水产品货架期预测模型的研究进展

水产品货架期预测的研究为监测和控制水产品安全提供了理论基础。水产品是一类极易腐败变质的产品,利用货架期预测可以对水产品贮藏、运输、销售等流通环节下的品质进行及时监控,从理论上预测水产品剩余货架期。本文分析了影响水产品货架期的主要因素,包括微生物作用、水产品化学反应、水产品物理变化以及环境温度的作用等;提出了2种水产品货架期的建模思路;并总结了几类常用水产品货架期预测模型(基于水产品品质损失的动力学模型、基于温度变化的模型、基于统计学的模型和人工神经网络模型等);最后分析了水产品货架期预测目前存在的问题,为未来研究提供思路。     

水产品货架期模型的研究进展

本文对水产品的货架期模型研究进行了全面的综述,总结了水产品基于数学方程的预测模型和基于计算机人工神经网络模型的研究,包括:化学反应动力学模型、基于温度变化的货架期模型、微生物生长非生长预测模型以及人工神经网络模型在水产品中的应用。通过比较分析各种预测模型的优势,为水产品的品质保鲜与安全保障技术提供支持。      

腌制水产品货架期的研究进展

本文概述了影响腌制水产品货架期的物理、化学、微生物和酶等主要因素,分别从腌制条件、包装条件及贮藏条件三方面分析了国内外对腌制水产品货架期的研究现状,并对延长腌制水产品货架期的研究方向进行了展望。     

预测微生物学在水产品货架期中应用研究进展

预测微生物学可通过数学建模来快速预测水产品中腐败菌和致病菌的生长规律,从而预测水产品的货架期。文章阐述了预测微生物学初级模型、二级模型、三级模型的含义,列举了预测微生物学在水产品货架期中的应用,分析了预测微生物学在水产品货架期预测中存在的问题,并对预测微生物学的应用前景进行展望。     

海洋水产品新鲜度的现代检测技术研究进展

综述了海洋水产品新鲜度变化规律,指出新鲜度是海产品品质的重要标志;海洋水产品新鲜度传统检测技术包括感官检验、物理检验、化学检验和微生物检验等。着重介绍了海洋水产品新鲜度的现代检测技术,即智能检测技术、新鲜度指示卡及其他一些快速检测技术。对现有海洋水产品新鲜度检测技术存在的问题和发展趋势作了概述。     

生鲜鸡肉货架期预测模型的建立与评价

为了建立生鲜鸡肉货架期的动力学模型,将自然污染的生鲜鸡肉经PS/PE托盘包装后,置于0、5、10、15、20、25℃贮藏,分别测定不同贮藏时间的假单胞菌数量,同时对5℃贮藏的生鲜鸡肉进行品质分析,确定腐败限控量。结果表明:假单胞菌用来预测生鲜鸡肉时的腐败限控量为5.39(lg(CFU/g)),Gompertz函数能很好的描述假单胞菌在不同温度下的生长动态,建立6种温度条件下假单胞菌在生鲜鸡肉中的生长模型。采用Belehradek方程描述温度对最大比生长速率和延滞时间的影响,呈现良好线性关系,模型残差值的绝对值均小于0.07,表明该模型描述的温度与比生长速率和延滞时间是可信的。在此基础上,建立了生鲜鸡肉贮藏过程中货架期的预测模型。     

基于鲜度指示剂的水产品新鲜度快速检测方法的研究进展

新鲜度是衡量水产品品质的一项重要指标,对水产品新鲜度进行快速而有效的检测有着重要意义。鲜度指示剂可与水产品腐败过程中产生的物质发生反应或pH变化从而产生颜色变化,可实现对水产品的新鲜度的检测,这种基于鲜度指示剂的新鲜度检测法具有快速简便、准确廉价的特点,是现在水产品新鲜度检测的热点方向之一。该文简要介绍了基于鲜度指示剂的水产品新鲜度快速检测的基本概念和检测机理,综述不同类型的水产品鲜度指示剂的特点和应用研究进展,分析当前的不足以及未来的发展前景,旨在为鲜度指示剂在水产品的快速新鲜度检测的实际应用提供参考。     

水产品贮运过程中货架期预测的研究进展

水产品具有富含水分、高度不饱和脂肪酸和高活性内源酶等原料学特性,加之其外源微生物和内源酶的联合作用,其在死后贮运过程中极易发生理化性质、微生物和感官性状的变化,引起品质下降。基于敏感指标的变化对水产品的货架期进行建模,对水产品品质的快速预测和评估具有十分重要的意义。本综述主要介绍了在贮运过程中水产品货架期预测的内涵、货架期预测模型的研究方法（等温法和加速实验法）、货架期预测模型的分类及国内外研究进展,旨在为水产品货架期预测建模提供参考。     

基于神经网络的生鲜水产品货架期预测模型的构建及应用

为建立一种能够同时适用于多种新鲜水产品货架期的预测模型,采用反向传播(BP)神经网络模型、遗传算法(GA)优化的BP神经网络模型(GA-BP)、径向基函数(RBF)神经网络模型、极限学习机(ELM)神经网络模型和支持向量回归机(SVR)模型分别对金枪鱼、三文鱼、大菱鲆和鲷鱼的货架期进行预测,寻找最优的模型预测结果。首先通过试验获得4种水产品在0,4,10 ℃贮藏条件下的感官评分、菌落总数、挥发性盐基氮值、K值、pH值,构建训练样本和测试样本。经相关性分析,选择与水产品货架期相关性较高的感官评分、菌落总数、挥发性盐基氮值、K值作为模型的输入层单元,然后确定各模型的网络拓扑结构以及参数,进行模型的训练,最后使用训练好的5种模型对测试样本的货架期进行预测。结果表明:5种预测模型的预测精度排序为:SVR模型>RBF神经网络模型>GA-BP神经网络模型>ELM神经网络模型>BP神经网络模型,其中BP神经网络模型的预测精度最差,均方误差(MSE)为9.5127×10-4,平均绝对误差(MAE)为0.0197,平均绝对百分比误差(MAPE)为0.0825,R2为0.9766;SVR模型的预测精度最优,预测误差均在12%以内,MSE为2.2971×10-4,MAE为0.0128,MAPE为0.0631,R2为0.9944,能够很好地同时预测4种水产品在不同储藏温度下的货架期。本研究为水产品的品质控制提供一定的理论基础。     

基于品质衰变理论的食品货架期预测模型及其应用研究进展

食品货架期是厂商对产品质量的承诺,也是消费者关心的质量要求。针对目前研究中货架期预测模型使用的随意性与不规范性,本文剖析货架食品的品质影响因素,明确感官、化学、物理和微生物4个货架期食品品质评价途径,分析所对应的货架食品品质衰变机理和货架寿命终点检测方法,归纳与总结现有货架预测常用模型和算法,形成基于品质衰变原理的货架期预测模型建立体系,并对该技术未来发展方向进行展望。     

盐焗鸡贮藏品质变化及货架期预测模型

为了探讨盐焗鸡在不同贮藏温度(25、30、37℃)下品质变化及货架期预测模型的构建,通过对其在储藏过程中p H值、挥发性盐基氮(TVBN)值、菌落总数及感官变化进行分析,采用指数模型、修正的Gompertz和Logistic模型对盐焗鸡微生物生长情况进行描述,结果表明:p H值先上升后又逐渐下降;挥发性盐基氮(TVBN)和菌落总数随着贮藏时间增加而不断增大;感官评价总分随着贮藏时间延长而不断下降;其中修正的Gompertz模型优于指数模型和Logistic模型,Arrhenius比Bělehrádek方程更适合描述温度对最大比生长速率(μm)、延滞时间(Lag)2个参数的影响。     

不同贮藏温度下冷却猪肉货架期预测模型的构建

建立冷却猪肉中特定腐败菌的货架期预测模型。将气单胞菌接种到经80℃无菌水灭菌的猪精腿肉中,分别密封包装于0、4、7、15℃和20℃温度贮藏,测定各温度下接种猪肉的菌落总数(N)、pH值、TVBN值、TBA值,并进行感官评分。采用Origin 8.0分析软件对数据进行处理,结果表明:修正的Gompertz方程能较好地拟合不同温度下气单胞菌的生长动态,应用平方根模型(B lehrádek)描述温度对最大比生长速率(μmax)和迟滞期(Lag)的影响,均表现出良好的线性关系,R2分别为0.93和0.95。猪肉在0、4、7、15℃和20℃温度下气单胞菌的感官货架期终点菌数对数平均值为(6.33±0.14)(lg(CFU/g)),平均最大菌数对数为(7.36±0.21)(lg(CFU/g)),得到在0～20℃贮藏温度下冷却猪肉的货架期预测模型为SL=[1/(0.026T-0.00048)2]-[(7.36-lgN0)/2.718×(0.0102T+0.148)2]×{ln[-ln(6.33-lgN0)/(7.36-lgN0)]-1}。通过8℃和12℃贮藏温度下冷却猪肉的货架期实测值对构建的预测模型进行验证,相对误差均小于10%,表明建立的模型可以有效地预测冷却猪肉在0～20℃贮藏温度下的货架期。     

基于机器学习算法构建酱卤肉货架期预测模型

将机器学习算法和文本挖掘融入酱卤肉制品货架期预测中,基于对文献数据库中酱卤肉制品的货架期及其影响因素（包装方式、储藏方式、保鲜剂和二次杀菌）进行收集,构建原始数据集;通过比较多种编码方法（JamesStein、BaseNEncoder、TargetEncoder、OrdinalEncoder、PolynomialEncoder）,选择效果较好的JamesStein编码作为分类型特征变量的编码方式。通过比较多种机器学习算法（包括随机森林算法、K最近邻算法、逻辑回归、XGboost和多层感知机分类器）,结果显示最优模型为随机森林算法[其准确度为0.95、精确度为0.97、曲线下面积（area under curve,AUC）值为0.99,F1-score 0.91]。通过对酱牛肉和盐水鸭的实际样品测试分析,发现该模型在预测不同酱卤肉制品的货架期方面均具有较高的准确性。此外,该文从另一个角度验证储藏温度、包装方式、保鲜剂和二次杀菌等因素对酱卤肉制品货架期的显著影响。     

速冻青稞鱼面贮运过程中货架期预测模型构建

通过对不同贮运温度下速冻青稞鱼面的感官、理化指标的变化分析,分别建立基于感官威布尔危害分析(Weibull Hazard Analysis,WHA)、化学动力学(Arrhenius)、BP神经网络(Back Propagation)的货架期预测模型,并验证结果。研究结果表明：在-18℃~25℃范围内,面条货架期随温度的升高逐渐缩短;根据国家标准确定速冻青稞鱼面在-18℃、-10℃、-5℃、0℃、5℃、10℃、25℃温度下货架期实际终点分别为94d、195d、100d、30d、24d、18d、3d;相关性分析显示,贮藏时间与TBA值呈极显著正相关,与POV值、pH值、感官评分相关性不显著。在-18℃、-10℃、-5℃、0℃、5℃、10℃、25℃温度下,基于感官评价指标的威布尔危害分析的货架期预测终点为296.21d 、206.89d、101.94d、29.92d、23.46d、19.15d、3.29d ,相对误差为0.27%~9.67%;基于TBA指标的Arrhenius方程,货架期预测终点为413.30d 、170.87d、101.05d、60.92d、37.40d、23.36d、6.26d,相对误差为1.05% ~108.62%。基于感官评价和理化指标(PH、TVB-N、TBA、POV)的BP神经网络模型货架期预测终点为281.45d 、190.07d、103.24d、31.46d、23.20d、17.17d、2.76d ,相对误差为4.60～7.96%。Weibull与BP神经网络预测模型性能较优,可用于速冻青稞鱼面的货架期终点预测。     

基于感官与理化指标的椪柑果酒货架期预测模型

通过对不同贮藏温度下椪柑果酒的感官、理化(挥发酸)和微生物(细菌总数)指标的变化分析,将感官威布尔危害分析(Weibull Hazard Analysis,WHA)模型和动力学模型分别结合Arrhenius方程,建立2种指标下椪柑果酒的货架期预测模型,并验证结果。研究结果表明,基于感官评价指标,在25,30,35,40℃温度下的货架期预测终点分别是620,436,310,222d,相对误差为-5.48%~5.52%;基于挥发酸评价指标,在25,30,35,40℃温度下的货架期预测终点分别是633,450,319,227d,相对误差为-2.74%~8.96%。椪柑果酒的贮藏温度与细菌总数相关性不显著,不作为具体参考指标。基于感官评价指标的货架期预测模型性能较优,可用于椪柑果酒的货架期终点预测。     

真空包装狮子头货架期预测模型的建立

为建立真空包装狮子头货架期预测模型,分析不同温度贮藏期间狮子头中菌落总数的变化情况,分别用线性模型、修正的Gompertz模型、修正的Logistic模型和Baranyi模型对狮子头中菌落总数进行一级模型的拟合,在此基础上使用平方根模型建立二级模型。通过比较各模型的评价参数选择最优模型,并进一步建立货架期预测模型。结果表明在一级模型中,修正的Gompertz模型对真空包装狮子头中菌落总数生长曲线的拟合优度最高;基于修正的Gompertz模型建立的平方根模型可较好地描述温度对狮子头最大比生长速率和迟滞期的影响。在4、10、15、20、25℃条件下贮藏狮子头的货架期分别为80.79、45.22、10.96、4.96、4.01 d,货架期实测值与预测值的相对误差值均在10%以内,表明建立的模型可以较准确地对贮藏在4~25℃条件下的狮子头进行货架期预测。     

扇贝贮藏货架期预测模型的建立与评价

以扇贝为研究对象,采用不同温度283、278、273、271.8 K（10、5、0、－1.2 ℃）的贮藏环境对扇贝进行保鲜处理,探讨其在保鲜过程中挥发性盐基氮（volatile basic nitrogen,TVB-N）含量、菌落总数、鲜度指标K值与感官指标的相关性,建立TVB-N含量、菌落总数以及贮藏温度和时间的动力学模型和扇贝保鲜货架期的预测模型。结果表明：一级化学反应动力学模型和Arrhenius方程对TVB-N含量、菌落总数、K值的变化具有较高的模拟精度（R2＞0.9）。可根据对扇贝在不同温度条件下贮藏的TVB-N含量、菌落总数、K值变化规律的研究对扇贝剩余货架期进行预测,经验证扇贝的货架期预测模型的相对误差在10%以内。     

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。      

基于特定致腐菌的调理肉饼货架期预测模型构建

为建立调理肉饼中特定致腐菌的货架期预测模型。将特定致腐菌乳酸菌接种于经臭氧减菌化处理的调理肉饼中,真空包装后分别于-1℃、4℃、10℃、15℃和22℃条件下(温度波动为±1℃)贮藏,在贮藏期间(0～11 d)测定调理肉饼挥发性盐基氮值、pH值、硫代巴比妥酸值及菌落总数等指标,并进行感官评价,利用修正的Gompertz方程和平方根模型(B?lehrádek),建立以特定致腐菌乳酸菌为关键品质因子的调理肉饼微生物货架期模型。结果表明:修正的Gompertz方程能较好地拟合不同贮藏温度下微生物的生长曲线,应用平方根模型(B?lehrádek)描述温度对最大比生长速率(μ_(max))和迟滞期(Lag)的影响,均表现出良好的线性关系(R~2分别为0.98和0.83)。调理肉饼在-1℃、4℃、10℃、15℃和22℃下乳酸菌货架期最小腐败量对数平均值为(6.94±0.21) lg(cfu/g),平均最大菌数对数值为(8.65±0.16)lg(cfu/g),得到了在-1℃～22℃贮藏温度下调理肉饼的货架期预测模型。预测模型通过10℃和15℃贮藏温度下的货架期实测值来进行验证,相对误差均小于10%,表明基于平方根方程建立的模型可以有效地预测调理肉饼在-1℃～22℃贮藏温度条件下的特定致腐菌乳酸菌的货架期。     

中国对虾重组虾肉货架期预测模型的建立

本文针对我国水产品副产物加工技术落后的现状,在以中国对虾在加工过程中产生的副产物-碎虾肉为原材料,通过利用谷氨酰胺转氨酶(TG)及非肉蛋白等添加剂制得重组虾肉制品的基础之上,对其贮存期间品质(理化指标和感官指标)变化进行分析,确定了重组虾肉品质变化的关键因素-挥发性盐基氮(TVB-N),进而利用TVB-N变化速率常数与贮藏温度之间的Arrhenius方程以及TVB-N含量与贮藏时间之间的一级动力学方程建立了重组虾肉货架期预测模型,结果表明:贮藏温度越高,重组虾肉品质下降越快,货架寿命越短,并且由验证试验得到的货架寿命预测值与实际值的相对误差均在10%以内,可用于预测重组虾肉制品在贮藏过程中的品质变化情况和货架期,为碎虾肉的综合利用及新型虾肉制品开发、生产提供了理论依据。