黄成栋 刘婧文 赵晗 凌莉 吴祖庆

摘 要 随着科学技术的进步，仿生智能检测技术在食品检测领域的质量控制和安全监测等方面得到广泛应用。本文综述了仿生智能检测技术在食品检测领域的应用进展，与传统食品检测方法的应用比较和技术融合，分析了仿生智能检测技术在食品检测领域面临的挑战，并对未来的应用前景进行展望，为仿生智能检测技术的研究和应用提供参考。

关键词 仿生智能检测；食品检测；技术应用

Application Progress of Bionic Intelligent Detection Technology in Food Detection

HUANG Cheng-Dong ¹ LIU Jing-Wen ¹ ZHAO Han ² LING Li ¹ WU Zu-Qing ^1*

Abstract With the progress of science and technology, bionic intelligent detection technology has been widely applied in the field of food detection, particularly in quality control and safety monitoring. This paper examines the application progress of bionic intelligent detection technology in food detection, compares its applications with those of traditional food testing methods and explores the technological integration between them. Furthermore, it analyzes the challenges faced by biomimetic intelligent detection technology in food detection and provides an outlook on its future application prospects, aiming to offer valuable insights and references for the research and application of biomimetic intelligent detection technology.

Keywords bionic intelligent detection; food detection; technology application

食品检测技术是保障食品质量安全的基础手段，传统检测主要通过理化分析（滴定法、比色法、色谱法等）、微生物培养和感官评价等方法^[1-2]，存在检测时间长、仪器设备成本高、对操作人员要求高的局限性，难以满足高通量检测和快速检测的要求。仿生智能检测技术深度融合了生物学、材料科学、人工智能等多个学科，通过模仿生物感官系统（如嗅觉、味觉、触觉等）与信息处理机制，结合生物材料学和工程结构学技术，开发出能够模拟感知能力的检测方法和设备，实现了高灵敏度、高适应性、低能耗的检测能力^[3]。仿生智能检测技术不但能够实现对食品中危害因子的快速准确检测，而且对食品质量和生产过程进行实时监控，成为了食品检测领域的新热点，显示出巨大的应用潜力。仿生智能检测技术从单一仿生机制向多模态融合演进是未来发展的趋势，其核心在于通过材料与结构仿生、感知机制模拟、智能算法融合的三元协同，突破传统检测技术的效率局限与应用约束。

1 仿生智能检测技术在食品检测领域的应用

1.1 仿生智能生物发光检测

三磷酸腺苷（Adenosine Triphosphate，ATP）生物发光法在食品检测中依据微生物繁殖特性，根据微生物产生的化学作用以及酶分解情况，对食品中是否存在微生物进行有效检测，统计效果能够较好地对食品微生物污染作出有效判定。ATP生物发光法具有快速、简便、高效、灵敏度高、重现性好等优点，可以对食品和饲料中微生物污染进行有效监控。研究表明大多数致病菌呈现出10 CFU/mL的致病浓度，刘阳等^[4]采用免疫磁分离技术浓缩、选择性分离处理后，可将外界干扰因素降低，对致病菌进行特异性识别，提高ATP生物发光法具备的10³ CFU/mL检测限，实现有效提升检测灵敏度的目的。舒柏华等^[5]发现生肉类食品由于体细胞ATP对结果干扰较大，需要清除样品中体细胞ATP干扰，而熟肉中非细菌类ATP含量低，对结果影响较小，可以直接测定。利用生物发光技术，仿生智能检测系统能够快速、灵敏地检测食品中的有害物质，侯玉柱等^[6]研究了ATP生物发光法在饮料微生物检验中的应用，发现ATP生物发光法与涂抹法结合能够实现在人员、原辅料、机械设备及其表面、包装材料、生产环境等关键控制点的即时性监测和跟踪测定，可以有效帮助提升生产卫生管理水平。

1.2 仿生智能免疫检测

免疫分析是一种基于抗原-抗体反应的检测方法，具有高特异性和高灵敏度。仿生智能检测技术将抗体和抗原在纳米级别进行组装，形成具有高度选择性的检测平台，运用包被抗原的荧光标记抗体和探头，可运用在有机小分子污染物的现场快速检测，如病原微生物、农药残留和毒素等，可以用于检测食品中的各种有害物质。胶体金免疫层析技术融合了胶体金技术、膜技术和免疫学技术，已经形成了快速检测试纸条。刘志科等^[7]抽取195份血清进行流行病学筛查，应用鸡白痢沙门氏菌胶体金免疫层析快速检测试纸条进行临床检测，结果显示免疫分析具备灵敏度高、快捷、方便、安全等优势，可提高鸡白痢沙门氏菌抗体早期检测效率。然而，由于检测结果的准确性和抗体特异性有关，胶体金免疫层析技术目前仍存在无法对多种微生物进行一次性检测情况，限制了免疫层析技术的应用推广效果。常用有机磷农药残留检测多采用气相色谱、气相色谱-质谱联用及液相色谱-质谱联用技术，仪器价格高昂，检测方法较复杂，对技术人员操作要求高，而且样品前处理繁琐，导致检测时间较长，检测效率低下。采用分子印迹技术和酶联免疫分析技术相结合，可建立仿生酶联免疫吸附分析技术，对有机磷农药多残留实现快速检测，既可以避免进行动物实验，又能克服生物抗体理化性质不稳定、农兽药检测种类单一等多种缺陷，为农兽药多残留的快速检测提供新型方法。刘波等^[8]通过动物免疫得到特异性兔抗体，在国内首次建立了性激素孕酮残留快速检测时间分辨荧光免疫分析法，可有效快速分别检测动物性食品中睾酮、雌二醇、雌三醇等激素，提高动物源性食品中孕酮残留的检测效率。韩向峙等^[9]通过研发惰性蛋白卵清蛋白偶联的包被抗原功能化的光纤探头，设计了化学发光光纤免疫传感分析仪，用于水样中双酚A检测，检测限为0.15 μg/L，具备良好精密度和准确度。童兰艳等^[10]建立了时间分辨荧光免疫分析法，采用乙腈对禽蛋中氟苯尼考和氟苯尼考胺进行提取，并用二氯乙酸酐将提取液中的氟苯尼考胺衍生化为氟苯尼考，可以同时快速检测禽蛋中氟苯尼考、氟苯尼考胺，适合日常监管检测、重大活动食品检测的现场快速筛查和快速检测，提高检测效率。

1.3 仿生智能生物传感器检测

生物传感器是一种将生物反应与电子技术相结合的检测工具，主要由识别元件和换能器两部分组成，其中，识别元件包括抗体、酶、核酸、细胞及其半合成受体等，换能器负责将分析物结合或转换时产生的化学信号转换成易于量化的输出信号，具有高灵敏度、高选择性和实时性等特点。利用仿生智能检测技术，可以构建针对食品中各种有害物质的生物传感器，生物传感器可以实现分析仪器的小型化，可以进行连续在线监测。生物传感器极大程度上提高了微生物、农药残留、毒素和重金属的检测效率，在食品检测中尤为重要。余庭等^[11]利用双重重组酶聚合酶扩增结合侧流层析技术进行快速检测美人鱼发光杆菌，具有检测速度快、灵敏度高且检测结果可视等优点。刘伟等^[12]利用链置换扩增技术和电化学适配体传感器技术，根据赭曲霉毒素A特异性适配体设计发卡结构，将修饰二茂铁的电化学探针与扩增产物进行杂交，使电信号产生变化，建立了一种检测食品中赭曲霉毒素A的方法，加标回收率为96.60%～99.04%，优于国家标准，对快速检测食品中的赭曲霉毒素A具有实际应用价值。卓雨欣等^[13]根据融合激光诱导荧光原理和光纤传感原理，研制了用于水中喹诺酮类抗生素诺氟沙星（Norfloxacin，NOR）现场快速灵敏检测的便携式智能手机荧光生物传感器，回收率为85%～120%，检测时间少于15 min，可用于水样中NOR的现场快速检测。冯东等^[14]研究酶电极生物传感器法测定冷却肉中的糖原含量，加标回收率为98.8%～101.2%，该方法抗干扰性强，有望成为检测冷却肉中糖原含量的新方法。同时，冯东等^[15]还建立了冷却肉中乳酸提取及酶电极生物传感器的测定方法，检测限5.0×10^-5 mg/mL，该方法在应用于冷却猪肉乳酸含量测定中获得较好的效果。魏星华等^[16]利用表面等离子体共振（Surface Plasmon Resonance，SPR）生物传感器检测盐酸克伦特罗，具备肉类样品无需标记、可实时监测反应的动态过程、灵敏度高、检测时间短、效率高、无损伤检测等优点。Subramanian A等^[17]基于烷烃硫醇自组装膜原理，采用“三明治”方法研制了SPR生物传感器，实现快速检测大肠杆菌O157∶H7。然而，由于生物传感器的生物活性单元易于变性，存在不稳定性，可靠性等方面仍存在局限性，目前没有得到推广使用，但随着生物技术不断进步，理论及方法的逐渐完善，必将促使生物传感器在微量分析和药残检测方面得到广泛应用。

1.4 仿生智能纳米酶检测

纳米酶技术可以用于构建具有高灵敏度和高选择性的仿生检测器，用于检测食品中的有害物质，为食品中兽药残留检测提供新思路。磁性纳米酶在耐酸碱、易于修饰及活性可控、易制备、稳定性高等方面具备显著优势。目前纳米金属材料因其优于宏观晶体的特殊性质，成为构建检测器的理想载体，性能表现优异，在真菌毒素检测、医疗领域得到广泛推广应用。常见的纳米金属材料有纳米金、纳米银等，纳米金易于修饰和制备，具有优异的相容性、优异的光学性质和独特的催化活性，实际应用中运用各种生物分子如DNA、抗体和酶修饰金纳米粒子，构建特定的纳米探针，对各种分析物进行检测，在农兽药残留分析领域引起了广泛关注^[18]。桂丽娟等^[19]研究利用发光纳米材料作为能量供体，纳米金颗粒作为能量受体，构建荧光共振能量转移体系，通过荧光恢复量来定量游离抗原快速检测含五元杂环磺胺类药物，建立了灵敏、稳定的检测食品中含五元杂环磺胺类药物的方法，成功应用于牛奶中含五元杂环磺胺类药物的检测。最近几年，研究表明Fe₃O₄NPs磁性纳米粒子因其小的尺寸和大的比表面积使其表现出很强的化学活性，极易被氧化与团聚，对Fe₃O₄NPs的过氧化物酶活性进行表面修饰后可提高稳定性、分散性和生物相容性，结合各种检测技术，可研发多种Fe₃O₄NPs的荧光、生物、比色传感技术，可应用于检测农产品中的重金属、农兽药残留、食源性致病菌等有害物质。Park等^[20]研发了基于Fe₃O₄NPs-共聚体-H₂O₂-四甲基联苯胺的显色传感器并应用于沙门氏菌检测，Fe₃O₄NPs-共聚体可与沙门氏菌特异性结合，产生显色反应，在10 min内可完成分析，沙门氏菌检出限为7.5×10⁵ CFU/mL，具备快捷、灵敏度高的优势。韩晓宇等^[21]先对牛奶样本中的汞残留量进行检测，将汞残留量与磁性纳米酶显色形成的不同灰度值进行对比，研究表明汞浓度与灰度值呈正相关关系，实现了利用磁性纳米酶对重金属汞浓度的检测，在食品检测领域有了更为深入的应用。

1.5 仿生智能电子舌/鼻检测

电子鼻、电子舌技术最初仅为模拟嗅觉和味觉过程，进而与计算机系统和人工智能结合发展到气体传感器阵列，对样品气味进行快速检测。电子鼻、电子舌技术相对传统检测方法简单易操作，对仪器和操作人员要求较低，而且是对气味进行检测分析，不需要直接接触或破坏样品，可以实现无损检测。近年来，电子鼻、电子舌技术被广泛应用于评估肉类和肉制品的香气、检测病原微生物的存在、进行肉类质量分级、检测是否掺假以及监测肉制品保质期内的质量衰减情况。Han F等^[22]使用电子鼻检测牛肉与鸭肉的掺假情况，准确率接近83%～100%。Chen J等^[23]发现电子鼻能分辨不同储藏时间的肉类样品（猪肉、牛肉、羊肉）新鲜度状态，猪肉新鲜度判断准确率为89.5%，牛肉新鲜度判断准确率为84.2%，羊肉新鲜度判断准确率为94.7%。刘琳等^[24]结合电子鼻技术和生物胺含量在25℃和4℃储藏条件下研究罗非鱼、草鱼和鳙鱼新鲜度变化，判定3种淡水鱼在25℃储藏条件下的货架期为12 h，在4℃储藏条件下的货架期为6 d，对肉类的安全预警评价具有可行性。田怀香等^[25]采用气质联用仪结合电子鼻技术对鸡精调味品中的挥发性风味物质（酮类、醇类、醛类和杂环化学物等）和风味属性进行综合评价，通过挥发性风味物质与5个嗅闻感官属性（油脂味、腥味、鸡肉味、刺激感和整体接受度）建立相关性模型，确定共有30种挥发性风味成分可影响鸡精的感官属性，结果显示气质联用仪-电子鼻模型可为鸡精调味品的全面评价提供重要的参考价值，进而调控鸡精的上市货架期。随着水果和肉类腐败程度加深，气味随挥发性物质的不同浓度而产生变化，利用电子鼻对特定挥发性物质进行浓度检测，可以确定水果和肉类的腐败程度，实现不同阶段水果和肉类腐败程度的高精度检测，为食品质量提供有力保障。香蕉保存过程中会产生乙烯气体，Shaalan N M等^[26]利用电子鼻对不同成熟程度的香蕉进行乙烯气体浓度检测，进行香蕉腐败分类评估。彭彦昆等^[27]研发了便携式火腿品质腐败检测装置，可检测火腿颜色、pH值、挥发性盐基氮含量等理化指标，同时研究菌落总数生长规律，建立生长动力学模型，并与物联网技术结合开发了火腿货架期预测系统，实现火腿变质腐败的实时预警。Gailius D等^[28]以电子鼻检测腐败肉制品产生的氨、甲烷等，能在2 min内快速测定，实时判断肉制品的鲜度，大幅提高检测效率。王敏等^[29]设计了智能电子鼻系统，通过选择适合的气体传感器阵列，可以实时测量氨、硫化氢和乙醇三3种目标气体，用于实现对冰箱中的食品新鲜度的无损、实时检测。

2 仿生智能检测与传统检测的应用比较和技术融合

检测技术的选择需要综合考虑应用场景、资源限制和技术特点，传统检测方法与仿生智能检测技术各有优势。传统检测方法更适合要求高精度与高可靠性的应用，仿生智能检测技术则更适用于快速响应、操作便捷的情况。表1从方法原理、性能指标、应用场景及未来发展趋势等领域对传统检测方法和仿生智能检测技术进行比较。传统检测方法在精准量化和法规符合性方面不可替代，而仿生智能检测技术凭借快速性、综合性和人机协同性，在实时监控与系统评价中更具优势。传统检测方法为仿生智能检测技术提供基准数据，仿生智能检测技术扩展传统检测方法的应用场景，未来二者将走向深度协同，共同推动检测技术向微型化、智能化和网络化演进，满足智慧食品工业的需求。

3 仿生智能检测技术应用于食品检测的前景及挑战

3.1 仿生智能检测技术应用前景

仿生智能检测技术可以构建食品质量预警系统，应用于食品质量监测，对食品进行实时监控，及时发现有害物质的存在，并采取相应的措施。传统的食品质量监测需要进行大量的分析测试，耗时费力且易产生误差。而仿生智能检测技术可以通过训练模型，实现对食品成分、营养价值、添加剂等质量指标的快速检测，提高检测效率和准确性。郭庆辉等^[30]设计了一种检测新鲜度的光学传感器，可有效消除肉品厚度对检测距离的影响，同时建立挥发性盐基氮含量预测模型，对猪肉新鲜度进行快速无损检测。

仿生智能检测技术可以用于食品质量检测。食品中存在着许多可能对人体健康造成危害的有害物质，如农药残留、重金属污染、食品致病菌等。通过模仿生物系统的感知机制，使用传感器获取食品样品中的信息，并通过机器学习算法进行数据分析，仿生智能检测技术可以准确识别食品中的有害物质，并及时发出预警，保障食品质量。赵志平等^[31]通过电子鼻和气相色谱-离子迁移谱（Gas Chromatography-ion Mobility Spectrometry，GC-IMS）技术分析牛肉腐败进程中挥发性物质的变化，共检出55种挥发性物质，反映了微生物代谢和氧化反应对牛肉品质的显著影响，为牛肉腐败进程的监测提供判断依据，可为牛肉品质监控、加工工艺优化及腐败防控提供精准靶点。

仿生智能检测技术可以结合在线监控系统，实现对食品生产环节的实时监测和控制。食品质量安全检测与品质控制正逐步向快速化、便携化、智能化方向发展，而生物传感器技术凭借其灵敏度高、选择性好、快速准确等独特优势成为突破传统实验室检测瓶颈的关键工具。Rasooly A^[32]使用生物传感器实现了食物中葡萄球菌肠毒素B的快速检测，Homola J等^[33]应用表面质粒共振生物传感器对牛奶样品中的肠毒素B进行快速检测，灵敏度达到0.5 ng/mL，研究证明了生物传感器在食品检测领域的实用价值。生物传感器技术的革新将彻底重构食品质量监管体系，不但可以应用于经销商日常食品采购，而且生产商和检测机构可以应用于高通量食品质量检测，实现从“被动送检”到“主动防控”的方式转变。通过合理设置传感器网络，结合机器学习算法进行数据分析，快速、高灵敏、实时的特性将会推动从实验室到现场的检测模式转变，可以实现对食品生产过程中潜在问题的早期预警和自动控制，提高食品的质量和安全性。

仿生智能检测技术可以通过仿生嗅觉系统用于食品气味分析检测，借助仿生视觉系统可以对食品外观（颜色和纹理等）进行评估。仿生智能检测技术不仅提高了食品质量的检测精度，而且能够有效地筛查出食品中存在的假冒伪劣产品。周明珠等^[34]采用电子鼻技术结合固相微萃取-气相色谱-质谱联用技术对鮰鱼在4℃冷藏条件下的挥发性成分进行分析，发现苯甲醛、1-辛烯-3-醇可作为表征鮰鱼腐败的挥发性化合物，为鮰鱼的货架期提供检测依据。

3.2 仿生智能检测技术发展趋势

在仿生智能检测技术的发展趋势方面，单一的仿生智能技术只能反映食品样品的局部信息，缺乏对食品品质的综合评判，一些新的应用方向值得关注。首先，随着生物传感器的发展，将生物分子与电子器件相结合，可以实现对食品中微量有害化合物的高灵敏检测，为食品质量领域检测技术发展带来更大的飞跃。其次，利用人工智能和大数据分析，将不同检测方法的结果进行集成和分析，能够更加准确地评估食品质量风险。多仿生传感器信息融合（Multi-Bionic Sensing Information Fusion，MBSIF）是一种通过整合多种仿生传感技术（如电子鼻、电子舌、质谱仪、光谱仪等）获取的多维度数据，结合智能算法进行综合分析，以实现对复杂对象（如食品、环境污染物、生物样本等）品质或状态全面、精准评价的技术。MBSIF的核心在于仿生模拟人类多感官协同认知，突破单一仿生智能技术的局限性。与单一仿生智能技术相比，MBSIF通过整合化学分析、仿生感知与智能算法，突破了单一技术的“信息孤岛”困境，具有全面性、抗干扰性、智能化、人机协同的优势，为食品品质的数字化、标准化和智能化评价提供了新思路。未来，随着传感器技术、人工智能与食品科学的交叉融合，MBSIF领域有望在个性化营养、智能加工和精准监管中发挥更大作用。

4 结语

仿生智能检测技术通过生物学数据与电子信息整合，实现了从“单一特征检测”到“系统认知”的跨越。仿生智能检测技术在食品检测领域的推广应用，不仅提升了检测效率与准确性，更推动了品质评价从经验导向转向数据分析，可以成为“智慧食品工业”的重要支撑工具。但仿生智能检测技术仍需要进一步研究和发展，以提高检测的灵敏度、准确性和实时性。仿生智能检测技术通过仿生传感、数据分析和跨学科融合，显著提升了食品检测的效率和精度。尽管面临成本高、标准化不足等挑战，但其在智能化、微型化方向的发展潜力巨大，未来有望成为食品质量监测的核心技术支撑，同时也需要加强法规和标准的制定，以确保仿生智能检测技术的规范应用。随着相关技术的不断发展与完善，相信仿生智能检测技术将为保障人民群众健康安全发挥更大的作用。

参考文献

[1] 牛清. 食品检测中农药残留检测技术要点分析[J]. 现代食品, 2022, 28(13): 119-121.

[2] 黄雅倩. 食品微生物检验内容及检测技术方式分析[J]. 现代食品, 2023, 29(4): 192-194.

[3] 徐红斌, 叶青. 生物传感器研究进展及其在食品检测中的应用[J]. 食品安全质量检测学报, 2018, 9(17): 4587-4594.

[4] 刘阳, 牟金明. ATP 生物发光法在快速检测物体表面清洁度中的应用[J]. 安徽农业科学, 2016(1): 125-128.

[5] 舒柏华, 孙丹陵, 王胜利, 等. 肉类食品细菌污染生物发光快速分析技术研究[J]. 中国公共卫生, 2003(4): 483-484.

[6] 侯玉柱, 田雨, 柯润辉, 等. ATP生物发光法快速测定物体表面的菌落总数[J]. 食品与发酵工业, 2015, 41(2): 217-220.

[7] 刘志科, 杨宁宁, 徐明国, 等. 鸡白痢沙门氏菌胶体金免疫层析快速检测试纸条的研制及初步应用[J]. 河南科技学院学报(自然科学版), 2018, 46(1): 39-48.

[8] 刘波, 华彦涛, 马楠楠, 等. 动物源食品中孕酮激素残留的时间分辨荧光免疫分析法的建立[J]. 现代食品科技, 2024 ,40(6): 279-284. 

[9] 韩向峙, 徐嘉欣, 杨荣, 等. 用于小分子有机污染物现场快速检测的化学发光免疫分析技术[J]. 环境监控与预警, 2023, 15(3): 43-47+67.

[10] 童兰艳, 龚迎昆, 李根容, 等. 时间分辨荧光免疫法快速测定禽蛋中氟苯尼考及其代谢物氟苯尼考胺[J]. 食品安全质量检测学报, 2023, 14(23): 80-88.

[11] 余庭, 蒋晗, 杨宇婷, 等. 可视化RPA-LFD技术快速检测美人鱼发光杆菌[J]. 中国计量大学学报, 2020, 31(4): 496-501.

[12] 刘伟, 张蕴哲, 杨倩, 等. 基于链置换扩增的电化学适配体生物传感器检测食品中的赭曲霉毒素A[J]. 中国食品学报, 2024, 3: 232-241.

[13] 卓雨欣, 徐文娟, 程源, 等. 用于水中诺氟沙星现场快速灵敏检测的便携式智能手机赋能荧光生物传感技术[J]. 中国环境科学, 2024, 44(1): 482-488.

[14] 冯东, 李雪梅, 王丙莲, 等. 冷却肉中糖原的生物传感器检测[J]. 食品科技, 2013, 38(3): 252-255.

[15] 冯东, 李雪梅, 王丙莲, 等. 冷却肉中乳酸含量的酶电极生物传感器测定[J]. 食品工业, 2012, 33(3): 125-127.

[16] 魏星华, 闵成军, 凡强胜, 等. 利用SPR生物传感器检测盐酸克伦特罗[J]. 肉类工业, 2013(2): 38-41.

[17] Subramanian A, Irudayaraj J, Ryan T. A mixed self-assembled monolayer-based surface Plasmon im-muneosensor for detection of E.coli O157:H7[J]. Biosens Bioelectron, 2006, 21: 998-1006.

[18] Tong S, Ren B, Zheng Z, et al. Tiny grains give huge gains:Nanocrystal-based signal mplification for biomolecule detection[J]. American Chemical Society Nanoletters, 2013, 7(6): 5142-5150.

[19] 桂丽娟, 梁紫璐, 罗永文, 等. 上转换发光纳米技术检测食品中磺胺类药物含量[J]. 现代食品科技, 2021, 37(1): 243-250+338.

[20] Park J Y, Jeong H Y, Park T J, et al. Colorimetric detection system for salmonella typhimurium based on peroxidase-like activity of magnetic nanoparticles with DNA aptamers[J]. Journal of Nanomaterials, 2015. DOI:10.1155/2015/527126.

[21] 韩晓宇, 娄楠. 磁性纳米酶显色技术在食品安全检测中的应用[J]. 现代食品, 2022, 28(19): 143-145.

[22] Han F, Huang X, Aheto J H, et al. Fusion of a low-cost electronic nose and Fourier transform near-infrared spectroscopy for qualitative and quantitative detection of beef adulterated with duck[J]. Analytical Methods, 2022, 14(4): 417-426.

[23] Chen J, Gu J, Zhang R, et al. Freshness evaluation of three kinds of meats based on the electronic nose[J]. Sensors, 2019, 19(3). DOI:10.3390/s19030605.

[24] 刘琳, 焦文娟, 赵甜甜, 等. 电子鼻结合生物胺分析淡水鱼贮藏过程中的品质变化[J]. 现代食品科技, 2024, 40(1): 1-11.

[25] 田怀香, 张雅敬, 吴譞, 等. 气相色谱-质谱联用和电子鼻用于鉴别鸡精调味品香气成分[J]. 食品科学, 2017, 38(2): 191-197.

[26] Shaalan N M, Ahmed F, Kumar S, et al. Monitoring food spoilage based on a defect-induced multiwall carbon nanotube sensor at room temperature: Preventing food waste [J]. American Chemical Society Omega, 2020, 5(47): 30531-30537.

[27] 彭彦昆, 赵仁宏, 邹文龙, 等. 便携式火腿腐败变质实时预警系统研究[J]. 农业机械学报, 2022, 53(10): 396-404.

[28] Gailius D, Vinauskiene R, Ale A, et al. Electronic nose for determination of meat freshness[P]. USA: US9696291. 2017-07-04.

[29] 王敏, 高凡, 张钧煜, 等. 基于智能电子鼻的冰箱冷藏食品新鲜度原位检测技术[J]. 传感技术学报, 2019, 32(2): 161-166.

[30] 郭庆辉, 彭彦昆, 李永玉, 等. 肉品无损检测光学传感器设计与试验[J]. 农业机械学报, 2020, 51(S2): 484-490.

[31] 赵志平, 张盛源, 陈泓帆, 等. 基于GC-IMS和电子鼻分析牛肉腐败进程中挥发性风味物质的变化[J]. 食品工业科技, 2024, 11: 235-244.

[32] Rasooly A. Surface plasmon analysis of staphylococcal entero-toxin B in food[J]. Food and Chemical Toxicology‌, 2001, 64(1): 37-43.

[33] Homola J, Dostalek J, Chen S, et al. Spectral surface plasmon resonance biosensor for detection of staphylococcal enterotoxin B in milk[J]. International Journal of Food Microbiology, 2002, 75: 61-69.

[34] 周明珠, 熊光权, 乔宇, 等. 鮰鱼冷藏过程中气味和新鲜度的变化及相关性[J]. 肉类研究, 2020, 34(3): 68-74.

基金项目：济南海关科研项目（2023JK006）

第一作者：黄成栋（1992—），男，汉族，广东梅州人，本科，助理工程师，主要从事食品质量与安全检测工作，E-mail: 13168358389@163.com

通信作者：吴祖庆（1978—），男，汉族，广西钦州人，硕士，工程师，主要从事食品质量与安全检测工作，E-mail: wuzuqing@163.com 1. 广州海关技术中心 广州 510623

2. 潍坊海关综合技术服务中心 潍坊 261041

1. Guangzhou Customs Technology Center, Guangzhou 510623

2. Comprehensive Technical Service Center of Weifang Customs, Weifang 261041

表1 传统检测方法和仿生智能检测技术的比较

Table 1 Comparison between traditional detection methods and bionic intelligent detection technology