隨著物聯網（IoT）相關消費電子產品的高需求和快速發展，人們已開發出各種方法，將不同類型的指示器或傳感器集成在食品包裝中，用于快捷檢測食品的質量安全。智能包裝技術是監測包裝食品狀態的有效方法，可以減少食物浪費以及食源性疾病的發生。食品質量可以通過檢測與食品降解和/或氣調包裝中氣體含量相關的揮發性化合物來直接評估。目前，基于有機/聚合物功能材料的柔性氣體傳感器已被廣泛研究，通過利用其電氣或機械性能可以實現微量氣體檢測。

智能包裝系統的概念圖示

據麥姆斯咨詢報道，近期，上海交通大學郭小軍教授、劉瑞麗副教授、李思瑩博士等研究人員在Advanced Sensor Research期刊發表了一篇題為“Flexible Organic Polymer Gas Sensor and System Integration for Smart Packaging”的綜述文章，討論了智能包裝對氣體傳感器及其系統集成的要求，回顧了柔性有機/聚合物氣體傳感器和智能包裝應用系統集成的最新進展和策略，并分析了柔性氣體傳感器及其系統集成在智能包裝應用中所面臨的挑戰和機遇。

智能包裝對氣體傳感器及其系統集成的要求

將智能包裝技術應用于食品的目的不僅是延長保質期和提高食品安全性，還包括與整個供應鏈中的消費者交換食品質量和追溯信息。由于目標氣體的濃度在ppb至ppm范圍內，用于智能包裝的氣體傳感器需要具備高選擇性、高靈敏度和長期耐用性。更重要的是，在運輸過程中，氣體傳感器需要具備足夠的靈敏度和柔韌性，能夠適應變形或嚴苛的外力條件。此外，氣體傳感器應該易于與簡單的結構和標準的讀出接口電路集成。

目前，智能包裝技術進入市場的主要制約因素是其生產成本高，印刷柔性氣體傳感器和電路有望顯著降低其成本。印刷/涂層技術具有高通量、無掩模、低溫和大面積加工等優點，被認為是在各種基材上制造氣體傳感器的一種經濟有效的方法，并且與包裝行業兼容。用于智能包裝的氣體傳感器的材料，包括基板、電極和活性層應該無毒、低成本，并適用于大規模加工。為了實現通信和信息功能，還需要有效的系統集成方法，將傳感器和讀出電路、天線、顯示器、電池集成在智能包裝系統中，以便通過智能手機與消費者進行交互。

提高智能包裝氣敏性能的策略

為了滿足智能包裝的要求，柔性有機/聚合物氣體傳感器需要解決靈敏度低、響應慢、穩定性差等性能方面的問題。為了提高印刷柔性有機/聚合物氣體傳感器的性能，在材料和加工方法方面，可以采取幾種策略，包括調整敏感層形貌和微觀結構、使用官能團修飾活性層，以及與多組分傳感材料進行混合等方法。

調整氣體傳感器敏感層形貌和微觀結構是提高傳感器性能的有效方法。通常，輕薄、粗糙和多孔的形貌有助于提高傳感器的性能，因為高表面體積比及孔隙的存在不僅為氣體吸附提供了較大的表面積，還促進了氣體分子通過敏感層的擴散。目前研究人員們已經實現了從一百納米到幾納米甚至分子水平的敏感層厚度。

Li等人提出的優化和表征氣體敏感層形貌的方法

為了提高氣體傳感器的選擇性，利用對目標氣體具有特定靈敏度的化學官能團修飾活性層表面是一種有效的策略。將具有特殊官能團的有機活性材料功能化，可以實現對有機/聚合物氣體傳感器的選擇性定制，是目前重要的發展趨勢之一。

Chang等人提出的官能團修飾活性層的方法

此外，與單一傳感材料相比，將不同的功能導電或半導體納米材料（例如金屬、金屬氧化物、碳納米管和石墨烯）摻雜到有機聚合物中也可以提高智能包裝的氣敏性能。由于不同種類材料之間的協同作用，復合薄膜可以提供更多的活性位點和界面，與目標氣體相互作用，從而提高氣體傳感器的性能。

Li等人提出的利用復合薄膜作為活性層的方法

用于智能包裝的柔性氣體傳感器系統集成策略

在柔性基板上實現智能包裝系統集成的方式有兩種。一種是使用柔性印刷電子器件和嵌入式硅芯片的柔性混合集成系統。智能包裝對價格敏感且需要高度定制化，常見的基于MEMS技術的傳感器解決方案受到設計多樣化、單位面積成本高（尤其是小批量生產時）以及從設計到生產周期長等限制，難以滿足要求，因此柔性混合集成系統策略為智能包裝提供了一個有前景的解決方案。另一種是無需任何硅芯片的全印刷柔性集成系統。雖然印刷邏輯電路遠不如傳統的硅基技術解決方案成熟，性能也無法與當前的硅基技術相提并論。不過，印刷方案足以滿足性能相對簡單的智能包裝應用。更重要的是，印刷組件集成了柔性系統（例如顯示器、晶體管、電池、RFID和傳感器），可以根據不同的功能應用進行定制。這種策略進一步降低了系統制造成本并提高了靈活性，是實現智能包裝系統集成的可行方案。

Zhu等人提出的智能包裝柔性混合集成系統

Kang等人提出的無線智能包裝系統

由于傳感材料與待測氣體之間難以實現特異性檢測，僅依靠傳感器本身實現對目標氣體的檢測和識別很困難，因此需要通過構建多個傳感器或陣列來提高識別的準確性。氣體傳感器陣列會產生大量數據。在氣體傳感信號處理方面，近年來，研究人員們在智能機器學習（ML）算法方面進行了大量的工作，例如主成分分析（PCA）、線性判別分析（LDA）、人工神經網絡（ANN）、支持向量機（SVM）和隨機森林（RF）等都是用于監測食品安全和質量的電子鼻的典型數據分析和信號處理方法。

用于評估智能包裝系統食品質量和安全的氣體傳感器數據分析和處理示意圖

柔性氣體傳感器及其系統集成在智能包裝應用中的挑戰與機遇

在氣體傳感器真正用于智能包裝之前，目前仍有許多挑戰需要克服。首先，傳感器的重復性、準確性、穩定性和靈敏度是實現智能包裝應用的關鍵。可用于食品包裝的傳感材料種類有限，設計者需要在靈敏度、選擇性、穩定性和安全性之間進行權衡。一方面，與食品直接接觸的包裝材料不應帶來任何健康風險，因此開發基于生物和可食用材料的傳感材料是一個有前景的解決方案。另一方面，納米材料制備和加工的進展使得傳感器的響應/恢復時間和靈敏度得到了提高。然而，在復雜環境中對特定目標氣體的選擇性仍然是一個重要的挑戰。通過構建氣體傳感器陣列、利用信號處理和開發電子鼻技術，可以提高識別的準確性。因此，了解傳感材料納米結構、器件結構、陣列排布和數據處理算法在氣體傳感器的靈敏度、選擇性、穩定性和響應時間方面的作用機制非常重要。

除此之外，在柔性氣體傳感器應用于智能包裝的商業化過程中，還需要考慮諸多限制因素，例如立法規則、消費者偏好和市場動機等。

審核編輯：劉清