乳及乳粉作为重要的营养来源,以其丰富的营养价值和便捷的食用方式受到消费者的广泛青睐,其质量和安全性直接影响人类健康[1]。液态乳制品富含优质蛋白质、维生素和矿物质,是日常膳食中不可或缺的营养来源;而乳粉则因其便于贮存和运输的特点,成为乳制品市场的重要组成部分。根据世界卫生组织(World Health Organization,WHO)的统计,乳粉是全球范围内蛋白质和钙的重要供给来源,尤其对儿童和老年人群体而言更为重要,婴幼儿配方乳粉为成长发育提供全面营养,中老年营养强化乳粉帮助维持骨骼健康[2-4]。然而,目前乳及乳粉产品仍面临一些品质问题。例如,乳粉在冲调性、溶解性等物理特性上的不足,可能影响消费者的使用体验;部分产品的配方科学性不足,难以满足特定人群的需求;生产和贮存过程中还可能出现微生物污染、脂肪氧化等品质缺陷,影响产品的安全性与稳定性。这些问题不仅削弱了消费者信心,也对行业发展提出了更高要求。因此,确保乳及乳粉产品的质量与安全是食品行业的重要课题之一。通过技术创新、优化工艺流程和加强质量监管,不仅能够提升产品性能和安全性,还能更好地满足市场需求,推动乳制品行业的高质量发展。
为保证乳及乳粉的质量,行业内通常采用一系列检测方法来评估其理化和感官特性[5]。传统的检测方法包括化学分析法、物理测定法和感官评价法。化学分析法如凯氏定氮法和碱水解法等,在准确性和可靠性方面表现良好,但这些方法往往操作复杂且耗时较长,难以满足现代快速检测的需求。此外,物理指标如溶解性、分散性和流动性等,对于乳粉的加工和使用体验具有重要影响,这些指标的检测同样需要高效且精确的方法,图1展示了乳及乳粉检测的指标与方法。
图1 乳及乳粉检测原理图
Fig.1 Schematic diagram of milk and milk powder detection
近年来,随着科技的进步,人工智能(artificial intelligence,AI)、物联网(Internet of Things,IoT)和区块链等新兴技术开始被应用于乳粉检测领域[6],推动了检测手段的智能化、自动化和数据化[7]。这些现代技术不仅提高了检测的效率和准确性,还增强了乳粉从生产到销售过程中的质量追溯能力和消费者信任度。例如,近红外光谱(near-infrared reflectance spectroscopy,NIRS)技术在乳粉成分分析中显示出快速、无损的优点,结合人工智能算法可以实现更为精确的质量控制。
本文综述了乳及乳粉品质检测的核心指标、传统检测方法、现代检测技术以及未来的发展展望。重点分析乳及乳粉品质评估中的理化、冲调和感官特性,梳理传统方法的优势与局限,同时探讨人工智能、传感技术及区块链等现代技术在检测中的应用前景,为推动乳制品质量检测的创新与优化提供参考。
1 乳及乳粉品质检测的主要指标
1.1 乳及乳粉的理化指标
在乳及乳粉品质检测中,蛋白质、脂肪和乳糖含量作为最重要的化学指标,直接决定了产品的营养价值和市场表现。在乳类中,根据GB 19301—2010《食品安全国家标准 生乳》,生乳的理化指标主要包括:脂肪含量(≥3.1 g/100 g)、蛋白质含量(≥2.8 g/100 g)、相对密度(≥1.027 20 ℃/4 ℃)、酸度(12～18 oT)、杂质度(≤4.0 mg/kg)、非脂乳固体(≥8.1 g/100 g)、冰点(-0.500～0.560 ℃)等;根据GB 19302—2010《食品安全国家标准 发酵乳》,酸乳发酵乳相较于生乳,酸度标准有所不同,需酸度≥70.0 oT;根据GB 25191—2010《食品安全国家标准 调制乳》,调制乳的脂肪含量及蛋白质含量标准与生乳的标准均有所不同,分别为≥2.5 g/100 g和≥2.3 g/100 g。在乳粉类中,根据GB 19644—2024《食品安全国家标准 乳粉和调制乳粉》,牛乳粉的蛋白质含量为非脂乳固体的34%,调制牛乳粉蛋白质含量则为≥16.7 g/100 g,全脂牛乳粉的脂肪含量为≥26 g/100 g,牛乳粉复原乳酸度需≤18 oT。相较于普通乳粉,婴儿配方乳粉对蛋白质、乳糖、亚油酸、维生素、矿物质、牛磺酸等标准有着更详细的要求范围。
1.2 乳及乳粉的感官指标
感官指标如颜色、气味和口感对乳制品的整体评价具有重要意义。根据GB 19301—2010《食品安全国家标准 生乳》,生乳的颜色应呈乳白色或微黄色,这一外观特性主要受脂肪含量和加热处理工艺的影响[8]。例如,全脂牛奶通常呈现更为浓郁的乳黄色,而脱脂奶则趋于更加纯白。气味方面,生乳具有乳固有的香味,无异味,这通常反映了产品的贮存条件及新鲜度[9]。组织状态呈均匀一致液体,无凝块、无沉淀、无正常视力可见异物。口感则是消费者最直观的感受,优质的生乳应具有顺滑、清甜的口感,避免出现苦味、酸味或金属味等负面感官体验[10]。根据GB 19644—2004《食品安全国家标准 乳粉和调制乳粉》,乳粉在色泽上呈均匀一致的乳白色或乳黄色,气味和口感上具有固有的乳滋味、气味,组织状态上呈现为干燥均匀的粉末。
1.3 乳粉的冲调指标
在乳粉品质检测中,其冲调物理特性的精细调控不仅关乎产品的加工效率和质量稳定性,还直接关系到消费者的使用体验和产品的市场竞争力。润湿性、分散性、流动性和溶解性作为衡量乳粉物理特性的关键指标,是确定乳粉产品整体质量的重要基准[11]。
润湿性、分散性和溶解性是评估乳粉冲调性能的关键指标。润湿性指乳粉颗粒与水分子接触时的铺展和渗透能力,直接影响乳粉在水中的溶解速度和均匀性。润湿性受粉末密度、粒度、孔隙率、表面积、表面电荷及颗粒表面活性等因素影响[12],制造商通常通过优化喷雾干燥工艺、调整配方或添加助剂来提升这一性能。分散性则指乳粉块状物或团聚物在水中分离成单个颗粒的能力,影响冲调过程中溶解的均匀性和结块的产生,良好的分散性尤其对确保婴幼儿乳粉中营养成分的均匀分布和吸收至关重要[13]。溶解性是乳粉与水混合后形成均匀溶液的能力,综合了润湿性和分散性,是衡量乳粉冲调品质的核心指标[14],直接关系到产品的加工性能与消费者体验。
1.4 乳粉的运输指标
堆积密度和流动性是关系乳粉运输经济性和出售品相的相关指标,直接影响着乳粉在生产、贮存、运输以及消费过程中的表现。同样是判断乳粉品质的重要指标。
乳粉的流动性是指粉末在包装、贮存、运输等过程中,颗粒相对于彼此移动的难易程度[15]。影响乳粉流动性的物理化学因素包括粉体的粒度分布、颗粒内聚、颗粒表面脂质含量、平均粒径、颗粒表面粗糙度等[16]。其中粒度分布是影响乳粉流动性的主要因素,一般来说,具有良好流动特性的粉末是那些具有大团聚物和少量的细粉颗粒。细粉颗粒(≤100 μm)的颗粒体积占比过高会导致乳粉流动性下降,因为这些细小颗粒间的内聚力和黏附性较大,增加了流动阻力。而粗粉颗粒(≥ 200 μm)的颗粒体积占比过高则有助于提高乳粉的流动性,因为大颗粒间的摩擦力较小,流动性更好[17]。此外,乳粉的水分含量和脂肪含量也会影响其流动性,水分含量过高会增加颗粒间的黏附性,降低流动性;脂肪含量的增加可能会提高流动性,因为脂肪在颗粒表面形成润滑层,减少颗粒间的摩擦[18]。
堆积密度被定义为占据固定体积的乳粉质量的量度,是衡量乳粉包装、贮存和运输效率的重要指标。它取决于颗粒大小、颗粒内部孔隙率和容器中颗粒的排列。此外,堆积密度的测定对于控制奶粉的运输成本也具有重要意义,因为它影响到远距离运输乳粉的成本效益[19]。
2 乳及乳粉品质检测的传统方法
为了准确测量乳及乳粉的关键指标,国际乳品协会(International Dairy Federation,IDF)和中华人民共和国国家标准化管理委员会(Standardization Administration of the People’s Republic of China,SAC)等机构制定了一系列标准化的直接检测方法。这些传统检测方法作为现代检测方法准确性的衡量基准,在工业应用中具有重要地位。考虑到其复杂性,传统方法多用于产线上产品的抽检;而在有更为便捷、准确的现代检测方法时,往往会优先采用现代方法。本章将对这些传统检测方法进行详细介绍。
2.1 理化指标的传统检测方法
乳及乳粉的化学属性传统检测方法主要包括碱水解法和盖勃法(GB 5009.6—2016《食品安全国家标准 食品中脂肪的测定》)用于脂肪含量检测,凯氏定氮法和分光光度法(GB 5009.5—2016《食品安全国家标准 食品中蛋白质的测定》)用于蛋白质含量检测,酶法和HPLC用于乳糖检测,pH计和滴定法测定酸度,总固形物通过烘干法和折射率测定法检测,以及离子色谱和氨基酸分析仪用于矿物质和氨基酸成分的分析,详见表1。这些方法虽然准确性高,但通常操作复杂且耗时,现代技术逐渐在检测中取而代之。
表1 乳及乳粉理化指标的传统检测方法
Table 1 Traditional detection methods for physical and chemical indicators of milk and milk powder
方法名待测指标方法简述凯氏定氮法蛋白质通过氮的测定间接计算蛋白质含量Folin-酚法(Lowry法)[20]蛋白质使用酚试剂与蛋白质反应生成有色化合物径向免疫扩散(radialimmuno-diffusion,RID)测定法[21]蛋白质将抗原(蛋白质)溶液倒入凝胶孔中,当它径向扩散时,在培养基中形成一个沉淀素圈,其直径用于定量酶联免疫吸附剂(enzyme-linkedimmunosorbentassay,ELISA)方法[21]蛋白质使用酶标记抗体。基于抗原(蛋白质)反应的ELISA检测超高效液相色谱-四极杆飞行时间质谱(ultra-performanceliquidchromatography-quadrupole-time-of-flight-massspectrometry,UP-LC-Q-TOF-MS)技术[22]蛋白质用C18色谱柱分离,四级杆飞行时间质谱系统检测碱水解法[23]脂肪 无水乙醚和石油醇抽提样品碱水解液蒸馏去除溶剂称重盖勃法[24]脂肪 加入硫酸破坏乳胶质性和覆盖在脂肪球上的蛋白质外膜,离心分离脂肪后测量其体积酶法[25]乳糖 利用乳糖酶催化乳糖分解,产生的葡萄糖和半乳糖可通过比色法或电极法测定比色法[25]乳糖 使用钼蓝反应来量化牛奶中添加的葡萄糖和半乳糖HPLC[26]乳糖 分离和定量乳糖毛细管区电泳[27]乳糖 在电场作用下,样品中的乳糖分子在毛细管内以不同速度移动核磁共振波谱法[28]乳糖 以胺酰胺和柠檬酸分别作为定量外标和内标,建立了一维核磁共振氢谱滴定法[29]矿物质通过滴定测定钙含量pH计测定法酸碱性直接测量乳制品的pH值,用于判断其酸度离子色谱法[30]矿物质用于矿物质的分离与定量
2.2 乳粉冲调指标传统检测方法
2.2.1 润湿性
根据ISO/TS 17758:2014|IDF/RM 87:2014《Instant dried milk—determination of the dispersibility and wettability》,传统的湿润性测量方法包括接触角测量、沉降时间法、吸水速率法。接触角测量是利用接触角仪测量水滴与乳粉表面接触的角度,接触角越小,说明湿润性越好。接触角仪可以提供精确的接触角数据,适用于研究和开发阶段。液体在固体表面形成的接触角受多种因素影响,其中表面粗糙度是关键因素之一。从宏观角度解释表面粗糙度对接触角的影响,通常有2种描述方法。当液体渗透到表面凹槽中时,形成“均匀润湿状态”,此时通过公式(1)Wenzel方程可以从实验测得的表观接触角推导出实际接触角。相反,当液体未渗透至凹槽,凹槽中或固液界面间存在滞留空气时,形成“非均匀润湿状态”,此时需采用公式(2)Cassie-Baxter方程进行描述[31]。工业生产通常使用抽检的方式,为检测润湿行为的动态过程,使用光学张力仪通过无座滴技术测量12 μL去离子水滴的接触角(θ),并在20 ℃的温度下进行动态实时测量[32]。
cos(θapp)=racos(θact)
(1)
cos(θapp)=fscos(θs)+(1-fs)cos(θair)
(2)
2.2.2 分散性
乳粉分散性的传统测量方法主要包括溶出法和新西兰分散性测试法(New Zealand Dairy Board-method,NZDB-method)[33]。溶出法的测量标准高度依赖手工操作,是一个复杂的测量过程,该方法需要将定量的乳粉在25 ℃下与水混合,持续搅拌20 s,然后将混合物通过一个孔径为150 μm的筛网,以滤除任何未分散的固体成分。随后,通过计算再得牛奶中的固体含量,以确定已成功分散的乳粉所占的百分比。最终液体中固体成分的百分比越高,表明乳粉的分散性越好。由于溶出法耗时较长,在此基础上改进的新西兰分散性测试法在实验室操作中有所简化,总体耗时减少,但仍然未能克服溶出法难以实时测量难题。
2.2.3 流动性
流动性测量方法包括休止角测试、流出时间测试、旋转圆筒法等[34]。休止角测试是将乳粉从固定高度自由下落到水平平面上,测量形成的锥体角度即为休止角。休止角越小,表明流动性越好。此方法简单直观,但受环境湿度和温度的影响较大。流出时间测试法是使用霍尔流速计(Hall flowmeter),测量一定量的乳制品通过一个标准孔径所需的时间。时间越短表示流动性越好。
2.2.4 溶解性
传统的溶解性测量方法包括溶解度测试、透明度测试和浊度测试[35]。溶解度测试是在特定温度下,将一定量的乳粉加入到过量的水中,充分搅拌后静置一段时间,过滤并干燥残留物,通过比较残留物的质量来评估溶解性。此方法可以提供定量的溶解度数据。透明度测试是将乳粉溶解于水中,通过测定溶液的透明度来间接评价其溶解性。可以使用分光光度计测量透光率,透光率越高,表明溶解性越好。浊度测试则使用浊度仪测量乳粉溶解后的溶液浊度。浊度越低,表明溶解性越好。浊度仪可以提供连续的、可重复的测量结果,适用于工业大规模生产中的质量控制。
2.3 乳粉运输指标传统检测方法
根据ASTM D7481-09《Standard Test Methods for Determining Loose and Tapped Bulk Densities of Powders using a Graduated Cylinder》利用量筒测定松散和堆积密度的标准试验方法,乳粉的松散堆积密度通过粉体特性测试仪进行测量。首先,使用小勺将乳粉样品加入加料口,样品经过筛网并通过出料口落入松散密度容器中。当容器被样品填满,且有少量溢出时,停止加料。然后,用三角金属刮板将容器口表面刮平整,接着称量粉末与容器的总质量,最后根据公式(3)计算松散堆积密度:
(3)
式中:DL,松散密度;Mc,空容器的质量;Ml,松散乳粉和容器的总质量;Vc,容器的体积。
根据GB/T 21354—2008《粉末产品 振实密度测定通用方法》,将100 mL固定体积的空杯与延长筒连接形成振实密度装置,将乳粉装入延长筒并盖上盖子。接着,将整个装置固定在定位孔内,进行3 000次振动操作。振动结束后,使用三角形金属刮板将容器口刮平整,然后称量粉末和容器的总质量,并通过公式(4)计算振实堆积密度:
(4)
式中:DT,振实密度;Mc,空容器的质量;Mt,振实乳粉和容器的总质量;Vc,容器的体积。
2.4 乳及乳粉感官指标传统检测方法
视觉评价主要考察乳粉的颜色、透明度、均匀性和外观缺陷,反映其加工质量和新鲜度[36]。评价步骤包括:将样品倒入透明容器,确保适量便于观察;选择均匀光源,避免直射阳光或强光;观察并记录颜色特征。正常牛奶呈乳白色,酸奶可能淡黄或白色;检查透明度,浑浊可能表明脂肪分离或微生物污染;评估均匀性,注意是否有沉淀、分层或异物。
嗅觉评价主要考察乳粉的气味,反映其新鲜度、香料和特殊气味,可指示保存条件和微生物活动[37]。评价步骤包括:将样品倒入无异味容器;选择无干扰气味的环境;摇动容器释放气体,迅速嗅闻并记录初始气味;放置约10 min后再次嗅闻,记录变化;注意是否有异味,如酸味、霉味或金属味。
味觉评价主要考察乳粉的味道(甜、酸、苦、咸、鲜),反映加工质量和新鲜度[38]。评价步骤包括:将样品倒入洁净容器,保持室温;品尝前用清水漱口;取适量样品,慢慢品尝,让其充分接触味蕾,记录初始味道;继续品尝,注意口腔中的变化,包括余味和口感;记录是否有不愉快的味道,如酸味、苦味或金属味。
触觉评价主要考察乳粉的质地(稠度、光滑度、颗粒感),反映加工工艺和稳定性[39]。评价步骤包括:将样品倒入洁净、无异味容器;选择无风环境,避免外界干扰;用手指或勺子触摸样品表面,记录初始触感;将样品置于口中,用舌头感受质地;记录是否有粗糙感、黏腻感或颗粒感。
听觉评价主要考察乳粉在特定操作中的声音,反映包装质量和新鲜度[40]。评价步骤包括:将样品置于干净、安静环境;打开包装,注意开盖声音。记录是否有清脆“咔嚓”声或异常响声;将样品倒入容器,注意倒出声音。记录是否有平滑流动声或异常响声。
3 乳及乳粉品质检测的现代方法
3.1 光谱技术与人工智能的结合
在乳及乳粉检测中,常用的光谱技术包括紫外-可见光谱(ultraviolet-visible spectroscopy,UV-Vis)、红外光谱(infrared reflectance spectroscopy,IRS)、NIRS、拉曼光谱和核磁共振光谱(nuclear magnetic resonance spectroscopy,NMR)。现在乳及乳粉检测中与人工智能相结合较多为NIRS,NIRS是一种基于光学原理的非侵入性分析技术,它利用物质分子在近红外光谱区域的吸收和散射特性,通过检测吸收光和散射光的强弱来分析物质的化学组成、结构和性质,可用于快速、准确地分析和检测物质的化学和物理性质。使用光谱和人工智能技术相结合可以实现快速准确的乳及乳粉品质检测,逐步实现产品的全检,图2展示了NIRS与人工智能结合的检测方法。DEIDDA等[41]建议使用便携式近红外分光光度计检测液态奶中的脂肪、蛋白和乳糖含量。CHEN等[42]使用近红外光谱作为乳粉特征信息,结合互信息变量选择与偏最小二乘法对乳粉实现分类,检测了4个品牌不同乳粉的蛋白质含量,该方法最终取得了全光谱模型0.97的R2、子模型0.99的R2,拥有较高的定量预测准确性。这些方法为乳及乳粉的快速检测提供了技术支持,满足了工业生产中高效检测的需求,推动了乳及乳粉全产线检测的普及,并为非接触式检测奠定了理论基础。
图2 近红外光谱与人工智能结合的检测技术
Fig.2 Detection technology combining near-infrared spectroscopy and artificial intelligence
3.2 分子生物学技术
分子生物学技术在食品检测领域中发挥着重要作用,尤其是在乳粉的成分分析和质量控制方面。(polymerase chain reaction,PCR)[43]是一种用于扩增特定DNA序列的技术,通过重复的热循环过程,使目标DNA序列的数量迅速增加,从而便于后续的分析和检测。在乳粉的检测中,PCR技术常用于识别和检测乳粉中的特定微生物或转基因成分。WU等[44]使用基于PCR的方法检测商业骆驼乳粉,实现定量检出骆驼乳粉中掺假的绵羊奶奶乳或牛奶奶粉成分的含量。ZHANG等[45]使用PCR技术,定量检测山羊乳制品中乳清粉掺假的用量,为乳粉竞争公平性与安全性提供保障。
基质辅助激光解吸电离飞行时间质谱仪(matrix-assisted laser desorption/ionization time-of-flight mass spectrometry,MALDI-TOF MS)技术可通过蛋白质分子质量指纹图谱实现不同来源乳蛋白的快速鉴别。RYSOVA等[46]采用该技术对小反刍动物奶中掺入牛乳进行检测,建立了山羊乳和绵羊乳的校准模型,使用偏最小二乘法和带套索正则化的广义线性模型来预测掺假物的浓度。ZHANG等[47]建立了基于MALDI-TOF-MS技术和人工智能的热灭菌影响乳及乳制品的分子组成和品质模型,使用偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)和递归特征消除交叉验证(recursive feature elimination with cross-validation,RFECV)选择特征肽的质谱信号,在线性核支持向量机(support vector machine,SVM-L)、随机森林(random forest,RF)、线性判别分析(linear discriminant analysis,LDA)和惩罚判别分析(penalty discriminant analysis,PDA)的预测性能分别达到了0.97、0.96、0.96和0.96,实现了较为准确的热处理牛奶样品鉴别。这些研究表明,MALDI-TOF-MS技术在乳品蛋白质掺假检测中具有灵敏度高、特异性强的优点,可作为快速筛查的有效工具。
DNA条形码技术则是一种利用特定DNA序列作为“条形码”来识别物种或个体的技术[48]。这种技术通过比较目标DNA序列与已知数据库中的序列,能够快速识别食品的来源和成分。在乳粉领域,DNA条形码技术被广泛用于鉴别乳粉的原料来源,确保产品的真实性和质量。DING等[49]使用DNA条形码技术和高分辨率熔解(high-resolution melting,HRM)技术检测核桃牛奶中是否有使用花生等价值低于核桃的坚果代替核桃,该方法可以有效地识别核桃牛奶的原料组成,防止掺假行为发生。
3.3 模式识别在乳粉品质分析中的应用
模式识别技术是人工智能技术的重要组成部分,它的目的是依据算法从数据中提取有用信息的过程,而人工智能的高速发展推动了模式识别的自动处理和判读,众多研究都证明了人工智能技术结合模式识别在工业界应用的潜力[50-54],利用该技术可以提升质量分析与检测的自动化水平与准确性。按照应用领域的不同,可以将该技术划分为分析乳粉的外观、组成成分以及生产过程3个部分。
第一,模式识别技术依赖于计算机视觉领域技术的突破,通过图像处理可以分析乳粉的外观图像来检测瑕疵或不符合标准的模式,该方式不仅可以自动检测乳粉的外观,如颜色、形状、包装完整性等,发现包装瑕疵或外观异常[55],还可以通过检测乳粉质地(如黏稠度、光滑度)和结构特性(如凝乳的颗粒大小),模式识别算法能够识别出不符合标准的乳粉,确保其口感和质量的一致性[56]。DING等[57]使用三维重建和模式识别技术,量化检测奶粉样品表面光滑度。该方法通过构建不同水分含量乳粉样本的三维模型,验证并实现了使用奶粉椎体面积度量和角度度量来量化乳粉光滑度,使用支持向量机(support vector machine,SVM)分类器实现不同分组乳粉的快速初步分类,简单预测乳粉的光滑度区间,实现无损预检。
第二,模式识别技术在乳粉的组成成分分析过程中可以用来区分乳粉中的不同成分,如脂肪、蛋白质、乳糖等[58]。通过传感器采集乳粉的光谱或其他物理数据,算法能识别不同成分的模式,从而准确判断其含量。常见的方法是通过光谱分析乳粉在不同波段下的数据,结合SVM[59]、PCA[60]等算法,可以高效识别乳粉成分及其异常变化,从而判断乳粉的质量。DU等[61]通过分析完整蛋白质和水解肽,结合UPLC-Q-TOF-MS指纹图谱和数据融合,使用PCA的区分能力,实现了对液态奶中乳粉含量的检测。DING等[62]使用了图像处理与主成分分析法,以速溶全脂乳粉显微镜下样本为判别条件,实现对样本分散性和堆积密度的预测。
第三,乳粉在生产、运输、贮存的过程中,可能会因环境或工艺的变化产生缺陷,导致品质下降[63]。通过机器学习和模式识别技术,可以实现对这些缺陷的早期预测和自动识别,从而有效降低风险。例如,乳粉在储存或运输过程中易受微生物污染,而温度的波动可能导致乳粉变质,基于传感器和算法的实时监测微生物含量与温度变化以预测潜在的污染风险[64]。BOIARKINA等[65]通过对乳粉工厂的环境数据监测和收集乳粉在不同环境下所表现出的乳粉品质表现数据,以监视的环境因素,预测乳粉可能的品质,实现高速的无损品质预检测。
3.4 IoT和区块链在乳及乳粉检测溯源中的帮助
IoT是指通过信息传感设备,按约定的协议,将物体与网络相连接,物体通过信息传播媒介进行信息交换和通信,以实现智能化识别、定位、跟踪、监管等功能。区块链则是一种分布式账本技术,具有去中心化、不可篡改以及可追溯的特点[66]。结合这2种技术可以实现精准的不可篡改的原材料溯源。在乳制品的生产环节,IoT技术主要用于原料质量监控、生产设备管理和生产环境监测等方面,区块链则作为数据存储介质保存此中信息。利用传感器实时监测奶牛体态特征、牛奶理化指标、生产设备运行状态等指标,帮助牧场或者监管者实现对生产环境的精确控制[67],在确保牛奶质量的稳定和安全的同时提高生产效率。而在乳制品的冷链运输和仓储环节,IoT传感器会将温度、湿度等监控数据实时传输到云端平台,管理人员可以随时通过手机或电脑监控运输情况,而利用物联网采集的运输路线、交通状况等数据,企业可以优化物流流程,减少运输时间,降低乳制品在运输过程中的质量损耗。物联网与区块链溯源可帮助乳及乳粉实现检测前的预分类,根据同源已测结果对待测产品进行预估。
在基于区块链的印度乳制品供应链平台的构建中,KHANNA等[68]详细探讨了提高乳制品的安全性和可追溯性,尤其是防止食品污染和掺假的可行性。该研究表明,印度乳制品行业因食品污染和掺假问题正面临严峻挑战,而区块链技术凭借其透明、去中心化和不可篡改的数据管理优势,能够有效解决传统供应链中的信息不对称和信任缺失问题。具体而言,该平台覆盖从乳品生产到分销的全流程,利用智能合约实现利益相关方之间的自动结算,减少中间环节和人为干预。平台还结合IoT和二维码技术,实现对产品质量和来源的全程追踪。研究设计了一套分层架构,包括生产环节、追踪层、区块链层和应用层,通过实例和案例分析,展示了区块链在乳制品高效管理与食品安全保障中的应用潜力。
4 未来发展趋势与展望
4.1 多学科交叉融合
乳及乳粉品质检测技术的发展将不仅依赖于单一学科的进步,而是多学科技术的交融与整合。通过将化学、物理、生物、信息技术等多个领域的知识结合起来,未来的乳制品品质检测将更加全面、精准和高效[69]。跨学科合作将成为乳制品品质检测的重要趋势。例如,将红外光谱与免疫传感器相结合,可以实现对乳制品中微量有害物质(如抗生素残留、黄曲霉毒素等)的高精度检测[70]。物理学中的微流控技术能够在微米尺度上精确控制液体流动,与生物传感器结合,可以在极小样本量的情况下实现快速、准确的分析,这种技术尤其适用于现场即时检测(point of care testing,POCT),能够迅速响应食品安全事件[71]。此外,新型纳米材料也将在乳制品质量检测中发挥重要作用。例如,石墨烯基生物传感器可以检测到极低浓度的有害物质,如重金属离子和有机污染物[72]。这种技术交融可以实现真正的全流程优化,从生产到质检再到物流的每一个环节都可以在统一的平台上进行高效管理。多学科之间的协同合作也将得到进一步的强化。未来的研究将不仅局限于单一学科的突破,而是由化学、物理、数据科学等多个领域的专家共同合作。通过多学科的深度融合,将能够开发出更加智能和全面的检测方案,进一步强化乳制品的品质保障。
4.2 智能化与自动化
智能化和自动化将是未来乳制品品质检测的重要发展方向。通过引入人工智能、大数据和自动化设备,乳制品的生产和检测将变得更加高效、安全和可靠[73]。未来的自动化系统不仅会应用于单个环节,而是贯穿整个生产和检测流程。从生产线上的自动采样,到检测设备的自动分析,再到后续数据的自动处理与反馈,自动化系统将显著提升检测效率和准确性[74]。例如,使用机器人手臂进行样品采集,结合高通量检测设备,可以大幅提高检测效率和准确性。同时,AI技术将在未来的乳制品检测中发挥更大的作用。通过机器学习和深度学习,AI系统可以自我学习,不断优化检测算法,提升预测能力[75]。例如,AI可以通过分析历史检测数据,预测乳制品的保质期和质量变化趋势,提前进行相应的控制和调整,确保产品始终处于最佳状态。IoT技术也将使乳制品供应链更加智能化和透明化。通过在每个乳制品包装上嵌入智能传感器,实时监控生产、贮存和运输过程中的温度、湿度等关键参数,从而确保各个环节的质量符合标准[76]。区块链技术的应用则可以确保数据的安全性和不可篡改性,实现从生产到消费的全程可追溯,提升消费者的信任度[77]。
5 结论
本文系统综述了乳及乳粉品质检测技术的现状,涵盖理化及感官指标的传统检测方法和现代检测技术。传统方法如化学分析、光谱、色谱及物理参数测定,具有较高的准确性和可靠性,但存在耗时长、操作复杂、设备及人员要求高等局限。随着人工智能、物联网及区块链等技术的快速发展,新兴检测手段正在推动乳及乳粉检测向智能化、自动化和数据化方向迈进,通过实时监控、远程处理和供应链透明化提升了检测效率和质量追溯能力。展望未来,乳及乳粉检测技术将更注重智能化和便携性,同时满足多样化需求,实现从农场到消费者端的全程质量保障。
[1] 徐红斌, 叶青, 刘洋.我国现行乳制品分类体系比较[J].中国乳品工业, 2023, 51(10):49-55.XU H B, YE Q, LIU Y.Comparison of current dairy classification systems in China[J].China Dairy Industry, 2023, 51(10):49-55.
[2] AHERN G J, HENNESSY A A, RYAN C A, et al.Advances in infant formula science[J].Annual Review of Food Science and Technology, 2019, 10(1):75-102.
[3] LI B Y, MAHE J L, HAO J Y, et al.Formula milk supplementation and bone acquisition in 4-6 years Chinese children:A 12-month cluster-randomized controlled trial[J].Nutrients, 2023, 15(8):2012.
[4] NEBBIA S, MÉNARD O, COCHET M F, et al.Impact of process and composition of formulas for elderly on in vitro digestion using the dynamic DIDGI© model[J].Food Research International, 2023, 167:112716.
[5] MARTIN N H, EVANOWSKI R L, WIEDMANN M.Invited review:Redefining raw milk quality-evaluation of raw milk microbiological parameters to ensure high-quality processed dairy products[J].Journal of Dairy Science, 2023, 106(3):1502-1517.
[6] 丁浩晗, 谢祯奇, 沈嵩, 等.人工智能在食品检测中的应用[J/OL].食品科学技术学报, 2024.http://kns.cnki.net/KCMS/detail/detail.aspx? filename=BQGB20240930001&dbname=CJFD& dbcode=CJFQ.DING H H, XIE Z Q, SHEN S, et al.Application of Artificial Intelligence in Food Testing[J/OL].Journal of Food Science and Technology, 2024.http://kns.cnki.net/KCMS/detail/detail.aspx? filename=BQGB20240930001&dbname=CJFD&dbcode=CJFQ.
[7] 丁浩晗, 田嘉伟, 谢祯奇, 等.机器学习和大数据在食品领域的应用[J].食品与发酵工业, 2024, 50(24):353-361.DING H H, TIAN J W, XIE Z Q, et al.Applications of machine learning and big data in food industry[J].Food and Fermentation Industries, 2024, 50(24):353-361.
[8] CZARNOWSKA-KUJAWSKA M, STAROWICZ M, PASZCZYK B, et al.The chemical, antioxidant and sensorial properties of milk and plant based kombucha analogues[J].LWT, 2024, 206:116610.
[9] GUO K L, ZHANG Y, ZHANG H, et al.Odor changes in breast milk during different storage temperatures and times using GC× GC-O-MS[J].Food Research International, 2023, 168:112792.
[10] COOLBEAR T, JANIN N, TRAILL R, et al.Heat-induced changes in the sensory properties of milk[J].International Dairy Journal, 2022, 126:105199.
[11] 丁浩晗, 沈嵩, 谢祯奇, 等.基于残差网络模型的速溶全脂奶粉分散性与堆积密度检测方法[J].食品科学, 2024, 45(10):9-18.DING H H, SHEN S, XIE Z Q, et al.Detection of dispersibility and bulk density of instant whole milk powder based on residual network[J].Food Science, 2024, 45(10):9-18.
[12] SHARMA A, JANA A H, CHAVAN R S.Functionality of milk powders and milk-based powders for end use applications—A review[J].Comprehensive Reviews in Food Science and Food Safety, 2012, 11(5):518-528.
[13] WARGO W F.The history of infant formula:Quality, safety, and standard methods[J].Journal of AOAC International, 2016, 99(1):7-11.
[14] SELOMULYA C, FANG Y, WANG Y.Food Powder Rehydration[M].Handbook of Food Powders.Amsterdam:Elsevier,2013:379-408.
[15] 丁浩晗, 宋晓东, 董冠军, 等.牛奶罐装运输全过程质量控制研究[J].中国乳品工业, 2024, 52(10):23-29.DING H H, SONG X D, DONG G J, et al.Research on quality control in the entire process of milk canning and transportation[J].China Dairy Industry, 2024, 52(10):23-29.
[16] FOURNAISE T, BURGAIN J, PERROUD C, et al.Impact of formulation on reconstitution and flowability of spray-dried milk powders[J].Powder Technology, 2020, 372:107-116.
[17] LIU S L, JIANG X F, FU F F, et al.Assessing the effect of powder characteristics of infant milk on the compressibility of milk powder compression molding[J].Food Science &Nutrition, 2023, 11(8):4625-4633.
[18] FITZPATRICK J J, IQBAL T, DELANEY C, et al.Effect of powder properties and storage conditions on the flowability of milk powders with different fat contents[J].Journal of Food Engineering, 2004, 64(4):435-444.
[19] DING H H, LI B, BOIARKINA I, et al.Effects of morphology on the bulk density of instant whole milk powder[J].Foods, 2020, 9(8):1024.
[20] SUHENDI A, ROHMAN A, CAHYANINGRUM S.Validasi metode analisis penetapan Kadar protein ekstrak ikan gabus dengan metode Lowry Dan bromocresol green[J].Jurnal Kefarmasian Indonesia, 2023:50-58.
[21] WARAKAULLE S, MOHAMED H, RANASINGHE M, et al.Advancement of milk protein analysis:From determination of total proteins to their identification and quantification by proteomic approaches[J].Journal of Food Composition and Analysis, 2024, 126:105854.
[22] 韩静雯, 李国辉, 钟其顶, 等.超高液相色谱-四极杆飞行时间质谱技术定量牛奶中主要蛋白质[J].食品与发酵工业, 2022, 48(23):300-308.HAN J W, LI G H, ZHONG Q D, et al.Quantification of major proteins in milk based on ultra-performance liquid chromatography-quadruple/ time of flight-mass spectrometry[J].Food and Fermentation Industries, 2022, 48(23):300-308.
[23] LIANG X N, YANG H, SUN J, et al.Effects of enzymatic treatments on the hydrolysis and antigenicity reduction of natural cow milk[J].Food Science &Nutrition, 2021, 9(2):985-993.
[24] ANDRADE E H P, DA FONSECA L M, DE SOUZA M R, et al.Fat content in fermented milk beverages:Determination by the Gerber method[J].Semina:Ciências Agrárias, 2022, 43(1):441-448.
[25] RAO P S, SINGH P, SHARMA V, et al.Traditional analytical approaches for lactose residues determination in lactose hydrolysed milks:A review[J].LWT, 2021, 151:112069.
[26] 李盛楠, 张敏婕, 胡浩鑫, 等.高效液相色谱法测定液态乳中乳果糖方法的优化[J].食品工业科技, 2021, 42(1):266-270.LI S N, ZHANG M J, HU H X, et al.Optimization of HPLC method for determination of lactulose in liquid milk[J].Science and Technology of Food Industry, 2021, 42(1):266-270.
[27] DE OLIVEIRA NEVES L N, LEAL DE OLIVEIRA M A.Quantification of lactose and lactulose in hydrolysed-lactose UHT milk using capillary zone electrophoresis[J].International Dairy Journal, 2020, 106:104710.
[28] 樊双喜, 刘一诺, 吉鑫, 等.核磁共振波谱法测定牛奶中乳糖的含量[J].食品与发酵工业, 2021, 47(23):227-232.FAN S X, LIU Y N, JI X, et al.Quantitative determination of lactose in milk products by nuclear magnetic resonance[J].Food and Fermentation Industries, 2021, 47(23):227-232.
[29] UBAYDULLAEVA N B, MAKSUMOVA D Q, SHOSALIMOVA S J, et al.Characteristics of secondary dairy raw material obtained during dairy processing[J].E3S Web of Conferences,2024, 486:02025.
[30] 邹沫君.离子色谱法测定牛奶及奶制品中硝酸盐和亚硝酸盐[J].食品工业, 2023, 44(7):304-308.ZOU M J.Determination of nitrate and nitrite in milk and dairy products by ion chromatography[J].The Food Industry, 2023, 44(7):304-308.
[31] YUAN Y H, LEE T R.Surface Science Techniques[M].Berlin:Springer Berlin Heidelberg, 2013:3-34.
[32] ALGHUNAIM A, KIRDPONPATTARA S, NEWBY B Z.Techniques for determining contact angle and wettability of powders[J].Powder Technology, 2016, 287:201-215.
[33] PISECKY J.Handbook of Milk Powder Manufacture[M].Copenhagen:GEA Process Engineering, 2012:205-206.
[34] ROSA E, PRUDENCIO E S.A comprehensive approach about comparison between drying technologies and powdered dairy products[J].Food Research International, 2023, 173:113326.
[35] BHANDARI B, BANSAL N, ZHANG M, et al.Handbook of Food Powders:Processes and Properties[M].Amsterdam:Elsevier, 2023:357-371.
[36] GYAWALI R, FENG X, CHEN Y P, et al.A review of factors influencing the quality and sensory evaluation techniques applied to Greek yogurt[J].Journal of Dairy Research, 2022, 89(2):1-7.
[37] CLARK S, DRAKE M A, COSTELLO M, et al.The Sensory Evaluation of Dairy Products[M].New York:Springer, 2009:79-143.
[38] DRAKE M A.Invited review:Sensory analysis of dairy foods[J].Journal of Dairy Science, 2007, 90(11):4925-4937.
[39] ALVAREZ V B.The Sensory Evaluation of Dairy Products[M].Cham:Springer International Publishing, 2023:79-142.
[40] SPENCE C.Auditory contributions to flavour perception and feeding behaviour[J].Physiology &Behavior, 2012, 107(4):505-515.
[41] DEIDDA R, SACRE P Y, CLAVAUD M, et al.Vibrational spectroscopy in analysis of pharmaceuticals:Critical review of innovative portable and handheld NIR and Raman spectrophotometers[J].TrAC Trends in Analytical Chemistry, 2019, 114:251-259.
[42] CHEN H, TAN C, LIN Z, et al.Classification and quantitation of milk powder by near-infrared spectroscopy and mutual information-based variable selection and partial least squares[J].Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy, 2018, 189:183-189.
[43] GADKAR V J, FILION M.New developments in quantitative real-time polymerase chain reaction technology[J].Current Issues in Molecular Biology, 2014, 16(1):1-6.
[44] WU X Y, NA Q, HAO S Q, et al.Detection of ovine or bovine milk components in commercial camel milk powder using a PCR-based method[J].Molecules, 2022, 27(9):3017.
[45] ZHANG X R, QIAO C Y, FU S C, et al.DNA-based qualitative and quantitative identification of bovine whey powder in goat dairy products[J].Journal of Dairy Science, 2022, 105(6):4749-4759.
[46] RYSOVA L, CEJNAR P, HANUS O, et al.Use of MALDI-TOF MS technology to evaluate adulteration of small ruminant milk with raw bovine milk[J].Journal of Dairy Science, 2022, 105(6):4882-4894.
[47] ZHANG S S, LI H Z, HU Q Z, et al.Discrimination of thermal treated bovine milk using MALDI-TOF MS coupled with machine learning[J].Food Control, 2022, 142:109224.
[48] FRÉZAL L, LEBLOIS R.Four years of DNA barcoding:Current advances and prospects[J].Infection, Genetics and Evolution, 2008, 8(5):727-736.
[49] DING Y F, JIANG G Z, HUANG L H, et al.DNA barcoding coupled with high-resolution melting analysis for nut species and walnut milk beverage authentication[J].Journal of the Science of Food and Agriculture, 2020, 100(6):2372-2379.
[50] FARAHANI M A, MCCORMICK M R, GIANINNY R, et al.Time-series pattern recognition in smart manufacturing systems:A literature review and ontology[J].Journal of Manufacturing Systems, 2023, 69:208-241.
[51] 张亮星.制造业供应链系统可靠性分析及模式识别[D].成都:西南交通大学, 2018.ZHANG L X.Reliability analysis and pattern recognition of supply chain system in manufacturing industry[D].Chengdu:Southwest Jiaotong University, 2018.
[52] ZHANG X Y, LIU C L, SUEN C Y.Towards robust pattern recognition:A review[J].Proceedings of the IEEE, 2020, 108(6):894-922.
[53] MOHSEN S, ELKASEER A, SCHOLZ S G.Industry 4.0-oriented deep learning models for human activity recognition[J].IEEE Access, 2021, 9:150508-150521.
[54] 丁浩晗, 谢祯奇, 田嘉伟, 等.基于图像分析技术的全脂奶粉品质软测量模型构建[J].食品与发酵工业, 2024, 50(10):273-281.DING H H, XIE Z Q, TIAN J W, et al.Soft sensor modeling of milk powder quality with image analysis technique[J].Food and Fermentation Industries, 2024, 50(10):273-281.
[55] 陈卫东, 刘超, 王莹, 等.基于机器视觉的食品瓶罐包装缺陷检测研究进展[J].粮油食品科技, 2024, 32(4):185-191.CHEN W D, LIU C, WANG Y, et al.Research progress on inspecting food bottle and can packaging shortcomings based on machine vision[J].Science and Technology of Cereals, Oils and Foods, 2024, 32(4):185-191.
[56] 丁浩晗, 谢祯奇, 田嘉伟, 等.基于图像分析技术的全脂奶粉品质软测量模型构建[J].食品与发酵工业, 2024, 50(10):273-281.DING H H, XIE Z Q, TIAN J W, et al.Soft sensor modeling of milk powder quality with image analysis technique[J].Food and Fermentation Industries, 2024, 50(10):273-281.
[57] DING H H, WILSON D I, YU W, et al.Assessing and quantifying the surface texture of milk powder using image processing[J].Foods, 2022, 11(10):1519.
[58] HEBLING E TAVARES J P, DA SILVA MEDEIROS M L, BARBIN D F.Near-infrared techniques for fraud detection in dairy products:A review[J].Journal of Food Science, 2022, 87(5):1943-1960.
[59] ZHANG Y, ZHANG L, MA Y B, et al.Research on dairy products detection based on machine learning algorithm[J].MATEC Web of Conferences, 2022, 355:03008.
[60] SHARMA H, RAMANATHAN R.Differences and correlation among various fatty acids of cow milk and goat milk probiotic yoghurt:Gas chromatography, PCA and network based analysis[J].Food Chemistry Advances, 2023, 3:100430.
[61] DU L J, LU W Y, ZHANG Y Q, et al.Detection of milk powder in liquid whole milk using hydrolyzed peptide and intact protein mass spectral fingerprints coupled with data fusion technologies[J].Food Science &Nutrition, 2020, 8(3):1471-1479.
[62] DING H H, YU W, BOIARKINA I, et al.Effects of morphology on the dispersibility of instant whole milk powder[J].Journal of Food Engineering, 2020, 276:109841.
[63] 丁浩晗, 王龙, 侯浩钶, 等.深度学习在食品安全检测与风险预警中的应用[J].食品科学, 2025,46(6):295-308.DING H H, WANG L, HOU H K, et al.Application of deep learning in food safety detection and risk warning[J].Food Science, 2025,46(6):295-308.
[64] POGHOSSIAN A, GEISSLER H, SCHÖNING M J.Rapid methods and sensors for milk quality monitoring and spoilage detection[J].Biosensors and Bioelectronics, 2019, 140:111272.
[65] BOIARKINA I, DEPREE N, YU W, et al.Rapid particle size measurements used as a proxy to control instant whole milk powder dispersibility[J].Dairy Science &Technology, 2017, 96:777-786.
[66] 袁勇, 王飞跃.区块链技术发展现状与展望[J].自动化学报, 2016, 42(4):481-494.YUAN Y, WANG F Y.Blockchain:The state of the art and future trends[J].Acta Automatica Sinica, 2016, 42(4):481-494.
[67] 王群智, 伍丽芳, 勒格吉哈, 等.物联网技术在低温乳制品冷链末端运输中的应用[J].物流技术, 2022, 41(1):125-130.WANG Q Z, WU L F, LEGE J H, et al.Application of IOT technology in cold chain endpoint transportation of low-temperature dairy products[J].Logistics Technology, 2022, 41(1):125-130.
[68] KHANNA A, JAIN S, BURGIO A, et al.Blockchain-enabled supply chain platform for Indian dairy industry:Safety and traceability[J].Foods, 2022, 11(17):2716.
[69] SRIVASTAVA S, PANDEY V K, SINGH A, et al.Recent insights on microfluidics applications for food quality and safety analysis:A comprehensive review[J].Food Control, 2025,168:110869.
[70] CHEN J J, LI S Y, YAO F Q, et al.Progress of microfluidics combined with SERS technology in the trace detection of harmful substances[J].Chemosensors, 2022, 10(11):449.
[71] ZHAO Y N, ZENG D X, YAN C, et al.Rapid and accurate detection of Escherichia coli O157∶H7 in beef using microfluidic wax-printed paper-based ELISA[J].The Analyst, 2020, 145(8):3106-3115.
[72] CHICK S, ATAEI KACHOUEI M, KNOWLTON K, et al.Functionalized graphene-based biosensors for early detection of subclinical ketosis in dairy cows[J].ACS Applied Materials &Interfaces, 2024, 16(39):51932-51943.
[73] 丁浩晗, 谢祯奇, 沈嵩, 等.基于人工智能的集成食品检测技术应用与展望[J].食品科学技术学报, 2024, 42(5):13-23;32.DING H H, XIE Z Q, SHEN S, et al.Application and prospect of integrated food testing technology based on artificial intelligence[J].Journal of Food Science and Technology, 2024, 42(5):13-23;32.
[74] HEEMA R, SIVARANJANI S, GNANALAKSHMI K S.An insight in to the automation of the dairy industry:A review[J].Asian Journal of Dairy and Food Research, 2022, 41(2):125-131.
[75] MANISHA N, JAGADEESHWAR M.BC driven IoT-based food quality traceability system for dairy product using deep learning model[J].High-Confidence Computing, 2023, 3(3):100121.
[76] ZRELLI I, REJEB A.A bibliometric analysis of IoT applications in logistics and supply chain management[J].Heliyon, 2024, 10(16):e36578.
[77] MANGLA S K, KAZANCOGLU Y, EKINCI E, et al.Using system dynamics to analyze the societal impacts of blockchain technology in milk supply chainsrefer[J].Transportation Research Part E:Logistics and Transportation Review, 2021, 149:102289.