卷积神经网络结合天然多通道比色凝胶标签的生鲜鸡肉新鲜度识别

来源：中国食品学报杂志2026年第3期北京时间：

作者：张明成，杨杰，郑再飞，龙昊，马骁，申海波，刘登勇

单位：张明成渤海大学食品科学与工程学院 辽宁省肉类食品专业技术创新中心 辽宁锦州 121013,杨杰渤海大学食品科学与工程学院 辽宁省肉类食品专业技术创新中心 辽宁锦州 121013,郑再飞渤海大学食品科学与工程学院 辽宁省肉类食品专业技术创新中心 辽宁锦州 121013,龙昊渤海大学食品科学与工程学院 辽宁省肉类食品专业技术创新中心 辽宁锦州 121013,马骁鞍山市九股河食品有限责任公司 辽宁鞍山 114199,申海波锦州九丰食品有限公司 辽宁锦州 121116,刘登勇渤海大学食品科学与工程学院 辽宁省肉类食品专业技术创新中心 辽宁锦州 121013,jz_dyliu@126.com

摘要：为实现鸡肉新鲜度的快速、绿色和智能化监测，本研究提出一种基于天然多通道比色凝胶标签与卷积神经网络(CNN)相结合的检测方法。选用姜黄素、花青素和甜菜红素3种天然色素，通过构建3×1点阵式比色凝胶标签，实现对挥发性生物胺(二甲胺、三甲胺)气体的灵敏响应。系统优化了各类色素的负载量。结果表明，姜黄素在质量分数1%、花青素与甜菜红素在质量分数5%下的色差值最大，响应效果最显著。在质量分数分别为1×10-5，2×10-5，5×10-5，1×10-5的4个梯度下，二甲胺与三甲胺处理组的比色凝胶标签总体色差值均随梯度值升高而显著增加(P ＜ 0.05)，表明该标签对生物胺浓度变化具有良好的响应灵敏性。采集2 791张比色凝胶图像样本，依据挥发性盐基氮(TVB-N)含量将鸡肉品质分为“新鲜”“次新鲜”及“腐败”3类。所有图像在数据增强与归一化处理后，分别输入6种CNN模型进行训练与评估。其中，EfficientNet-B0模型表现最优，平均准确率高达98.12%，同时具有较低的参数量和计算复杂度，适合实时检测及移动端部署。本方法为生鲜肉类新鲜度的无损、快速检测提供了有效方案。

关键词：天然色素; 比色凝胶标签; 卷积神经网络; 快速检测