CN101349686A - 一种预测鲜带鱼品质变化的方法 - Google Patents
一种预测鲜带鱼品质变化的方法 Download PDFInfo
- Publication number
- CN101349686A CN101349686A CNA2008100425379A CN200810042537A CN101349686A CN 101349686 A CN101349686 A CN 101349686A CN A2008100425379 A CNA2008100425379 A CN A2008100425379A CN 200810042537 A CN200810042537 A CN 200810042537A CN 101349686 A CN101349686 A CN 101349686A
- Authority
- CN
- China
- Prior art keywords
- hairtail
- quality
- tvbn
- value
- fresh
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 241001125843 Trichiuridae Species 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 20
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 70
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 35
- 238000003860 storage Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 210000000697 sensory organ Anatomy 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 239000010813 municipal solid waste Substances 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000005057 refrigeration Methods 0.000 claims 1
- 238000005070 sampling Methods 0.000 claims 1
- 230000001580 bacterial effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 235000013305 food Nutrition 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 241000251468 Actinopterygii Species 0.000 description 6
- 235000013372 meat Nutrition 0.000 description 5
- 239000003513 alkali Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000005138 cryopreservation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000004821 distillation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 1
- 239000000395 magnesium oxide Substances 0.000 description 1
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种预测鲜带鱼品质变化的方法,本发明在对不同贮藏温度情况下鲜带鱼的菌落总数、挥发性盐基氮(TVBN),感官变化情况进行研究,根据各指标建立带鱼品质变化动力学模型。有利于准确地对带鱼的品质进行动态判别。
Description
技术领域
本发明涉及一种预测鲜带鱼品质动态变化的方法。
背景技术
带鱼是我国最重要的海洋经济鱼种之一,其产量多年来一直位居我国海洋捕捞鱼类产量的首位。带鱼肉嫩体肥、味道鲜美,具有很高的营养价值。由于国内外市场对鱼类鲜度的要求不断提高以及生鲜鱼流通量变大和流通距离变长,快速评估鲜带鱼鲜度及预测其剩余货架期显得十分重要。
不同食品腐败的机理各不相同且变质反应非常复杂,但通过对变质机理的研究能找到预测食品货寿命的方法,食品腐败过程中品质的损失可以通过动力学模型得到很好的反映。
挥发性盐基氮(TVBN)通常作为蛋白性食品新鲜度的化学指标,鱼类等水产品在腐败过程中,由于细菌的生长繁殖和酶的作用,使蛋白质分解而产生胺类及氨等具挥发性的碱性含氮物质,这些挥发性盐基氮与水产品腐败程度之间有明显的对应关系。因此,测定水产品中TVBN的含量有助于判定水产品的新鲜度和确定水产品质量。在鲜带鱼的低温贮藏过程中,其菌落总数、挥发性盐基氮(TVBN),感官品质会发生变化。通过对生鲜带鱼在低温贮藏过程中菌落总数、挥发性盐基氮(TVBN),感官变化的动力学特性进行研究,建立鲜带鱼的菌落总数与挥发性盐基氮(TVBN)值随贮藏温度和时间变化的动力学模型,从而可以对鲜带鱼的品质进行动态评估和监控。
发明内容
一种预测鲜带鱼品质变化的方法,本发明对新鲜带鱼在不同贮藏温度条件下的菌落总数、挥发性盐基氮(TVBN)、感官评价变化进行研究,根据菌落总数、挥发性盐基氮(TVBN)值建立鲜带鱼品质变化动力学模型,为动态监测和控制生鲜带鱼品质提供理论依据。
本发明的测定步骤按照以下过程进行:
1)对贮藏在268K、273K、278K、283K、293K条件下的鲜带鱼的菌落总数、挥发性盐基氮(TVBN),感官品质变化进行测定。
2)确立鲜带鱼的菌落总数、挥发性盐基氮(TVBN)值随贮藏温度变化的动力学模型型式。模型选择一级化学反应动力学模型为佳。
3)建立菌落总数、挥发性盐基氮(TVBN)值变化的动力学模型。
4)品质动力学模型的验证和评价。将鲜带鱼贮藏在特定温度条件下,以鲜带鱼品质变化的实验值与动力学模型得到的预测值进行比较,计算预测值和实测值的相对误差。
附图说明
图1为不同贮藏温度下鲜带鱼菌落总数值变化。
图2为不同贮藏温度下鲜带鱼挥发性盐基氮(TVBN)值变化。
图3为不同贮藏温度下带鱼的感官评价。
具体实施方式
以下结合说明书对发明进行进一步说明,但本发明所要求的保护范围并不局限于实施例描述的范围。
1材料与方法
1.1材料
鲜带鱼购自上海铜川路水产品市场
1.2方案设计
1.2.1原料预处理
选择体型较大,表皮色泽光亮,肉质较硬,无异味的新鲜带鱼为实验原料。将买来的带鱼放入准备好的碎冰中,用冰水清洗。将清洗后的带鱼去头去尾并且切块,每块约重30g,分别装入密实袋中,贮藏在268K、273K、278K、283K、293K的条件下用于K值的测定。
1.3菌落总数测定
根据GB/T 4789.2--2003操作。
1.4总挥发性盐基氮(TVBN)的测定
利用自动定氮仪(FOSS KEJET 2300)测定。
1.4.1样品处理:准确称取绞碎的去骨带鱼肉10g于750ml消化管中。
1.4.2仪器操作条件:设置吸收液为30ml,自动加蒸馏水为50ml,加碱量为0,模式delay,蒸馏体积。
1.4.3测定:在装有样品的消化管瓶中加入5g氧化镁粉末,迅速放进自动定氮仪上,关上安全门,仪器自动蒸馏、吸收、滴定和计算,结果以mgN/100g表示。
1.5感官评定
对不同贮藏温度下带鱼的感官质量进行评定,评定标准见表1。感官评定结果主要通过评定小组成员对样品按评定内容的分类,逐项评分,评分标准为1~10分。
1.6数据分析
应用SAS软件和Excel软件进行数据分析。
表1带鱼感官评定表
2结果与分析
2.1菌落总数分析
由图1可见,在不同贮藏温度条件下的带鱼总菌落数的变化很明显,在不同贮藏温度下带鱼的菌落总数值随着贮藏时间的延长而不断增加,且随着温度的升高,菌落总数值增加迅速。根据中华人民共和国农牧渔业部部标准SC-T 3102-1984《鲜带鱼》标准,带鱼的菌落总数(cfu/ml)≤104时,为一级鲜度,菌落总数(cfu/ml)≤106时,为二级鲜度。贮藏在273K、278K、283K、293K下的带鱼分别贮藏了6天,5天,3天和2天时超过了二级鲜度的标准。2.2 TVBN值分析
由图2可知,贮藏于268K下的带鱼的TVBN值的变化很小。贮藏第六天时,TVBN值为14.3100N/100g,TVBN变化值增加不到1倍。这主要是由于低温抑制了带鱼中微生物的繁殖,从而抑制了微生物对带鱼中蛋白质的降解和腐败作用;另一方面,低温也降低了带鱼肉中酶的活性,减缓了其对带鱼肉的降解作用。而贮藏于293K下的带鱼,当贮藏了三天后其TVBN值已为84.3725mg N/100g,变化幅度相对于新鲜时增长了795.08%。结果说明,在不同贮藏温度下带鱼的TVBN值随着贮藏时间的延长而不断增加,且随着温度的升高,TVBN值增加迅速。根据中华人民共和国农牧渔业部部标准SC-T 3102-1984《鲜带鱼》标准,带鱼贮藏在293K下,贮藏第二天已大大超过二级鲜度值(TVBN≤25mg N/100g);贮藏在278K和283K下的带鱼贮藏到第三天时,TVBN值达到25.1051和35.3463mg N/100g超过了二级鲜度指标;贮藏在273K下的带鱼则贮藏了6天时超过了二级鲜度指标。
2.3感官评定结果分析
从图3中可以看出,0天时,新鲜带鱼的感官评定为10分,随着贮藏温度的升高和贮藏时间的延长,感官评定值下降趋势明显。贮藏在268K条件下的带鱼,在第7天时,带鱼的感官品质仍为“较好”,而贮藏在293K条件下的带鱼在第3天感官品质已经为“差”。贮藏在273K、278K、283K条件下贮藏的带鱼感官变化的速度依次减慢。感官变化与带鱼在不同贮藏温度下的菌落总数、挥发性盐基氮(TVBN)值变化有着相同的趋势。
3品质变化动力学模型的建立
3.1一级动力学模型
在食品加工和贮藏过程中,大多数与食品质量有关的品质变化都遵循零级或一级模式。经分析确定带鱼新鲜度品质函数为一级反应动力学模型。贮藏过程中带鱼的菌落总数、挥发性盐基氮(TVBN)值变化用指数方程进行回归分析,得到反应速率常数k、回归系数R2见表2。
回归方程表达式为:
式中:t:食品的贮藏时间,天;A0:食品的初始品质;A:食品贮藏第t天时的品质;ka:食品品质变化速率常数。
表2.带鱼在不同贮藏温度下品质变化的动力学模型参数
注:所有方程的回归系数均大于0.9,表明方程极显著。
3.2反应速率常数
在268K、273K、278K、283K、293K贮藏条件下可分别得到带鱼的菌落总数、挥发性盐基氮(TVBN)值。利用得到的数据做图,计算反应常数,得到该反应的Arrhenius方程。由于反应速率常数k是温度的函数,因此运用Arrhenius方程可以预测带鱼在不同贮藏条件下的货架寿命。Arrhenius方程为:
式中:k0:指前因子(又称频率因子);EA:活化能;T:绝对温度,K;R:气体常数,8.3144J/(mol·K),k0和EA都是与反应系统物质本性有关的经验常数。
对Arrhenius方程取对数,得:
在求得不同温度下的速率常数后,用lnk对热力学温度的倒数(1/T)作图可得到一条斜率为-EA/R的直线。
得到,菌落总数变化的动力学方程为:
总挥发性盐基氮变化的动力学方程为:
菌落总数、挥发性盐基氮(TVBN)值活化能分别为7.126×104J/mol,6.886×104J/mol。该品质动力学模型可以模拟鲜带鱼在贮藏温度下品质的变化过程,从而也可为鲜带鱼货架寿命的预测和控制提供可靠的理论依据。
3.3带鱼品质变化动力学模型
通过菌落总数、挥发性盐基氮(TVBN)值变化的动力学模型和得到的反应速率常数可以得到带鱼品质变化动力学模型:
菌落总数变化动力学模型:
总挥发性盐机氮变化动力学模型:
式中:A:鲜度品质测定值;A0:初始鲜度品质测定值。
根据所得到的鲜带鱼变化动力学模型,当确定了带鱼的贮藏温度、初始菌落总数、挥发性盐基氮(TVBN)值及终点鲜度品质控制值,即可获得在确定的贮藏温度条件下的贮藏时间。另外,也可以通过确定带鱼的贮藏温度、初始菌落总数、挥发性盐基氮(TVBN)值及贮藏时间,获得在确定的贮藏温度条件下贮藏一定时间后带鱼的鲜度品质。
3.4品质变化动力学模型的验证和评价
将带鱼贮藏在278K和283K条件下,用品质变化实测值验证该模型。表3为278K和283条件下,带鱼的菌落总数、挥发性盐基氮(TVBN)货架期预测模型的实验值与品质变化动力学模型得到的预测值的比较。预测值与实测值的相对误差都均低于10%。
表3带鱼在283K贮藏下货架期的预测值和实测值
上述验证结果显示,应用本研究建立的带鱼动力学模型和货架期预测模型,可以快速、可靠地实时预测268K~293K贮藏条件下带鱼的货架寿命。
4结论
实验结果表明,带鱼的菌落总数、挥发性盐基氮(TVBN)值随着贮藏时间的延长而增加,其感官品质随着贮藏时间的延长而变低劣。贮藏温度越高各项指标变化越快,且符合一级反应变化规律,货架期也越短。菌落总数、挥发性盐基氮(TVBN)值指标用Arrhenius方程描述,有很高的拟和精度。根据这种预测鲜带鱼品质动态变化的方法,可以准确地对鲜带鱼的食用安全性进行判别和并可用于实时预测其品质的动态变化。
Claims (5)
1.一种预测鲜带鱼品质变化的方法,其特征在于:对不同贮藏温度情况下鲜带鱼的菌落总数、挥发性盐基氮(TVBN)、感官变化情况进行研究,建立品质变化动力学模型。步骤如下:
1)对新鲜带鱼清洗。将清洗后的带鱼去头去尾并且切块。
2)将切块后的带鱼,立即密封包装,冷藏。定期取样进行菌落总数、挥发性盐基氮(TVBN)值的测定,并进行感官评定。
3)确立菌落总数、挥发性盐基氮(TVBN)值随贮藏温度变化的动力学模型型式。
4)反应速率常数分析。
5)建立菌落总数、挥发性盐基氮(TVBN)值变化的动力学模型。
6)以上述品质变化动力学模型为依据,选择货架期终点的品质判定值,进行货架期预测,验证模型准确性。
2.如权利要求1所述的一种预测鲜带鱼品质变化的方法,其特征在于:将鲜带鱼放入碎冰中,用冰水清洗。将清洗后的带鱼去头去尾并且切块,每块约重30g。
3.如权利要求1所述的一种预测鲜带鱼品质变化的方法,其特征在于:带鱼样品分别在268K、273K、278K、283K、293K下贮藏。
4.如权利要求1所述的一种预测鲜带鱼品质变化的方法,其特征在于:用一级化学反应动力学模型对不同贮藏温度下的菌落总数、挥发性盐基氮(TVBN)值进行回归分析为佳。
5.如权利要求1所述的一种预测鲜带鱼品质变化的方法,其特征在于:可以通过确定带鱼的贮藏温度、初始菌落总数、挥发性盐基氮(TVBN)值及贮藏时间,获得在确定的贮藏温度条件下贮藏一定时间后带鱼的品质;另外,也可以在确定了带鱼的贮藏温度、初始菌落总数、挥发性盐基氮(TVBN)值及终点鲜度品质控制值后,获得在一定的贮藏温度条件下带鱼的可贮藏时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100425379A CN101349686B (zh) | 2008-09-05 | 2008-09-05 | 一种预测鲜带鱼品质变化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100425379A CN101349686B (zh) | 2008-09-05 | 2008-09-05 | 一种预测鲜带鱼品质变化的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101349686A true CN101349686A (zh) | 2009-01-21 |
CN101349686B CN101349686B (zh) | 2012-08-01 |
Family
ID=40268550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100425379A Expired - Fee Related CN101349686B (zh) | 2008-09-05 | 2008-09-05 | 一种预测鲜带鱼品质变化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101349686B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101825594A (zh) * | 2010-05-18 | 2010-09-08 | 中国农业大学 | 一种快速无损伤检测淡水鱼鲜度的方法 |
CN101949870A (zh) * | 2010-08-06 | 2011-01-19 | 中国水产科学研究院东海水产研究所 | 一种冷藏鲤鱼鲜度品质预测方法 |
CN102650632A (zh) * | 2012-05-24 | 2012-08-29 | 上海海洋大学 | 一种应用于波动温度下评价冷却猪肉货架期的方法 |
CN103728295A (zh) * | 2013-12-23 | 2014-04-16 | 上海海洋大学 | 金枪鱼生鱼片品质快速检测方法 |
CN104792950A (zh) * | 2015-05-12 | 2015-07-22 | 上海海洋大学 | 一种预测金枪鱼货架期的模型 |
CN108593861A (zh) * | 2018-04-08 | 2018-09-28 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种预测淡水鱼货架期的方法 |
-
2008
- 2008-09-05 CN CN2008100425379A patent/CN101349686B/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101825594A (zh) * | 2010-05-18 | 2010-09-08 | 中国农业大学 | 一种快速无损伤检测淡水鱼鲜度的方法 |
CN101825594B (zh) * | 2010-05-18 | 2012-07-25 | 中国农业大学 | 一种快速无损伤检测淡水鱼鲜度的方法 |
CN101949870A (zh) * | 2010-08-06 | 2011-01-19 | 中国水产科学研究院东海水产研究所 | 一种冷藏鲤鱼鲜度品质预测方法 |
CN101949870B (zh) * | 2010-08-06 | 2012-07-18 | 中国水产科学研究院东海水产研究所 | 一种冷藏鲤鱼鲜度品质预测方法 |
CN102650632A (zh) * | 2012-05-24 | 2012-08-29 | 上海海洋大学 | 一种应用于波动温度下评价冷却猪肉货架期的方法 |
CN102650632B (zh) * | 2012-05-24 | 2014-06-25 | 上海海洋大学 | 一种应用于波动温度下评价冷却猪肉货架期的方法 |
CN103728295A (zh) * | 2013-12-23 | 2014-04-16 | 上海海洋大学 | 金枪鱼生鱼片品质快速检测方法 |
CN104792950A (zh) * | 2015-05-12 | 2015-07-22 | 上海海洋大学 | 一种预测金枪鱼货架期的模型 |
CN108593861A (zh) * | 2018-04-08 | 2018-09-28 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种预测淡水鱼货架期的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101349686B (zh) | 2012-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101349686B (zh) | 一种预测鲜带鱼品质变化的方法 | |
Monin | Recent methods for predicting quality of whole meat | |
Gökoğlu et al. | Determination of the shelf life of marinated sardine (Sardina pilchardus) stored at 4 C | |
Esaiassen et al. | Effects of catching methods on quality changes during storage of cod (Gadus morhua) | |
CN101358958B (zh) | 带鱼的货架期预测模型 | |
Zhang et al. | Models of Pseudomonas growth kinetics and shelf life in chilled longissimus dorsi muscles of beef | |
CN103424374A (zh) | 一种近红外光谱技术快速检测带鱼新鲜度的方法 | |
CN101539561A (zh) | 一种预测冷藏链中南美白对虾贮藏品质变化的方法 | |
CN101576553A (zh) | 冷却猪肉的货架期预测模型 | |
CN105116117A (zh) | 虾类冷藏期间鲜度评估方法 | |
CN104200068A (zh) | 一种用tba建立河鲫鱼货架期预测模型的方法 | |
CN104297440A (zh) | 一种预测河鲫鱼货架期的方法 | |
CN101539562A (zh) | 一种预测生鲜鲳鱼品质变化的方法 | |
CN101539560A (zh) | 一种预测鲜鲳鱼货架期的方法 | |
Tryggvason et al. | Effects of food container depth on the quality and yield of superchilled and iced Atlantic salmon | |
CN101949870B (zh) | 一种冷藏鲤鱼鲜度品质预测方法 | |
Zhang et al. | Evaluation of multi blade shear (MBS) for determining texture of raw and cooked broiler breast fillets with the woody breast myopathy | |
CN106093324A (zh) | 一种精准预测速冻莲藕片品质变化的方法 | |
CN101358957B (zh) | 鱼糜制品的货架期预测模型 | |
Taylor et al. | SmartStretch™ technology VI. The impact of SmartStretch™ technology on the meat quality of hot-boned beef striploin (m. longissimus lumborum) | |
CN110208426A (zh) | 一种基于生物胺的猪肉新鲜度评价方法 | |
Szałkowska et al. | Collagen profile and tenderness of strip loin and silverside originated from Polish Holstein-Friesian bulls of the black and white variety | |
Stahl et al. | An essential part of the FRISBEE software tool: Identification and validation of models quantifying the impact of the cold chain on RTE pork products | |
CN109055478A (zh) | 一种通过量纲规划模型预测食品微生物的方法 | |
CN108593861A (zh) | 一种预测淡水鱼货架期的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120801 |
|
CF01 | Termination of patent right due to non-payment of annual fee |