基于双发射HACOF/BCNO量子点的胺响应薄膜,用于实时且无损的海鲜新鲜度检测

《Food Control》:The amine-responsive film based on dual-emission HACOF/BCNO QDs for real-time and non-destructive seafood freshness prediction

【字体: 大 中 小 】 时间:2026年05月25日 来源:Food Control 6.3

编辑推荐:

  刘新怡|刘阳|赵璐|李海杰|何宇|宋功武湖北省教育厅有机功能分子合成与应用重点实验室,湖北省小分子活性药物成分精密制造重点实验室,湖北大学化学与化学工程学院,武汉,430062,中国摘要由于公众对食品质量和安全的关注日益增加,在储存和运输过程中需要准确快速的分析方法来评估和监测海

  
刘新怡|刘阳|赵璐|李海杰|何宇|宋功武
湖北省教育厅有机功能分子合成与应用重点实验室,湖北省小分子活性药物成分精密制造重点实验室,湖北大学化学与化学工程学院,武汉,430062,中国

摘要

由于公众对食品质量和安全的关注日益增加,在储存和运输过程中需要准确快速的分析方法来评估和监测海鲜的新鲜度。挥发性碱性氮(VBNs)的浓度是评估海鲜变质的重要化学指标。为此,将中空偶氮共价有机框架(HACOF)和BCNO量子点(BCNO QDs)应用于聚二甲基硅氧烷(PDMS)中,制备了HACOF/BCNO QDs薄膜,用于VBNs的比色和荧光检测。以NH3作为模型VBN,随着NH3浓度从0增加到250,000 ppm,HACOF/BCNO QDs薄膜的荧光强度比(I635/I485)逐渐变化,颜色从粉红色变为蓝色。使用颜色识别软件从荧光图像中获取RGB值后,发现B/R比值与NH3浓度在10到100,000 ppm范围内存在强烈的线性相关性。采用YOLOv8深度学习算法模型提高了检测精度。HACOF/BCNO QDs比率荧光薄膜与通过挥发性胺测定的虾和鱼的新鲜度水平表现出良好的一致性,表明其可用于实时和现场评估海鲜的新鲜度。

引言

海鲜是全球饮食和经济的重要组成部分,因为它富含高质量的蛋白质、欧米伽-3脂肪酸、必需维生素和矿物质(Cheng等人,2025;Taylor等人,2025;Zhou等人,2024)。食用变质的海鲜会带来严重的健康风险,如胃肠道不适、神经系统疾病甚至危及生命的疾病(Chen等人,2025;Sun等人,2025)。因此,海鲜的新鲜度监测在食品供应链管理中至关重要。这一过程涉及检测和评估这些产品的老化、变质和损坏情况,使消费者和生产者能够及时评估产品状况并确保食品安全(Pereira等人,2021)。根据中国国家标准,采用不同的方法来评估海鲜的新鲜度,如感官评估、微生物检测、K值和总挥发性碱性氮(TVB-N)含量(Dhaouadi等人,2007)。例如,一些研究人员通过色谱法分析了挥发性碱性氮(VBNs)的水平,作为海鲜新鲜度的指标(Zhao等人,2007)。然而,感官评估者对外观、颜色、气味和味道的不同反应导致测试结果不准确,因为这受到主观判断的影响。其他方法依赖于大型仪器,测试程序繁琐,并且需要专业人员,这大大阻碍了其在家庭、超市和其他日常环境中的广泛应用(Zhao等人,2025)。因此,迫切需要开发能够进行现场新鲜度监测的传感技术。
TVB-N由生物胺(BAs)和氨组成,是最常用的评估新鲜度的化学指标(Müller等人,2022)。为了满足快速和现场监测总挥发性碱性氮(TVB-N)的需求,基于各种纳米材料的荧光传感器被广泛应用,包括纳米簇(Zhou等人,2024)、金属有机框架(MOFs)(Du等人,2024;Wu, Xu等人,2024;Xu等人,2017)、量子点(QDs)(Li等人,2024;Sun等人,2023)和碳点(CDs)(Gu等人,2025;Song, Zhai等人,2024;Song, Zhang, & Yi,2024),因为它们具有高灵敏度和便利性。Zhou等人使用自组装的高发光铜纳米簇制备了手持式荧光指示剂,用于视觉和现场检测TVB-N(Zhou等人,2024)。Cheng等人探索了一种双发射Eu-MOF作为组氨酸的比率荧光传感器,提供了一种可靠且高效的便携式新鲜度预测策略(Wu, Xu等人,2024)。Song等人设计了一种基于双发射CDs的比率荧光传感器,用于实时监测食品变质(Song, Zhai等人,2024)。这些方法提高了新鲜度监测的检测限、选择性和响应速度,因为荧光纳米材料具有优异的光学性能、可调的表面基团和增强的稳定性(Kayani,2025;Marimuthu等人,2025)。因此,纳米材料的发展将促进荧光传感器在新鲜度监测领域的进步,为食品供应链的质量控制提供强大的工具。
荧光共价有机框架(COFs)是一种新型的高性能荧光材料,因其广阔的表面积、优异的稳定性和可调的发光特性而受到关注(Wang等人,2025;Zhang, Li, Wang等人,2025)。此外,COFs框架中的高活性位点密度使得信号传输有效,并可作为传感信号的内置放大器。根据COFs的独特特性,设计了不同的荧光COFs用于化学传感。Chen等人设计了具有联吡啶识别位点的COFs,用于灵敏、选择性和快速分析Ni2+(Chen等人,2021)。Deng等人合成了荧光COF-TD,并首次用它从复杂样品中选择性地检测和富集myricetin(Deng等人,2021)。Cai等人使用2,4,6-三甲基-1,3,5-三嗪(TMT)和4,4'-联苯二醛(BPDA)作为前体,制备了高荧光COFs(TMT-BPDA-COF),用于pH和NH3的化学分析(Cai等人,2024)。然而,大多数荧光COF传感器基于单一荧光淬灭机制,存在一些固有局限性,如易受环境变化影响和依赖仪器因素。与单一荧光检测不同,比率荧光传感因其固有的自我校正能力而受到重视,能够提供更准确的结果(Yue等人,2022;Zhang, Li, Feng等人,2025)。此外,这种方法能够产生肉眼可见的明显颜色变化,为使用智能手机进行数字图像比色法(DIC)打开了大门。因此,基于荧光和DIC的双模式检测得到了发展,使得方法之间的交叉验证成为可能,从而提高了检测的可靠性。
最近,深度学习技术在食品新鲜度评估中的应用成为研究热点。Ma等人通过使用先进的WISeR-50深度学习算法,在这一领域取得了显著进展(Ma, Xu等人,2022)。Zhang等人使用深度卷积神经网络(DCNN)算法开发了比色条传感器,提高了分析能力(Zhang等人,2024)。此外,Wu等人引入了YOLOv5模型,实现了高速、现场的食品新鲜度监测(Wu, Chang等人,2024)。随着YOLO架构的最新进展,YOLOv8实现了高精度和快速的推理速度(Chen等人,2024)。该模型在目标检测、图像分类和实例分割方面表现出色。与YOLOv5相比,YOLOv8在多样化数据集上的性能得到了显著提升(Xiao等人,2024;Yang等人,2024)。尽管YOLOv8的应用仍处于早期阶段,但其展示的能力为深度学习在DIC分析中的应用带来了巨大潜力。
本文中,使用中空偶氮共价有机框架(HACOF)和硼碳氮氧化物量子点(BCNO QDs)制备了基于HACOF/BCNO QDs的比率荧光薄膜,用于非接触式、实时的海鲜新鲜度评估。如图1所示,蓝色发射的BCNO QDs和橙红色发射的HACOF通过水热方法合成,随后嵌入聚二甲基硅氧烷(PDMS)基质中。暴露于VBNs时,HACOF的荧光逐渐减弱,这是由于分子内氢键的破坏;而BCNO QDs的荧光发射略有增加。因此,随着VBNs浓度的增加,荧光颜色从热粉色变为蓝色,从而实现了VBNs的比率荧光检测。然后,使用智能手机辅助的成像设备捕获荧光图像,并通过深度学习进行分析。为了验证HACOF/BCNO QDs薄膜的实际应用性,通过该薄膜评估了虾和鱼的新鲜度。因此,比率荧光薄膜能够可靠且灵敏地检测海鲜中的VBNs,为快速、非接触式的食品新鲜度评估提供了有效策略。

章节片段

材料与试剂

所有分析级化学试剂均未经进一步纯化直接使用。Sylgard 184从淘宝购买。甘油来自Bodie Chemical Co., Ltd.(天津,中国)。肼水合物(N2H4·H2O)、1,4-二氧环己烷、四氢呋喃(THF)、三氯甲烷(CHCl3)和甲醇来自Sinopharm Chemical Reagent Co., Ltd.(上海,中国)。硼酸、尿素、2-羟基-1,3,5-三甲基苯(TFB-OH)、间二甲苯、六水合硝酸锌(Zn(NO3)2·6H2、2-甲基咪唑

BCNO QDs和HACOF的表征

通过TEM、XRD、FT-IR和XPS对BCNO QDs的形态和结构进行了表征。BCNO QDs在TEM图像中呈现单分散和准球形结构(图S2a),平均粒径为3.3 nm(图S2a左下角的插图)。HRTEM图像显示了明确的晶格条纹,测得的d间距为0.332 nm。该间距与六方氮化硼(h-BN)的(100)晶面相匹配,如顶部插图所示

结论

总之,我们开发了一种基于YOLOv8辅助的智能手机的比率荧光薄膜,用于简便准确地预测新鲜度。NH3被用作典型的TVB-N之一。具体来说,BCNO QDs的蓝色荧光作为参考信号,而HACOF的粉红色荧光作为NH3的响应信号。制备的薄膜能够灵敏、快速且可逆地检测NH3。在395 nm紫外光下,薄膜表现出

CRediT作者贡献声明

刘新怡:撰写——原始草稿,数据整理。刘阳:撰写——原始草稿,数据整理。赵璐:数据整理。李海杰:撰写——审稿与编辑,资金获取。何宇:撰写——审稿与编辑,资金获取。宋功武:监督。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金(21707030和82073608)和湖北省科技发展专项项目(42000022205T000000192)的财政支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号