玉米赤霉烯酮、黄曲霉毒素、脱氧雪腐镰刀菌烯醇和伏马菌素 B1，是宠物食品行业谈之色变的痛点问题。从全球视角来看，尽管在宠物行业高度成熟的欧美地区，每年因为霉菌毒素问题而召回的宠物食品也不在少数，其中甚至不乏一些全球知名的宠物食品品牌。
为什么？因为所有霉菌毒素都是有害于动物健康的，其严重程度与霉菌毒素摄入剂量、时间、动物体况等相关，会导致宠物急性中毒和慢性健康问题，包括免疫抑制、肝损伤、肾毒性和癌症等等。
但事实上，大部分养宠用户甚至业内人士，对于霉菌毒素危害程度的普遍性认知不算太高。举个例子说明，奥特奇中国此前曾发布过一份《2023年宠物食品霉菌毒素调查》的报告。该报告检测收集了中国市场上常见的27个品牌，不同类型的犬粮和猫粮共计47个。
根据检测结果显示，47份宠物食品平均每份污染7.5种霉菌毒素，100%的样品污染了两种或以上霉菌毒素。单个样品污染了3~12种霉菌毒素，污染了7种霉菌毒素的样品占比最高，为23.4%，还有2.1%的样品污染了12种霉菌毒素。
另外在所有宠物食品样品中，对宠物处于霉菌毒素低风险的样品占48.9%、中风险的样品占31.9%，有19.1%的样品为高风险。检出率位于前几位的为玉米赤霉烯酮（97.9%）、烟曲霉毒素（95.7%）、新兴霉菌毒素类（83%）和以呕吐毒素为主的单端孢霉烯族B类（76.6%）。
那么，如何降低宠物食品中霉菌毒素的安全风险呢？
在专业人士看来，及早准确检测宠物食品供应链中的霉菌毒素可以防止这些健康威胁。然而，传统的检测方法，如色谱技术和免疫测定，通常需要复杂的样品制备和昂贵的仪器。只有提高检测的自动化水平，降低检测成本，并且需加强生物传感器等新型检测技术的研究和应用，实现现场实时检测，才能够真正减少宠物食品霉菌毒素的风险隐患。
有意思的是，这一痛点问题或许在近期迎来了更快速、高效且具有成本效益的解决方案——由中国农业科学院相关团队着手开发的，将E-nose电子技术和AI机器学习算法技术的进行结合的非侵入性、快速且具有成本效益的替代方案。该项研究成果已在科学期刊《toxins》上发表。
据悉，该解决方案通过允许计算机分析数据并自我学习，再利用E-nose技术检测宠物食品排放的挥发性物质的变化，进而预测判断霉菌毒素污染。
在研究试验中，该团队对 2021 年至 2023 年间在中国收集的 142 个宠物食品样品进行了玉米赤霉烯酮污染分析。研究人员使用电子鼻技术记录挥发性化合物概况，以对污染水平进行分类。事实证明，基于这些数据训练的机器学习模型是准确的，集成模型实现了 90.1% 的分类准确率，有识别了玉米赤霉烯酮污染问题。
另据研究团队的表述，目前电子鼻技术与机器学习算法的结合已成功应用于区分玉米和小麦中的 AFB1、DON 和 FB 污染。而这项研究也证明了机器学习增强的 E-nose 技术作为宠物食品行业工具的潜力。通过实现快速、准确和具有成本效益的筛查，这种方法可以为制造商提供确保产品安全和满足监管标准的方法。
在宠物行业观察看来，随着全球宠物市场的持续发展以及科学健康养宠趋势的不断渗透，养宠用户对于霉菌毒素污染等食品安全性的问题也将更加重视。而更多像E-nose电子鼻技术与AI技术联合的创新解决方案，也将进一步推动宠物行业尤其是宠物食品赛道的正向发展。
至于未来霉菌毒素检测技术还将如何发展，宠物行业观察也将持续保持关注。对该话题感兴趣的小伙伴，欢迎下方评论区留言讨论，或添加小编微信沟通交流。
本文作者：差矣@宠业家
代工资源 | 鲜肉专家中誉宠食
热点 | 淘天双11战报，宠物撑起强劲开局
出海 | 宠物展这么多，为什么去宠交会？
渠道 | 宠物行业的深度分销该怎么做？
视野 | 淘天发布宠物医药健康趋势洞察
