wang：论文撰写—审阅与编辑、概念化。Zhongkai Zhou：论文撰写—审阅与编辑、项目管理、资金获取。Haotian Wu：论文撰写—审阅与编辑、指导、资源，
利益冲突声明
作者声明不存在任何已知的竞争性经济利益或个人关系，这些利益或关系可能被认为影响本文报告的工作。
致谢
本工作由以下项目资助：石河子大学高层次人才项目（RCZK202547）、天池人才引进计划（BT-2025-TCYC-0136）、国家重点研发计划（2025YFE0103500）、新疆生产建设兵团重点课题（2025DA016、2024AB052、2024AB031）。
Jiwei Wang|Changlong Liu|Zhen Liu|Yilai Wan|Feiyang Sun|Ming Ning|Peng Yu|Anqi Wang|Zhongkai Zhou|Haotian Wu
