12月8日，国际知名学术期刊Food Bioscience（IF=4.8，中科院食品研究一区TOP）在线发表了题为 “Highly sensitive zinc oxide nanoparticle composite film with deep learning-assisted mobile technology for enhanced food freshness monitoring” 的研究，课题组2019级硕士Muhammad Waqas为第一作者，2021级硕士生陈政杰为共同第一作者，刘兴海教授为通讯作者。该研究开发并表征了一种基于壳聚糖（CS）、甲基纤维素（MC）、氧化锌纳米颗粒（ZnO-NPs）和黑枸杞（BW）花青素的新型pH敏感膜。 该复合膜对总挥发性碱氮（TVB-N）表现出高灵敏度，具有清晰可辨的颜色变化。开发的系统与智能颜色识别 (ICR) 移动应用程序集成，为监控食品新鲜度提供实时、非侵入性解决方案，为海鲜包装提供高精度和实用性。

图1复合膜的制备路线及深度学习模型

TVB-N 是蛋白质类食品腐败的关键指标，特别是海鲜产品。它是由微生物活动产生的挥发性碱性化合物，如氨和胺类物质的总和。当食品腐败时，TVB-N 的浓度会升高，导致食品的 pH 值升高。黑枸杞花青素是一种天然的 pH 敏感染料，它可以随着 pH 值的变化而改变颜色。当食品腐败导致 TVB-N 浓度升高时，薄膜中的黑枸杞花青素会从红色变为绿色或蓝色，从而可以直观地判断食品的新鲜度。除了黑枸杞花青素，该薄膜还添加了氧化锌纳米颗粒。氧化锌纳米颗粒可以提高薄膜的紫外线吸收能力，从而保护黑枸杞花青素免受紫外线降解。此外，氧化锌纳米颗粒还可以增强薄膜的机械强度和抗菌性能。为了进一步提高食品新鲜度监测的准确性，该研究还开发了一种基于深度学习的模型，该模型可以分析薄膜的颜色变化，并预测食品的新鲜度等级。用户只需拍摄薄膜的照片，应用程序即可分析照片并显示食品的新鲜度等级。

图2该薄膜对蛋白质类食品腐败检测及结合深度学习在移动设备上的应用

原文连接：https://doi.org/10.1016/j.fbio.2024.105541