真空包装鸡肉早餐肠货架期预测模型的建立

为研究低温肉制品的货架期预测模型,选取真空包装的鸡肉早餐肠为研究对象,通过测定4 ℃贮藏温度条件下早餐肠细菌总数及感官、理化指标变化情况,确定早餐肠最小腐败量为6.49（lg（CFU/g））。同时测定2、6、10、15 ℃条件下的细菌总数变化情况,运用Baranyi模型拟合细菌总数在鸡肉早餐肠中的生长动力学模型,回归系数R2均在0.99以上。应用平方根模型拟合温度对生长动力学模型参数的影响,模型呈现良好的线性关系,回归系数R2均大于0.97,且残差平方和均小于10－2,说明该预测模型的拟合优度较高。在确定早餐肠最小腐败量与生长预测模型的基础上,建立了鸡肉早餐肠的货架期预测模型,预测值与实测值的相对均误差值均在1 d上下浮动,表明建立的模型能够快速准确的预测2～15 ℃贮藏条件下鸡肉早餐肠的货架期。     

低温杀菌黄焖鸡中菌落总数生长预测模型的比较和货架期预测

为比较不同生长预测模型对低温杀菌黄焖鸡中菌落总数生长情况的拟合效果,使用修正的Gompertz模型、修正的Logistic模型和Baranyi模型描述其在4、15、25 ℃贮藏期间菌落总数的变化情况,使用Belehradek模型和Arrhenius模型描述菌落总数生长参数与贮藏温度之间的关系,通过计算各模型拟合所得的参数值及回归相关系数R2、均方误差平方根、赤池信息准则和贝叶斯信息准则等指标评价模型的拟合优度,以最优组合建立产品的货架期预测模型。结果表明：在一级模型中,修正的Logistic模型拟合所得的生长参数值最接近实测值,模型的评价指标最优;在二级模型中,Arrhenius模型的拟合优度最高,其R2均在0.97以上;对修正的Logistic模型的偏差因子、准确因子和Arrhenius模型的残差值进行分析,表明建立的一级、二级模型可被接受;以此为基础建立低温杀菌黄焖鸡的货架期预测模型,经过验证,模型预测值与实测值的相对误差值均在±10%以内,表明所建立的货架期预测模型能够比较准确地预测低温杀菌黄焖鸡在4～25 ℃范围内的货架期。     

不同贮藏温度下鸡肉中大肠杆菌O157:H7生长预测模型的建立

目的 建立大肠杆菌在鸡胸肉的生长预测模型,为其加工、贮藏保鲜等过程的温度控制提供参考。方法 以大肠杆菌（Escherichia coli O157:H7）为研究对象,监测其在4、8、10、12、16、20、28、37℃贮藏条件下熟鸡胸肉上的生长情况。采用Gompert模型建立熟鸡胸肉上大肠杆菌的一级生长模型,并将一级生长模型拟合得到的数据代入Ratkowsky方程建立二级模型,综合考虑准确因子Af、偏差因子Bf和均方根误差R2并检验模型的可行性。结果 10、12、16、20、28和37℃条件下拟合的一级生长模型相关系数均在0.94以上,说明能够用来预测该温度范围内大肠杆菌在熟鸡胸肉上的生长动态。在4℃和8℃条件下,大肠杆菌在熟鸡胸肉上呈现先上升后下降再上升的趋势,而在10、12、16、20、28和37℃下,大肠杆菌先进入延滞期,后进入快速增长的指数期,且温度越高,指数期越短。结论 在10～37℃下可以用Gompert模型拟合鸡胸肉中E. coli O157:H7的生长预测模型,且效果较好。     

冷鲜猪肉中细菌总数Gompertz生长预测模型的建立

研究目的是建立细菌总数在冷鲜肉中的生长预测模型。冷鲜肉在不同温度下,即0、4、8、12、16、20、24℃的基础上获得细菌总数的生长数据,数据对数转换后进行分析。决定系数范围为0.9657到0.9932,结果发现随着温度的增加肉品中微生物的最大比生长速率增加,迟滞期降低。温度对细菌的生长存在显著的影响,二级模型中,最大比生长速率和迟滞期与温度的线性决定系数分别为0.9233和0.9543。通过验证实验我们发现预测模型的偏差因子和准确性因子分别为1.2695和1.3376。我们从实验中得到的数据可以预测时间和温度对微生物生长的影响。     

冰温冷藏鲜肉的菌落总数动态变化预测模型拟合验证

采用Huang模型、Baranyi模型和修正的Gompertz模型对猪肉、鸡胸肉和牛肉在不同温度条件下冷藏时的菌落总数进行拟合,通过比较拟合效果筛选出能够准确预测鲜肉在冰温条件下贮藏时菌落总数的预测模型,进一步采用平方根模型来描述贮藏温度对菌落总数的影响,并用偏差因子和准确因子进行预测模型验证。结果表明：采用Huang模型对猪肉、鸡胸肉和牛肉分别在－1.0、－1.0、2.5 ℃条件下贮藏过程中菌落总数拟合的效果优于Baranyi模型和修正的Gompertz模型,Huang模型可以更好地预测不同冰温条件下贮藏鲜肉的菌落总数变化;通过平方根模型拟合得到的牛肉贮藏温度与最大比生长速率和迟滞期的判定系数R2Adj分别为0.999和0.985,这表明牛肉贮藏温度与最大比生长速率和迟滞期之间存在良好的线性关系;预测模型的准确因子和偏差因子平均值分别为1.164和0.998,尤其是在－2.5 ℃贮藏条件下,准确因子和偏差因子分别为1.009和1.000,均接近于1.000,预测模型可靠性高,说明Huang模型能较好地预测冰温贮藏鲜肉菌落总数的动态变化。     

不同温度下腐败希瓦氏菌（Shewanella putrefaciens）生长动力学模型的比较与评价

以冷藏大黄鱼特定腐败菌腐败希瓦氏菌（Shewanella putrefaciens）为研究对象,采用修正Gompertz、修正Logistic和Baranyi方程拟合5、8、15 ℃和25 ℃条件下其在胰蛋白胨大豆肉汤中的生长动力学模型,采用Belehradek方程建立二级模型,探讨温度对腐败希瓦氏菌生长动力学的影响,并对模型的拟合优度及适用性进行评价。结果表明：温度对腐败希瓦氏菌生长动力学影响显著,其在5 ℃环境中延滞期较长,生长趋势得到明显抑制,当温度上升到25 ℃时,腐败希瓦氏菌的延滞期显著缩短,比生长速率随着温度的升高而增大,温度与延滞期及比生长速率均存在线性关系。采用均方根误差（root mean square error,RMSE）、残差平方和（residual sumof squares,RSS）、偏差度（bias factor,BF）、准确度（accuracy factor,AF）、R2对修正的Gompertz、修正的Logistic和Baranyi方程的拟合优度进行评价,修正的Logistic方程的RSS和RMSE均最小,BF和AF均最接近1,修正的Logistic模型的拟合优度最佳,适用性最强,水产品中腐败希瓦氏菌的生长情况能通过修正的Logistic模型得到较好地预测。     

冷鲜黄羽肉鸡货架期预测模型的建立与评价

为建立冷鲜黄羽肉鸡的货架期预测模型,将冷鲜黄羽肉鸡用托盘包装后,置于-1、4、10、15、20℃贮藏,分别测定不同贮藏时间的细菌总数,同时对4℃贮藏的冷鲜黄羽肉鸡的挥发性盐基氮进行分析,确定最小腐败限控量NS为5.67 lg（CFU/g）。使用修正的Gompertz模型、Baranyi模型及修正的Logistic模型分别描述细菌总数随时间变化的情况,并使用平方根模型描述一级模型所得参数随温度变化的情况。通过比较各模型所得的参数、回归系数（R²）、偏差因子（B_f）、准确因子（A_f）以及二级模型的残差平方和（RSS）,确定修正的Gompertz的拟合优度最好。在以修正的Gompertz模型为生长预测模型的基础上,构建冷鲜黄羽肉鸡的货架期预测模型,结果显示5种温度下的预测值与实测值之间的相对均误差均小于10%,表明建立的模型能够快速准确的预测-1²0℃贮藏条件下冷鲜黄羽肉鸡的货架期。      

牛肉嫩度的色差值预测模型研究

为了更快捷地甄选高品质牛肉,通过测定排酸24~48h育肥公牛和淘汰母牛部位肉的色差,探索用牛肉颜色预测牛肉嫩度的方法。实验表明,公牛和母牛的肉色及嫩度差异显著(p<0.05)。公牛和母牛以及公牛前、中、后躯的预测模型均显著(p<0.05)。各模型经过24个部位肉验证,所得剪切力值与实测值差异不显著(p<0.05),说明各模型在嫩度预测上具有较高的参考价值。     

单增李斯特菌在牛奶中生长曲线的拟合和预测模型的建立

通过生长动力学曲线拟合,建立牛奶中单增李斯特菌的生长预测模型。比较了5、15、25和35℃条件下Gompertz方程、Logistic方程和Hill方程的拟合情况,确定Gompertz方程为单增李斯特菌在牛奶中最优的初级模型。采用Belehradek方程描述温度对最大生长速率和延滞时间的影响,结果表明它们之间成良好的线性关系(R2分别为0.9721和0.9747),并建立了相应的二级模型。对20℃条件下由预测模型构建的微生物生长动力学方程进行了验证,同时对模型的可靠性进行了分析,结果表明预测值和真实值的残差均小于0.2,模型的偏差度为1.04,准确度为1.13,表明建立的模型有效且可靠。在已知初始菌数的情况下,可以根据模型快速预测5~35℃条件下不同贮藏时间点单增李斯特菌在牛奶中的生长情况。      

基于高光谱成像技术的鸡肉菌落总数快速无损检测

以市售新鲜冷藏(4℃)鸡胸肉为研究对象,采集鸡胸肉表面的高光谱(400~1 100 nm)图像信息,采用偏最小二乘回归(partial least square regression,PLSR)建立菌落总数预测模型,采用不同预处理方法提高模型的预测准确性和稳健性,实现快速无损检测生鲜鸡胸菌落总数的目的。结果表明:标准变量变换(standard normalized variate,SNV)预处理后,模型性能最佳。模型的校正标准差(standard error of calibration,s_(EC))和验证标准差(standard error of prediction,s_(EP))分别为0.40和0.57,s_(EP)/s_(EC)为1.08,校正集相关系数(correlation coefficient of prediction,R_C)和验证集相关系数(correlation coeffic ient of prediction,R_P)分别为0.93和0.86;且应用最佳模型可有效预测样品菌落总数的分布地图。     

工厂实测冷却分割鸡胸肉生产过程中菌落总数的变化及货架期预测模型的建立

本文研究了冷却鸡肉工厂实际分割生产线和工艺对冷却分割鸡胸肉菌落总数的影响,探究了不同贮藏温度(0、4、7、10、15、20、25℃)下冷却分割鸡胸肉菌落总数的变化,对4℃贮藏的冷却分割鸡胸肉的菌落总数、假单胞菌、p H、TVB-N、感官进行相关性分析,确定腐败限量,并结合logistic动力学一级模型和Belehradek二级模型,建立不同温度下冷却分割鸡胸肉货架期预测模型。结果表明:冷却鸡胸肉本身携带微生物并不多,二次污染是导致产品微生物增加的主要原因。预测冷却分割鸡胸肉的腐败限量的菌落总数是5.78 log(cfu/g),冷却分割鸡胸肉的最大比生长速率和延滞时间与贮藏温度呈良好的线性关系,模型的R2在0.94以上,残差值的绝对值小于0.06。对4、7、10℃贮藏条件下的冷却鸡胸肉的货架期预测模型进行验证,相对误差在10%左右,说明该模型能很好的预测冷却分割鸡胸肉的剩余货架期。     

电子鼻分析猪肉中负载的微生物数量研究

利用电子鼻技术检测猪肉在4℃和20℃保存不同天数的挥发性成分的变化,结合猪肉中微生物数量的变化,考察电子鼻输出信号与微生物数量之间的对应关系。结果表明：主成分分析(PCA)可以区分不同储藏天数的猪肉样品;通过最小线性回归分析(PLS)建立电子鼻输出信号与细菌总数之间的对应关系,4℃时R ＝ 0.9003,20℃时R ＝0.9940,线性关系均良好。初步研究表明,随着保存时间不同,猪肉挥发性成分与微生物数量会发生变化,电子鼻可检测到这些变化,因此可尝试用电子鼻技术检测猪肉中的有害微生物。     

不同温度下椰汁中金黄色葡萄球菌的生长动力学模型比较

探讨不同温度下椰汁中金黄色葡萄球菌的生长预测模型。将菌悬液接种到椰汁中,测定不同温度(20、25、30、36℃)下的生长数据。使用Matlab软件拟合得到修正Gompertz(MGompertz)、修正Logistic(MLloistic)和Baranyi模型,比较残差和拟合度选择最优一级模型,并拟合出生长参数。用平方根和二次多项式方程建立二级模型,通过相关系数、偏差因子和准确因子对二级模型进行检验。在20~36℃下,Baranyi模型拟合出的各个拟合度最优,Baranyi模型适宜作为模拟金黄色葡萄球菌在椰汁中生长的一级预测模型。二次多项式相较于平方根模型可以更好地表达温度与最大比生长速率及延滞期的关系。因此选择Baranyi模型和二次多项式模型描述不同温度下椰汁中金黄色葡萄球菌的生长。     

基于高光谱成像的香肠菌落总数回归预测及数据可视化

香肠的好坏有很多种评价指标,菌落总数（TVC）是其中的一种。高光谱成像技术已经成为一种快速、无损检测食品品质的有效方法。本文利用高光谱成像技术对香肠的菌落总数进行了定量分析,对数据进行了主成分分析（PCA）,研究发现数据集中前四个主成分累计贡献率已达97.65%,已经可以反映出香肠所包含的绝大部分信息。对前四个主成分对应的优化区间采用高斯核函数的SVM回归模型进行预测,并为了提高回归预测模型的精确度,对模型的c,g参数,进行了遗传算法（GA）、网格搜索算法和粒子群算法（PSO）寻优对比,其中PSO寻优可使回归预测值和真实值的相关系数为0.9777,交互验证均方根误差为0.0823,能够准确快速的实现香肠菌落总数的预测。除此之外,利用python对回归预测的数据进行可视化,更加直观的显示菌落总数变化,且可以达到实时观看的效果。