《Foods》：Fresh Dairy Quality in the Era of Smart Food Systems: Deterioration Pathways, Analytical Technologies, and Predictive Modeling
编辑推荐：
本综述批判性地审视了新鲜乳制品中产品特异性的劣变路径，并评估了分析技术、动力学模型、化学计量学工具及机器学习方法在支持品质评估与货架期预测方面的作用。现有证据表明，许多研究能够识别贮藏相关变化，但鲜有研究能够预测产品达到其可接受性极限并终止货架期的时间点。可靠
本综述批判性地审视了新鲜乳制品中产品特异性的劣变路径，并评估了分析技术、动力学模型、化学计量学工具及机器学习方法在支持品质评估与货架期预测方面的作用。现有证据表明，许多研究能够识别贮藏相关变化，但鲜有研究能够预测产品达到其可接受性极限并终止货架期的时间点。可靠的货架期预测因此需要明确界定主导劣变路径、具有代表性的品质指标，以及定义清晰的微生物学、理化、结构或感官可接受性阈值。分析信号必须与所选的品质阈值之间建立经过验证的机制性或预测性关系，而非仅仅与贮藏时长相关。采用以终点为导向的框架，将能够更有效地整合劣变机制、分析测量与预测建模方法，从而为新鲜乳制品的货架期确定与品质管理提供更坚实的科学基础。未来的进展将依赖于具有代表性的多批次数据集生成、独立验证、真实时间–温度历程，以及在不同贮藏与流通情境下的模型评估。
论文主体内容总结
1. 引言
新鲜冷藏乳制品具有显著的营养、商业和感官价值，但其高水分活度、营养丰富的组成及相对温和的加工条件也促成了微生物活动及多种形式的生化和理化劣变。这些变化的相对重要性因产品基质、初始微生物群、加工历史、包装条件和温度暴露而异。许多货架期预测模型在实践中的可靠性仍然有限，常见问题是模型仅预测贮藏期间的变化而未定义产品何时变得不可接受。先进分析技术能够检测常规测量无法以同样速度和细节捕捉的化学与结构变化，光谱、成像和传感器方法提供了乳制品品质的分析指纹，化学计量学和机器学习方法可将这些信号与品质属性和微生物行为相关联。本综述聚焦新鲜冷藏乳制品，采用以终点为导向的框架，将产品特异性劣变路径和分析信号与明确的品质或安全标准、失效时间估计及独立验证联系起来。
2. 综述方法
本研究以批判性叙述综述形式开展，并辅以结构化文献检索。综述聚焦新鲜冷藏乳制品，考察劣变过程、分析技术、动力学和概率模型、化学计量学方法及机器学习方法对品质、安全和货架期评估的贡献。新鲜乳制品被定义为冷藏牛奶及未经长期成熟或陈化即消费、其品质和货架期主要依赖冷藏贮藏的乳制品，符合条件的基质包括牛奶、酸奶、开菲尔、里科塔奶酪、马苏里拉奶酪、印度奶酪、夸克奶酪、农家奶酪、新鲜奶酪、发酵乳及拉西等。检索在Scopus和Web of Science核心合集中进行，涵盖2015至2025年发表的文献，最终检索于2026年8月8日执行。检索共获得6898条记录，去重后剩余4577条记录经标题和摘要筛选，391篇报告进入全文评估，最终纳入46项主要研究。九项研究主要监测贮藏相关变化或识别潜在劣变标志物，十八项研究预测贮藏年龄、中间品质响应、品质指数或当前品质等级，十三项研究使用明确的品质相关终点确定或预测货架期，两项研究估计定义腐败事件的概率，四项研究主要涉及安全相关结果。在验证方面，三十项研究未包含模型开发之外的独立评估，六项使用内部交叉验证或同数据集留出集，七项使用独立样本或生产批次，三项使用外部商业或工业数据或独立生成的动态贮藏场景进行评估。
3. 新鲜乳制品的品质损失
新鲜乳制品的品质损失源于微生物、酶促、化学、物理和感官变化的综合效应，没有任何单一劣变反应是唯一原因。这些过程可能同时发生，但速率因产品组成、初始微生物群、加工历史、包装、氧气或光照暴露、贮藏温度和贮藏时间而异。在巴氏杀菌牛奶中，嗜冷菌可在冷藏温度下生长，产后污染可能引入额外腐败微生物，其生长强烈依赖温度。嗜冷菌可产生胞外蛋白酶、脂肪酶和磷脂酶，部分酶在热处理灭活细菌细胞后仍保持活性。微生物计数并不总能反映感官劣变的程度，细胞计数仅解释了观察到的变异的一部分。在发酵乳制品中，酸奶的发酵剂培养物在冷藏期间可能保持活性，导致持续酸化，较高酸度可能与较低粘度和感官评分同时出现。真菌腐败可能在后酸化仍可接受时限制酸奶货架期。新鲜奶酪中多个过程可能竞争限制货架期，里科塔奶酪因高水分活度和相对较高pH而对微生物劣变特别敏感。贮藏条件可改变劣变的速率和主要路径，光照暴露对透明包装牛奶尤为重要，温度影响许多过程，温度历史在冷藏波动时变得尤为关键。没有任何单一测量能捕捉所有新鲜乳制品的劣变，微生物计数、酸度、质地、挥发性化合物、代谢物、仪器响应和感官评分代表品质的不同方面，其轨迹在贮藏期间可能发生分歧。品质劣变还必须与微生物安全区分开来，货架期预测应首先识别在预期贮藏条件下最可能限制产品的劣变过程，然后定义代表性响应及其指示产品失效的值。
4. 品质劣变与货架期的动力学原理
货架期模型有两个主要功能：描述贮藏期间微生物、化学、理化、结构或感官响应的变化，或估计这些响应达到与产品失效相关水平的时间。这两个功能相关但不等价。在本综述中，终点是预定义的标准，指示产品在品质方面何时变得不可接受或不再满足微生物安全要求。微生物阈值说明了这种区分：巴氏杀菌牛奶在总平板计数超过4.47 log CFU/mL时被视为过期，20000 CFU/mL也被用作产后污染相关腐败的保守品质标准。感官标准以不同方式定义失效，在里科塔奶酪中，七点量表上总体品质评分4被设为最低可接受值。品质指标用于监测劣变，但仅在建立适当限度后才定义产品失效。动力学和概率模型描述劣变的不同方面：反应级数模型表示连续品质响应的变化，温度依赖模型描述速率如何随贮藏条件变化，初级和次级微生物模型表示种群动态及其环境依赖性，存活模型表征持久性或灭活，随机模型纳入控制腐败或安全的变异性。在酸奶中，酸度、粘度和感官劣化被分别建模并转换为使用预定义限度的货架期估计。温度依赖建模增加了另一个条件：加速贮藏下观察到的劣变过程必须在预期温度范围内保持相关。一些研究已从恒定温度推进到动态贮藏条件，微生物参数在等温条件下估计后，使用受控温度波动下生成的额外数据进行了评估。在预测微生物学中，初级模型描述微生物种群随时间的变化，次级模型将微生物生长参数与环境条件相关联。随机模型适用于污染或贮藏条件的变异性是预测问题一部分的情况，蒙特卡洛模拟已用于估计消费者对酸奶可见霉菌的暴露。消费者拒绝可通过生存分析以概率方式建模，该方法估计拒绝概率如何随贮藏时间变化，并考虑消费者之间产品变得不可接受的时间差异。不确定性也必须独立于模型拟合来考虑，生物学变异、初始污染、分析误差、参数估计、温度波动和失效标准的选择都可能影响最终货架期估计。
5. 新兴分析与数据驱动方法
分析技术通过将化学、物理和微生物变化转化为可测量信号来补充常规货架期评估。其预测价值取决于这些信号的含义。所选研究提供了不同水平的预测证据：一些分析响应主要跟踪贮藏进程，如酸奶年龄的紫外–可见光谱模型和贮藏期的代谢组学区分；其他估计中间指标，包括微生物计数、酸度和感官评分；新鲜度分类器根据酸度、感官评价、贮藏阶段或相关参考数据将样本分配到预定义品质类别；少数研究将分析信号连接到用于计算失效时间的标准。基于传感器的方法可快速监测劣变，但其输出在反映产品失效的紧密程度上各不相同。电子鼻结合人工神经网络用于估计牛奶中的总细菌计数并将样本分类为微生物品质等级。伏安电子舌提供了传感器响应与失效标准之间更直接的联系，微分电化学响应在加速贮藏温度下进行动力学建模，微生物评估中响应与需氧平板计数超过50000 CFU/mL所需时间相关，感官阈值通过三角检验单独建立。光谱方法生成更广泛的分析指纹，紫外–可见光谱结合偏最小二乘用于预测酸奶贮藏年龄，傅里叶变换红外光谱–衰减全反射光谱结合偏最小二乘和支持向量机模型估计总活菌计数、乳酸菌、乳球菌/嗜热链球菌和感官评分。数字成像可实现同样高的分类精度，34层残差神经网络卷积神经网络用于监测一个商业品牌的三种酸奶配方，盲验证准确率达96.95%和96.86%。挥发性化合物和代谢组学方法提供详细的化学信息，有助于识别劣变路径和候选标志物。化学计量学和机器学习方法用于探索数据、选择变量、估计连续响应和分类样本，所选研究应用了主成分分析、三向主成分分析、偏最小二乘回归、正交偏最小二乘判别分析、支持向量机、人工神经网络、遗传算法、决策树和卷积神经网络。预测目标比算法选择更重要，估计贮藏年龄确认分析响应随时间变化但不识别产品拒绝点，预测微生物种群可在与合理腐败或安全限度比较时支持货架期评估，分类为新鲜、边缘或不可接受状态在类别边界来自独立感官、微生物或理化标准时更接近产品品质。验证应匹配模型的预期用途，与开发数据的一致性衡量拟合度，而对排除在模型构建之外的观测的预测提供性能证据。数据划分必须反映模型的预期应用，来自同一产品或批次的光谱、图像、贮藏时间和技术重复并非完全独立。数据整合可能在每种测量描述劣变的不同组成部分时改善预测，但增加更多变量本身并不保证更好的性能。
6. 研究空白与局限性
文献中反复出现的局限性是监测劣变与预测货架期终点之间的差距。许多研究检测贮藏相关变化或估计中间响应，如微生物计数、酸度、感官评分和贮藏年龄，这些测量支持品质评估，但仅在连接到定义的失效标准时才直接贡献于货架期预测。终点定义仍是一个主要方法论空白，微生物种群、酸度、质地、挥发性化合物、代谢物谱和感官属性可能以不同速率变化，限制产品寿命的因素也可能随配方、批次、包装和贮藏条件而变化。验证是另一个局限性，开发数据集内的强分类或回归结果不保证在新生产批次或不同加工和贮藏条件下的类似性能。可转移性取决于评估中包含的条件范围，分析信号与终点之间的联系也需要验证。真实贮藏历史也代表性不足，恒定温度实验有助于动力学表征，但商业产品在流通、零售和家庭贮藏期间会遇到温度波动。大多数模型从产品的初始条件估计货架期，工业应用将受益于在新传感器读数、分析测量或温度记录可用时更新剩余货架期的系统。不确定性很少被明确纳入最终预测，生物学变异、初始污染、分析误差、参数估计、温度波动和失效标准的选择都可能影响估计的产品失效时间。
7. 结论
可靠的新鲜乳制品货架期评估需要的不仅仅是检测贮藏相关变化。预测相关性取决于识别限制产品质量或安全的过程、选择代表性响应并在模型开发前定义相应的失效标准。动力学和概率模型、分析技术、化学计量学和机器学习方法随后可根据其估计该响应和达到终点所需时间的准确性进行评估。当前证据显示品质监测与基于终点的货架期预测之间存在明确区分。快速传感器、光谱和成像技术特别适合常规及潜在在线或包装内品质评估，前提是其信号在批次和贮藏条件下保持与相关终点的联系。代谢组学和挥发性谱分析为识别劣变路径和候选标志物提供补充价值，但其转化为操作性货架期工具需要验证阈值和更简单的测量策略。对于工业应用，模型需要具有代表性的多批次数据、在真实时间–温度条件下的验证、明确定义的应用领域以及对预测不确定性的明确处理。
