智能包装新突破：AI 结合气体传感守护冷藏食品

保障冷藏食品的安全与货架期，是当今物流供应链面临的核心难题。常规包装仅能提供被动式防护，无法实时追踪食品的新鲜程度或微生物动态。融合气体传感技术与人工智能（AI）的智能包装体系，为破解此困局提供了极具潜力的方案：该系统能持续监测二氧化碳、氨气、硫化氢及乙烯等指示腐败的关键挥发性或非挥发性气体。本文系统回顾了电化学、金属氧化物半导体、光学及纳米材料基气体传感器的最新进展，及其在冷藏食品监控中的具体应用。AI 的融入显著增强了模式识别、腐败预判及保质期估算的能力，尤其适用于多传感器阵列的协同工作。当前面临的主要挑战涉及低温高湿环境下的传感器稳定性、器件微型化、数据标准化以及安全数字基建的构建。未来趋势将聚焦于低成本可生物降解传感平台、边缘 AI 决策机制及物联网实时互联。综上所述，AI 辅助的气体感应智能包装有望提升冷藏食品安全水平、降低损耗，并助力构建更可持续的供应链。

消费者对冷藏食品在安全、品质及保质期方面要求的提升，加速了智能包装技术的革新。传统被动包装仅能隔绝外部污染，无法实时反馈食品新鲜度变动；而集成气体传感的智能包装则能通过监测微生物代谢产生的 VOCs、乙醇、乙醛以及 CO2、NH3、H2S、乙烯等腐败气体，实现对冷链食品动态质量的评估。AI 能够解析传感器非线性且易受干扰的原始数据，完成校准、模式识别、腐败预警及保质期预测，并与物联网联动以优化冷链管理。

本文作为系统性综述，聚焦于冷藏食品领域 AI 驱动的气体传感智能包装，梳理了气体传感技术与人工智能数据处理两大核心体系。在传感端，重点总结了金属氧化物半导体、导电聚合物、电化学及比色传感器，涵盖材料改性、柔性薄膜、MEMS 阵列、纳米复合材料及智能手机成像等方案；在 AI 端，则归纳了机器学习特征提取、保质期预测、多传感器融合、深度学习、边缘计算及物联网实时决策等流程。综述还对比了这些技术在 0-4 ℃、高湿及真实冷链场景下的稳定性、灵敏度、成本、可持续性和商业化可行性。

图 1. 气体传感系统在冷链食品监测中的基础应用逻辑。该图呈现了传感器在 CO2 作用下的响应机制、柔性冷链水果品质监测系统架构，以及柔性气体传感系统在实际包装场景中的部署。核心思路是将食品腐败过程中产生或演变的气体信号转化为可读取的电学、光学或颜色信号，从而为冷链运输和货架期管理提供实时质量数据。

图 2. 多种类型智能指示材料在肉类新鲜度检测中的应用。图中涵盖了基于 Pt/Fe-TiN 材料的 H2S 肉类新鲜度检测方案、水凝胶 - 油凝胶大分子胶及 PVDF 复合薄膜的制备流程，以及用于三甲胺和 pH 响应的疏水性比色膜。此类材料能将腐败气体浓度变化转化为颜色或电化学信号，适用于猪肉、肉类包装及冷藏食品的质量监控。

图 3. 可拉伸抗菌包装中集成纳米结构 SERS 传感器的食品监测策略。该图展示了 SERS 传感器用于猪肉、牛肉、三文鱼、寿司和橙子等样品的新鲜度追踪，并通过特征峰识别嘌呤、蛋白质、脂质、类胡萝卜素等信号变化。随着储藏时间延长，SERS 光谱与可视化照片共同反映食品品质演变，也彰显了传感包装兼具保鲜与监测的双重潜力。

图 4. 机器学习模型在冷藏食品保质期和新鲜度预测中的应用。该图展示了 XGBoost、随机森林和支持向量回归等模型在马铃薯保质期预测中的应用框架，同时展示了电子鼻信号结合深度学习时间序列分析预测肉类新鲜度的思路。传感数据经 AI 模型处理后，可由单点检测升级为趋势预测，从而支持更精细的冷链决策。

图 5. 传统新鲜度评估与多传感器智能分析的对比。传统方法依赖感官、理化和微生物指标，通常需离线检测；智能系统则将多传感器信号与人工神经网络等算法结合，实现对食品品质变化的快速判定。图中还展示了基于无线传感网络的蓝莓监测平台及硬件原理，说明温度、气体和品质指标可共同用于腐烂、失重和硬度变化预测。

图 6. 便携式气体传感设备与机器学习结合用于肉类新鲜度监测。图中展示了基于 MOF/SnS2 的便携式设备，其集成了结构分析、数据处理和云端远程监控界面；同时还展示了羊肉新鲜度评价中感官、pH、硬度、失重、气体数据和柔性温度 - 阻抗传感器的综合应用。多源数据与机器学习结合，可提升新鲜度评估的实时性和可靠性。

图 7. 图像分析、机器学习和比色阵列在食品质量实时监测中的应用。该图汇总了智能传感薄膜、蒙脱石/聚酰亚胺纳米纤维气凝胶比色阵列、主成分分析、层次聚类、K 近邻算法以及单链 DNA 传感器阵列等策略。这些方法可将颜色、图像和多维传感信号转化为可分类、可预测的数据，用于鱼类、红椒、乳制品等不同食品场景。

图 8. 深度学习推动多模态食品新鲜度预测。该图展示了挥发性有机化合物与湿度信息融合、纸基比色传感器结合深度学习检测冷藏牛肉新鲜度，以及聚乳酸比色指示剂用于鲜切果蔬无损监测等案例。多模态数据能够补足单一传感器信息不足的问题，深度学习则有助于从复杂环境干扰中提取与食品品质相关的稳定特征。

图 9. MEMS 气体传感器和响应性薄膜用于肉类腐败气体检测。图中展示了基于 SnO2 的 MEMS 气体传感器及测试平台、P 型/金属-SnO2 异质结的能带结构和电子转移过程，以及传感器对三甲胺的响应和在鸡肉、猪肉新鲜度监测中的应用。图中还包括氨响应性茜素/ZIF-8/PVA-海藻酸盐薄膜，为肉类包装提供可视化新鲜度指示方案。

图 10. 新型电极与天然色素指示膜拓展智能包装检测方式。该图比较了传统羊肉新鲜度评估与基于石墨烯电极的新型检测模型，并结合 FE-SEM 和柔韧性测试评估材料性能。同时，海藻酸钠 - 花青素 NH3/H2S 敏感 pH 指示膜可通过颜色和紫外 - 可见光谱变化反映肉类腐败过程，体现天然色素在低成本可视化智能包装中的应用价值。

图 11. 高灵敏度纳米纤维和纸基传感器用于猪肉、鸡肉腐败监测。图中展示了猪肉新鲜度监测纳米纤维指示剂及 PRC 指标与 pH 变化的相关性，也展示了 CuNCs/CNQDs 纳米复合材料及纸基传感器对硫化物浓度的荧光响应、选择性分析，以及在 4 ℃ 下追踪鸡肉和猪肉腐败的颜色变化。该类传感器为冷藏肉类提供了直观、灵敏的包装内监测工具。

AI 驱动的冷藏食品气体传感智能包装具有提升冷链食品安全、延长货架期和减少食物浪费的潜力。综述显示，金属氧化物半导体、电化学、比色、SERS、纳米复合材料和柔性传感器等技术，已可围绕 CO2、NH3、H2S、三甲胺、乙烯和 VOCs 等腐败相关信号建立多样化检测体系；结合机器学习、深度学习和多传感器融合后，系统能够从“检测信号”进一步走向“识别状态”和“预测保质期”。

不过，该领域走向规模化应用仍需突破传感器在低温高湿和温度波动环境下的稳定性、信号漂移、湿度交叉敏感、材料降解、AI 模型泛化不足、数据标准缺失、成本偏高和食品接触监管审批等问题。未来发展应聚焦可生物降解传感基底、低成本可打印电子器件、边缘 AI、物联网、区块链溯源和可解释 AI 模型，并通过材料科学、食品工程、数据科学和监管机构的跨学科协同，推动智能包装从实验室原型走向真实冷链应用。

https://doi.org/10.1016/j.fpsl.2026.101763

声明：文中标注“原创”仅为编译整理标识，本文不持有原文版权；内容仅作学术交流与知识分享，不代表平台观点，亦不构成任何食品安全承诺或商业应用建议。若有侵权或不当之处，请联系删除。

供稿｜李欣雨

审核｜陈华伟 朱科学