新鲜果蔬富含多种营养成分，是全球膳食结构的重要组成部分。但鲜切加工易造成机械损伤，进而加速其衰老与变质，保障其品质与新鲜度仍是一大挑战。基于比色反应的智能指示剂为果蔬新鲜度的可视化、现场快速检测提供了新思路，然而其当前多用于肉类和乳制品，在鲜切果蔬中的应用研究仍较为有限。同时，常用的石油基塑料包装存在环境污染风险，聚乳酸（PLA）因其可降解性和生物相容性，表现出很大的应用潜力。

在此背景下，武汉大学电子信息学院刘兴海教授团队开发了一种将深度学习与比色指示剂技术相结合的新型无损方法，用于监测PLA包装中鲜切果蔬的新鲜度。如图1所示，以青椒为例，针对储存期间的理化指标变化，采用主成分分析（PCA）和费希尔线性判别分析（FLDA）构建了新鲜度判别模型，为可视化监测提供依据。通过刮涂法制备的pH敏感型指示剂（EMT）对二氧化碳（CO₂）浓度（0%-30%）表现出清晰的颜色变化，同时具备出色的稳定性和可重用性，由EMT制成的指示标签在鲜切青椒新鲜度监测中展现出良好的应用效果（图2）。此外，EMT在鲜切青菜、西兰花、西瓜和蓝莓包装中同样表现出良好的颜色变化趋势。

图1. 储存期间鲜切青椒的理化指标变化与基于理化指标的新鲜度分类

图2. 基于EMT的鲜切青椒新鲜度指示标签的应用

进一步，结合深度学习算法进行图像识别（图3），减少因人类视觉感知个体差异和拍摄条件变化导致的识别误差。其中，MobileNetV3-Small模型在k折交叉验证下的平均识别准确率高达96.09%，能够准确、快速且无损地评估鲜切青椒的新鲜度，将其分类为“新鲜”“次新鲜”和“腐败”。

图3 深度学习辅助的果蔬新鲜度分类处理与性能评估图示

本研究提出的策略为鲜切果蔬新鲜度监测提供了一种高精度、实时且无损的方法，不仅满足了现代食品行业对食品安全和环境保护的双重需求，还在食品安全、健康监测和环境保护等领域展现出广阔的应用潜力。该成果以“Deep learning-based colorimetric indicator on polylactic acid packaging for nondestructive monitoring of fresh-cut fruits and vegetables”为题发表在《Food Research International》期刊上（Food Res. Int. 2025, 218, 116833），课题组2023级硕士张莎莎为第一作者。

该工作是课题组近年来围绕比色响应材料与食品新鲜度可视化监测研究的重要进展之一。近年来，团队聚焦于智能包装关键技术，围绕功能材料设计、响应机制调控以及图像识别，持续开展了系统深入的研究。团队利用Lewis酸掺杂策略，开发了柔性PEDOT:PSS氨气传感器，实现对ppm级氨气的高灵敏无线监测（Chem. Eng. J. 2024, 493, 152652）；构建的聚苯胺/CuTsPc/AgNPs三元复合纳米材料，在选择性和稳定性方面均表现优异（Sens. Actuators B Chem. 2024, 414, 135928）；制备了基于壳聚糖晶须/藻酸钠/明胶复合基体的比色薄膜，辅以花青素实现可视化响应，用于挥发性胺类指示及食品新鲜度评估。该材料兼具良好的可降解性、响应稳定性与实际应用价值，相关成果被《Food Hydrocolloids》收录为高被引论文（Food Hydrocoll. 2022, 127, 107517）。

该研究得到了国家重点研发计划项目（2023YFE0105500）的支持。

文章链接：https://doi.org/10.1016/j.foodres.2025.116833