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。