《食品科学》：江西农业大学汤凯洁教授等：基于便携式电化学传感器结合机器学习用于磺胺甲噁唑的智能分析

磺胺类药物作为广谱抗菌药，因其使用便捷、价格合理，被广泛用于畜牧及水产养殖中的疾病预防与治疗。其机理是该类药物能够通过干扰细菌的叶酸合成来抑制其生长繁殖，从而发挥抗菌作用。然而，不合理的应用不仅会诱导耐药菌产生、引发环境污染问题，还会通过食物链损害生物体的泌尿、免疫、造血等系统。值得注意的是，在食品中检出频次较高的磺胺甲噁唑（SMZ），已被世界卫生组织列为Ⅲ类致癌物。

电化学传感器可以通过电化学工作站将化学信号转换为可处理的电信号，并用于目标物的定量检测。相比于传统的电化学工作站，便携式电化学工作站可无线连接带有配套应用程序的智能手机来传输信号，其不仅结构紧凑、所需试剂极少，还具有省时、操作简便、即用性强等优势。进一步提升便携性的关键技术挑战在于开发一种兼具高电催化活性、轻薄柔韧特性的柔性集成三电极，使其能直接嵌入便携式工作站以替代传统三电极体系。目前，柔性电极可通过激光直写、喷墨打印、丝网印刷等技术制备。相比其他两种方法，丝网印刷制备的丝网印刷电极（SPCE）可批量商业化生产且重复性良好。将SPCE与便携式工作站结合，通过蓝牙连接智能手机，构建以智能手机为检测终端的电化学传感平台，已成为当前研究热点。

然而，未经修饰的SPCE通常对目标物质的响应极低，因此筛选理想的SPCE修饰材料对实现精准检测至关重要。大量研究表明，羧基化碳纳米管（COOH-CNTs）具有比表面积大、导电性优异且易于功能化等优点，可显著促进电子传递，从而提升传感器的电化学性能。但COOH-CNTs易发生团聚现象，导致比表面积缩减、活性位点被遮蔽，进而削弱电催化效能。离子液体（IL）作为纯离子构成的绿色溶剂，兼具环境友好性、高溶解性、热稳定性与导电性等优势。已有研究指出，以IL作为溶剂，既可解决疏水性碳纳米管的团聚问题，又能作为传统挥发性有机溶剂的理想替代介质。

人工智能（AI）可以通过大数据建模与训练实现类人认知功能。作为AI的核心技术，机器学习（ML）通过分析复杂实验数据中的关联性构建预测模型。将ML应用于食品安全检测，不仅能实现结果的智能化评估，还能有效应对大规模数据处理挑战，展现出了显著的研究价值与可观的应用前景。

江西农业大学食品科学与工程学院的李安娜、汤凯洁*，武穴市市场监督管理局的曾一芳等将开发一种基于IL-COOH-CNTs/SPCE的便携式传感器用于SMZ检测。通过系统评估不同浓度IL/COOH-CNTs纳米复合材料修饰SPCE的性能，筛选出最优修饰SPCE。随后，结合便携式工作站构建电化学传感方法，以智能手机作为检测平台实现食品中SMZ的精准定量。进一步将建立ANN与LS-SVM模型，与电化学传感器相结合，实现对SMZ残留的智能化分析，从而建立具有预测功能的快速检测方法。

01

材料表征

IL-COOH-CNTs的制备及修饰SPCE的构建如图1所示。通过SEM观察了COOH-CNTs和IL-COOH-CNTs的结构与表面形貌。图2A、B显示COOH-CNTs管状结构丰富，在CMC中均匀分散，无明显团聚；图2C、D可见IL均匀且完整地包覆于COOH-CNTs表面，无聚集现象。上述结果证实IL已成功包覆COOH-CNTs，且未破坏其原有结构。利用FT-IR对材料中存在的官能团进行了分析，结果如图2E所示。在COOH-CNTs的红外光谱中，3 429.13 cm⁻¹处的峰归属于O-H伸缩振动，1 610.50 cm⁻¹和1 062.29 cm⁻¹处的峰分别对应C=O和C-O的伸缩振动。在IL的红外光谱中，3 423.36 cm⁻¹、1 167.99 cm⁻¹和 1 082.90 cm⁻¹处的峰分别对应于O-H伸缩振动、C-N伸缩振动和BF₄⁻吸收峰。IL-COOH-CNTs纳米复合材料的FT-IR光谱与COOH-CNTs和IL的峰位基本一致。总体而言，这些结果证明了IL-COOH-CNTs已成功制备。

图2F展示了不同质量浓度IL（0.625、1.25、2.5、5、10、20、40 mg/mL）与1 mg/mL COOH-CNTs构成的纳米复合物分散液图像（图中同时呈现了离心管正置与倒置的对比照片）。高浓度IL（5、10、20、40 mg/mL）分散液出现明显团聚与分层；IL浓度过低（0.625、1.25 mg/mL）亦有少量聚集。当IL浓度为2.5 mg/mL时，倒置离心管底部沉积最少，表明其分散性能最佳。

A. IL-COOH-CNTs/SPCE的制备；B. 电化学传感器的制作；C. 磺胺甲恶唑的电催化氧化机制。

图1 便携式电化学传感器制作过程及其与机器学习在磺胺甲恶唑检测中联合应用的示意图

A，B. COOH-CNTs的SEM图像；C，D.IL的SEM图像；E.COOH-CNTs、IL及IL-COOH-CNTs的FT-IR光谱；F.不同浓度 IL（从左至右依次0.625、1.25、2.5、5、10、20与40 mg/mL）与1 mg/mL COOH-CNTs分散液的图像对比。

图2IL、COOH-CNTs及IL-COOH-CNTs的结构表征与外观

02

电化学行为与电化学表征

2.1 电极活化溶液的选择

在相同条件下，分别采用经不同活化液（pH 7.0的0.1 mol/L PBS或0.1 mol/L H₂SO₄溶液）活化的SPCE对50 µmol/L SMZ进行DPV检测。如图3A所示，经0.1 mol/L H₂SO₄溶液活化的SPCE的峰值电流略高于经pH 7.0的0.1 mol/L PBS活化的电极。因此，后续实验均选用0.1 mol/L H₂SO₄溶液对SPCE进行活化。

A. 不同活化液的选择；B. 不同电极的电化学行为；C. 复合物中IL浓度的优化。

图3 SPCE的性能优化

2.2 不同修饰电极的电化学性能

工作电极修饰材料能够增强电极的电子转移与电催化性能，从而提高其对被测物质的响应灵敏度。在含50 µmol/L SMZ的BR缓冲液中，通过DPV比较了裸SPCE、IL/SPCE、COOH-CNTs/SPCE与IL-COOH-CNTs/SPCE的电化学性能。如图3B所示，单独IL修饰的SPCE（IL/SPCE）与裸SPCE相比，氧化峰电流无明显差异；而COOH-CNTs或IL-COOH-CNTs修饰后峰电流显著增大，其中IL-COOH-CNTs修饰电极的峰电流最高。这一增强可能归因于COOH-CNTs优异的电催化性能和较大的有效面积。此外，IL的引入在保留COOH-CNTs电化学性能的同时，还提供了良好的离子导电性，充当高效电解质。因此，IL-COOH-CNTs纳米复合物修饰电极可显著提升对SMZ的响应灵敏度。

2.3 IL浓度的优化

如图3B所示，单独使用IL未能提升SPCE的电化学性能，而当IL与COOH-CNTs联用后则显著改善了性能。将不同IL浓度（0.625、1.25、2.5、5、10 mg/mL）制备的IL-COOH-CNTs纳米复合物修饰SPCE用于检测50 µmol/L SMZ，DPV结果见图3C。IL浓度过高或过低时电催化性能均较差；当IL浓度为2.5 mg/mL时，纳米复合物的峰电流最大，与分散效果示意图（图2F）中表现最佳的IL浓度一致。这可能是因为高浓度IL分散液存在严重团聚和分层，阻碍COOH-CNTs活性位点与SMZ的接触；而IL浓度过低时，其离子导电与电解质功能无法充分发挥。当IL以适宜浓度与COOH-CNTs复合时，可减少COOH-CNTs在水中的团聚，使纳米复合材料获得优异的电化学性能。此外，当使用IL浓度高于10 mg/mL制备的纳米复合材料修饰SPCE时，电极在红外灯下极难干燥。因此，最终选择2.5 mg/mL的IL用于制备IL/SPCE及IL-COOH-CNTs/SPCE修饰电极。

2.4 循环稳定性

在含0.1 mol/L KCl的5 mmol/L [Fe(CN)₆]³⁻/⁴⁻溶液中，采用CV法评估修饰电极的循环稳定性。参数设置：扫描速率100 mV/s，扫描范围 –0.3–0.6 V，循环次数50圈。氧化峰与还原峰电流的RSD分别为：SPCE（0.48%和1.14%）、IL/SPCE（0.71%和1.16%）、COOH-CNTs/SPCE（0.31%和0.37%）以及IL-COOH-CNTs/SPCE（0.14%和0.58%）（图4）。值得注意的是，IL-COOH-CNTs/SPCE表现出最优异的循环稳定性。

图4 SPCE（A）、IL/SPCE（B）、COOH-CNTs/SPCE（C）与IL-COOH-CNTs/SPCE（D）的循环稳定性

2.5 电化学阻抗和有效表面积

通过对不同电极的Nyquist图（图5A）中半圆直径的分析，可以估算其电荷转移电阻（

R

ct ）。半圆直径越小，表明

R

ct 越低，电子传递性能越优。裸SPCE呈现明显的半圆形，表明其

R

ct 较高。经COOH-CNTs修饰后，半圆直径减小，这归因于其高导电性促进了界面电荷转移。经IL修饰后，半圆直径进一步减小，这得益于IL中丰富的阴、阳离子赋予的高导电性，从而实现了更高效的电子传递。

图5 SPCE、IL/SPCE、COOH-CNTs/SPCE与IL-COOH-CNTs/SPCE电极的Nyquist图（A）、Q-t曲线（B）及Q–t1/2曲线（C）

IL-COOH-CNTs/SPCE的半圆直径最小，这归功于IL与COOH-CNTs的协同作用。该纳米复合材料既能防止COOH-CNTs的团聚，又能保持高导电性，促进界面电子转移，从而显著增强铁氰化钾向电极表面的扩散，从而对目标分析物产生更灵敏的信号响应。

较大的电化学有效表面积（A）是决定分析性能的另一关键因素，因为它能促进电极与电解液的接触，从而为电催化反应提供更多活性位点，并增强待测分子的吸附。扫描范围设为0–0.5 V，所得图像为Q-t曲线（图5B和C）。

SPCE、IL/SPCE、COOH-CNTs/SPCE与IL-COOH-CNTs/SPCE的电化学有效表面积经计算分别为0.035、0.038、0.21与0.23 cm²；单独IL修饰仅提升8.6%，而COOH-CNTs修饰使有效面积扩大6倍。IL-COOH-CNTs/SPCE的有效面积最大，达到裸SPCE的6.57倍，这一显著提升可归因于COOH-CNTs管状纳米结构的高比表面积与IL防止COOH-CNTs团聚并维持界面电荷转移效率的协同效应。

IL-COOH-CNTs/SPCE的Rct显著降低，同时电化学有效表面积大幅增加，这为其优异的分析性能（如更低的检测限和更高的灵敏度）提供了有力的机理解释。较低的Rct确保了检测过程中电子的快速转移，较大的电化学有效表面积为检测物的相互作用与反应提供了丰富的位点，二者共同促成了增强且稳定的电化学信号。

03

SMZ在修饰电极上的电催化氧化反应机理

3.1 扫描速率的影响

图6A展示了不同扫描速率（

）对IL-COOH-CNTs/SPCE上SMZ电化学氧化反应的影响。峰电流随扫描速率（20–550 mV/s）增加而增大，同时氧化峰电位（

E

pa ）发生正移。峰电流与扫描速率呈曲线关系（图6B），而与扫描速率的平方根（

v

1/2 ）呈线性相关（图6C），表明SMZ在IL-COOH-CNTs/SPCE上的氧化遵循不可逆扩散控制机制。图6D显示

E

pa 与扫描速率的自然对数（lnν）呈线性相关，回归方程为

E

pa = 0.0270lnv + 0.5993 (

R

2 = 0.9921)。根据Laviron理论，

E

pa 可按以下公式计算：

其中

为电子转移系数（通常取0.3–0.7）；

k

⁰为反应速率常数；

为扫描速率（mV/s）；

n

为转移电子数（整数）；

E

⁰为标准形式电位；

R

T

F

分别为理想气体常数、温度和法拉第常数（

R

=8.314 J/(K·mol)，

T

=298 K，

F

=96 485 C/mol）。

基于Laviron理论计算得出αn值为1.08。进而求得SMZ在电极表面电催化氧化过程中涉及的电子数

n

为2，电子转移系数

为0.5。

图6 IL-COOH-CNTs/SPCE在20–550 mV/s扫描速率下的CV曲线（A），以及电流–扫速图（B）、电流–

v

¹/²图（C）和电位–lnv图（D）

3.2 pH的影响

缓冲液pH会改变电化学环境中的电子与质子含量，进而影响电极氧化响应的灵敏度。图7A给出了IL-COOH-CNTs/SPCE在不同pH（4.0、5.0、6.0、7.0、8.0）BR缓冲液中对50 μmol/L SMZ的氧化响应。随着pH升高，

E

pa 负移（图7B），表明SMZ电催化氧化过程有质子参与；在pH 5.0时获得最强电流响应（图7B），故后续实验均选用该pH。

E

pa 与pH的线性回归方程为：

E

pa = -0.053 pH + 0.886 (

R

2 = 0.9993)。根据Nernst方程（公式7）：

其中

m

为参与反应的质子数，可由斜率求算；C [Ox] 与C [Red] 分别为电极反应平衡时氧化态和还原态物质的浓度（mol/L）。

根据Epa与pH线性关系的斜率计算，

m

n

值接近1，表明SMZ电催化氧化过程中参与的质子数

m

与电子数

n

相等。因此，SMZ的电催化氧化反应涉及2个质子和2个电子。

图7 IL-COOH-CNTs/SPCE在不同pH的BR缓冲液中对50 µmol/L SMZ的DPV曲线（A），以及电流和电位随pH的变化关系图（扫描速率100 mV/s）（B）

据文献报道，磺胺二甲嘧啶和SN在修饰电极上的电催化氧化反应机理分别如图8A和B所示，表明磺胺类化合物的暴露氨基在电催化过程中发生氧化反应。据此可推断SMZ在IL-COOH-CNTs/SPCE上的电催化氧化反应机理如图8C所示：SMZ首先被氧化生成阳离子自由基，其氨基与IL-COOH-CNTs的羧基形成氢键；该氢键增强了SMZ在电极表面的吸附，并促进电子从SMZ的苯胺基团向IL-COOH-CNTs转移；吸附的阳离子自由基进一步氧化，生成羟胺衍生物。

A. 磺胺二甲嘧啶在SPCE/PEDOT/MnO₂电极上的反应；B. SN在AuNPs/Gr/GCE电极上的反应；C. SMZ在IL-COOH-CNTs/SPCE上的电催化氧化反应机理。

图8 三种磺胺类药物的电催化氧化反应机理

04

SMZ的智能检测与分析

在pH 5.0的BR缓冲液中，使用IL-COOH-CNTs/SPCE通过DPV法检测了不同浓度的SMZ（图9A）。峰电流随SMZ浓度增加而升高，在1.04–233.00 µmol/L范围内呈非线性关系（图9B）。然而，当峰电流与SMZ浓度均取倒数后作图，二者呈现明显的线性趋势（图9C），线性方程为

y

=0.8647

+0.0320 (

R

2 =0.9972)。将SMZ浓度划分为低（1.04–20.83 µmol/L）、中（25–100 µmol/L）、高（112.5–233.0 µmol/L）三个区段（图9D–F），其线性方程分别为

y

=0.0851

+0.0399（

R

2 =0.9974），

y

=1.3053

+0.0265（

R

2 =0.9926）和

y

=2.0065

+0.0191（

R

2 =0.9909）。这进一步证明峰电流倒数与SMZ浓度倒数之间存在强线性关系。该传感器的LOD为0.009 µmol/L，LOQ为0.030 µmol/L（LOD=3 S d/m ，LOQ=10S d/m ；其中Sd为空白BR缓冲液20次扫描的标准偏差，m为标准曲线的斜率），均低于GB 29694—2013中HPLC方法的LOD（0.020 µmol/L）和LOQ（0.039 µmol/L）。此外，与其他方法相比（表1），本研究开发的SMZ传感器不仅线性范围宽、检出限低，且检测速度快、便携性高，在现场SMZ检测中具有显著应用潜力。

表1与其他已报道的SMZ检测方法对比

A. IL-COOH-CNTs/SPCE在含1.04–233.00 µmol/L SMZ的BR缓冲液（pH 5.0）中的DPV曲线；B. 以SMZ浓度为横坐标、电流响应值为纵坐标的线性拟合；C. SMZ浓度倒数与电流响应值倒数的线性拟合；不同浓度区间SMZ浓度倒数与电流响应值倒数的线性拟合：(D) 1.04–20.83 µmol/L，(E) 25–100 µmol/L，(F) 112.5–233.0 µmol/L。

图9 SMZ的智能检测与分析

本研究开发的便携式电化学传感器可在10秒内实现SMZ的快速检测，从而能够高效获取大量实验数据。应用机器学习（ML）分析该电化学传感方法的检测结果，可加速数据处理与输出，显著降低人力与时间成本。图10A和D分别展示了以SMZ浓度为输入（自变量）、电流响应为输出（因变量）构建的ANN模型和LS-SVM模型。两种模型在测试浓度范围内均与实验测量值表现出极佳的一致性。

A. ANN模型拟合分析：以电流为输入、浓度为输出；B与C. 分别为ANN模型训练集和预测集的实验值与预测值；D. LS-SVM模型拟合分析：以电流为输入、浓度为输出；E与F. 分别为LS-SVM模型训练集和预测集的实验值与预测值。

图10 ANN模型与LS-SVM模型的拟合分析

为验证并比较两种模型的性能，采用三个指标（

R

²、RMSE、MAE）评估训练集，四个指标（

R

²、RMSE、MAE、RPD）评估预测集。结果显示，LS-SVM训练集（

R

²=0.9998，RMSEC=0.9814，MAEC=0.6530）（图10E）相较于ANN模型（

R

²=0.9995，RMSEC=1.7978，MAEC=1.0795）（图10B）表现更优，其R²更接近1，且RMSEC与MAEC值更低。在预测集方面，ANN模型的结果为

R

²=0.9992、RMSEP=2.7571、MAEP=2.3356、RPD=29.61（图10C），而LS-SVM模型进一步提升了性能（

R

²=0.9999、RMSEP=0.6931、MAEP=0.5218、RPD=119.74）（图10F）。LS-SVM的预测指标

R

²更接近1，RMSEP与MAEP显著更小，且RPD远高于阈值3.0，这些共同表明其预测精度与误差均优于ANN模型。该结果与Xu等人的研究一致。因此，LS-SVM模型能更有效地捕捉SMZ浓度与传感器电化学电流响应之间的线性关系，为基于IL-COOH-CNTs/SPCE电化学传感器的SMZ检测提供了一种可靠、高效的智能分析方法。

05

重复性、重现性与抗干扰性能

在最佳实验条件下，使用同一根IL-COOH-CNTs/SPCE电极对50 µmol/L SMZ进行连续20次CV测量，以评估传感器的重复性。如图11A所示，峰电流的RSD为2.57%（

n

=20），低于5%的阈值，表明传感器具有优异的重复性。

为评估电极的重现性，按相同方法制备10支IL-COOH-CNTs/SPCE，并用DPV检测50 µmol/L SMZ。如图11B所示，RSD为2.89 %（

n

=10），低于5%阈值，表明本研究制备的传感器具有出色的重现性。

进一步研究了IL-COOH-CNTs/SPCE在不同干扰物质存在下检测SMZ的抗干扰能力。测试了多种物质相对于SMZ不同浓度比的干扰情况：NaCl和KCl（浓度为SMZ的100倍）、葡萄糖和抗坏血酸（浓度为SMZ的10倍），以及等摩尔浓度的精氨酸、谷氨酸、次黄嘌呤、SN和SD。如图11C所示，除SN和SD外，其他干扰物引起的峰电流变化均低于5%。这种选择性源于大多数干扰物质要么缺乏电化学活性，要么在IL-COOH-CNTs/SPCE传感器上的氧化电位与SMZ存在显著差异。然而，由于SN和SD与SMZ结构相似，它们表现出较高的干扰水平（电流变化分别为7.11%和5.82%）。这一现象恰恰表明传感器对这三种磺胺类药物均具有显著的电催化活性，而其是否适用于更广泛的磺胺类药物仍需进一步研究。

综上，IL-COOH-CNTs/SPCE传感器展现出令人满意的重复性、重现性和抗干扰能力。

A 与 B. 分别为IL-COOH-CNTs/SPCE检测SMZ的重复性与重现性；C. 潜在干扰物对50 µmol/L SMZ检测的影响（1–10依次为：SMZ、NaCl+SMZ、KCl+SMZ、葡萄糖+SMZ、抗坏血酸+SMZ、精氨酸+SMZ、谷氨酸+SMZ、次黄嘌呤+SMZ、SN+SMZ、SD+SMZ）。

图11 重复性、重现性及抗干扰能力分析

06

实际样品中SMZ加标回收率分析

在最佳条件下，采用IL-COOH-CNTs/SPCE传感器和HPLC法均未在鱼、虾及鸡肉样品中检出SMZ残留。通过加标回收实验（

n

=3）对比IL-COOH-CNTs/SPCE传感器与国标HPLC方法，以验证所开发传感器的实用性。为确认便携式传感方法对SMZ定量的准确性，建立了HPLC验证方法（校准曲线如图12所示）。表2显示：所提出传感器的回收率范围为96.4%–117.7%，HPLC方法的回收率范围为93.1%–108.1%，两种方法在平行测试中的RSD均低于5%。T检验获得P值为0.303（>0.05），表明两种方法之间无显著性差异。这些结果证明，IL-COOH-CNTs/SPCE传感器在SMZ检测中具有与HPLC相当的准确度，在SMZ残留分析实际应用中展现出良好潜力。

利用LS-SVM模型对加标回收率进行预测，所得回收率为94.6%–104.8%，与实验测定值高度吻合。这充分证明了LS-SVM模型对IL-COOH-CNTs/SPCE传感方法输出结果具有良好的预测能力。该策略可实现大批量样品的智能分析，在实际应用中展现出显著潜力。

图12 HPLC峰面积与SMZ浓度的线性回归关系

表2采用电化学方法与HPLC方法对加标实际样品测得的SMZ回收率以及LS-SVM模型预测回收率（

n

= 3

07

结论

本研究构建了一种基于IL-COOH-CNTs纳米复合物修饰SPCE并与LS-SVM模型结合的便携式智能传感器，用于SMZ检测。与单材料修饰电极相比，IL-COOH-CNTs复合修饰电极表现出更优异的性能，对SMZ具有最高的氧化响应。形貌与电化学表征显示，IL-COOH-CNTs/SPCE具备优异导电性、出色稳定性、低阻抗及大电活性表面积。优化后的传感器线性范围宽（1.04–233.00 µmol/L），其检测限（LOD，0.009 µmol/L）和定量限（LOQ，0.030 µmol/L）灵敏度优于中国国家标准中的HPLC方法。机器学习模型比较表明，LS-SVM在预测精度上全面优于ANN，其R²、RMSE、MAE与RPD等统计指标均证实其卓越性能。在鱼、虾、鸡肉样品中的加标回收实验验证，该传感器与参考HPLC方法结果无显著差异（

P

>0.05），证明其在实际样品分析中的可靠性。需要指出的是，本研究主要目的是验证LS-SVM模型利用电化学信号预测SMZ浓度的可行性，系统化的超参数优化与过拟合防控是构建高稳健ML模型的关键，也是我们未来的工作重点。本工作建立了便携式电化学传感与智能LS-SVM预测模型相结合的新平台，为食品安全危害的实时无线监测提供了优势，所开发系统在食品中SMZ残留高效检测方面展现出广阔前景。

引文格式：

LI Anna, ZENG Yifang, WEN Yangping, et al. Portable electrochemical sensors coupled with machine learning for intelligent analysis of sulfamethoxazole[J]. 食品科学, 2025, 46(24)：29-43. DOI:10.7506/spkx1002-6630-20250803-008.

LI Anna, ZENG Yifang, WEN Yangping, et al. Portable electrochemical sensors coupled with machine learning for intelligent analysis of sulfamethoxazole[J]. Food Science, 2025, 46(24): 29-43. DOI:10.7506/spkx1002-6630-20250803-008.

实习编辑：梁雯菁；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网

为汇聚全球智慧共探产业变革方向，搭建跨学科、跨国界的协同创新平台，由北京食品科学研究院、中国肉类食品综合研究中心、国家市场监督管理总局技术创新中心（动物替代蛋白）、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，西南大学、 重庆市农业科学院、 重庆市农产品加工业技术创新联盟、重庆工商大学、重庆三峡学院、西华大学、成都大学、四川旅游学院、西昌学院、北京联合大学协办的“ 第三届大食物观·未来食品科技创新国际研讨会 ”， 将于2026年4月25-26日 （4月24日全天报到） 在中国 重庆召开。

长按或微信扫码进行注册

会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918(微信同号)