香港科技大学范智勇教授ACS Nano：实时冷链食品新鲜度监测分析

冷链食品监测新突破：高性能人工嗅觉芯片实现实时新鲜度分析

随着生活水平提升，全球冷链运输使人们足不出户即可享用各地美食，但食品在低温环境下仍会逐渐腐败，实时监测新鲜度成为保障食品安全、减少浪费的关键。传统检测方法在密闭冷藏环境中难以实施，且受人为因素影响大，因此迫切需要能够在低温条件下实时、智能监测各类食品状态的传感器。

近日，香港科技大学范智勇教授课题组提出了一种用于智能冷链管理的人工嗅觉芯片。该芯片采用九宫格气体传感器阵列设计，对肉类、蔬菜和水果腐败过程中释放的氨气、乙醇、三甲胺和硫化氢等气体具有高灵敏度与区分能力。通过各传感像素的差异响应，芯片能准确分类气体及其混合信号，实现对不同食品腐败标志物的精准识别。在冷藏环境中，该芯片可连续工作超过7天，成功识别至少7类食品的新鲜度变化，并能评估混合存放食品的状态，展现出作为智能冷链管理关键组件的潜力。相关论文以“A High-Performance Artificial Olfactory Chip for Real-Time Cold Chain Food Freshness Monitoring”为题，发表在ACS Nano上。

图1 （a）冷链运输过程中气体分子释放示意图。 （b）九宫格阵列系统。 （c）从九宫格芯片提取的针对肉类、水果、蔬菜及食品混合物的响应模式。 （d）显示实时食品新鲜度监测结果的手机应用用户界面。

研究团队设计了一款基于阳极氧化铝模板的九宫格传感器阵列芯片。该模板具有高度有序的纳米管结构，比表面积大，有利于气体分子吸附。通过原子层沉积技术，研究人员在纳米管上均匀沉积了二氧化锡、氧化锌和氧化铟等金属氧化物传感层，并在特定区域修饰金和钯以提升性能。芯片背面集成了铂加热器，采用底加热设计，既简化结构又提高了传感效率。

图2 （a）九宫格芯片示意图。 （b）九宫格芯片的传感层。 （c1–c4）AAO、二氧化锡、氧化锌和氧化铟薄膜的SEM图像。 （d1–d3）AAO基底上二氧化锡、氧化锌和氧化铟的XRD图谱。 （e1–e6）AAO基底上金修饰二氧化锡、钯修饰二氧化锡、金修饰氧化锌、钯修饰氧化锌、金修饰氧化铟和钯修饰氧化铟的TEM图像。

芯片的传感性能通过一系列实验得到验证。在单一气体测试中，芯片对浓度低至0.8 ppb的乙醇、氨气、三甲胺和硫化氢均表现出显著响应，且在不同湿度环境下工作稳定。通过热图与主成分分析，芯片能够清晰区分这四种气体，并绘制出各自独特的浓度轨迹。

图3 （a）九宫格芯片在相对湿度30%下对0.1–1 ppm乙醇的电阻-时间曲线。 （b）九宫格芯片对0.8 ppb至40 ppm乙醇的响应（ Rs/Rg）随浓度变化曲线。 （c）九宫格芯片9个传感像素在不同相对湿度下对1 ppm乙醇的响应。 （d）九宫格芯片对0.1–1 ppm氨气、乙醇、三甲胺和硫化氢的响应模式热图。 （e）对0.1–1 ppm氨气、乙醇、三甲胺和硫化氢的主成分分析气体区分结果。

在混合气体识别实验中，芯片面对96种二元混合气体，仍能通过响应模式的变化区分不同成分与浓度。尤其是含硫化氢的混合物，因硫化氢的强还原性，芯片响应呈现单轴变化趋势，进一步体现了其在复杂气体环境中的分类能力。

图4 （a）实验设计示意图。 （b）不同浓度气体混合物的响应模式。 （c）6组二元气体混合物的PCA/t-SNE气体区分结果。

为模拟真实冷链场景，研究团队将芯片置于冰箱中，对猪肉、牛肉、鸡肉、生菜、草莓、葡萄和番茄等7类食品进行了长达7天的新鲜度监测。芯片电阻随食品腐败逐渐下降，响应模式随储存时间变化而愈加明显。主成分分析结果表明，芯片不仅能区分不同食品，还能追踪同一食品从新鲜到腐败的连续变化过程。

在混合食品测试中，芯片对猪肉、草莓和生菜的不同新鲜度组合也表现出稳定的响应差异。通过支持向量机与t-SNE分析，八种组合状态被清晰区分，显示出芯片在多食品共存环境中的强大识别能力。

图5 （a）九宫格芯片对7类食品进行7天新鲜度监测的归一化电阻-时间曲线。 （b）九宫格芯片对牛肉、生菜和草莓在储存第1至7天的响应模式。 （c）肉类在储存第1至7天的主成分分析区分结果。 （d）水果与蔬菜在储存第1至7天的主成分分析区分结果。 （e）九宫格芯片对猪肉-草莓-生菜混合物的响应模式。 （f）使用支持向量机与t-SNE对8种猪肉-草莓-生菜混合物的区分结果。

最终，芯片与湿度传感器、微控制器和蓝牙模块集成，构建了一套实时食品新鲜度监测系统。该系统在9天的连续测试中，成功追踪了混合食品的腐败顺序，并通过手机界面为用户提供直观的新鲜度反馈，验证了其在智能冷链管理中的实用性与可靠性。

图6 （a）部署在冷藏环境中的食品新鲜度监测系统。 （b）集成在电路板上的九宫格芯片。 （c）九宫格芯片对猪肉-草莓-生菜混合物连续9天监测的响应模式及对应实物图。 （d）智能冷链应用的用户界面。

总结而言，该研究成功开发出一种结构紧凑、灵敏度高、分类能力强的人工嗅觉芯片，适用于冷藏环境下的食品新鲜度实时监测。未来，通过集成温湿度监测、结合气相色谱-质谱分析进一步明确挥发性物质与响应模式的关联，并开发信号漂移补偿策略，该芯片有望成为提升冷链食品安全与效率的核心组件，广泛应用于家庭与商业场景中。