CN101358958B - 带鱼的货架期预测模型 - Google Patents
带鱼的货架期预测模型 Download PDFInfo
- Publication number
- CN101358958B CN101358958B CN2008100425398A CN200810042539A CN101358958B CN 101358958 B CN101358958 B CN 101358958B CN 2008100425398 A CN2008100425398 A CN 2008100425398A CN 200810042539 A CN200810042539 A CN 200810042539A CN 101358958 B CN101358958 B CN 101358958B
- Authority
- CN
- China
- Prior art keywords
- hairtail
- shelf life
- model
- value
- forecasting model
- 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.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
技术领域
本发明涉及一种预测带鱼货架期的方法。
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。
鲜度指标(K)值是一种很好评价鱼类新鲜度的指标,生化反应与微生物腐败作用与K值的变化有着极强的相关性,并且K值受到鱼种类和贮藏温度因素的影响。在鲜鱼早期贮藏过程中ATP受到鱼体内酶的作用而发生降解。ATP分解过程中,以HxR+Hx的量对ATP关联物总量的比值,即为K值。K越小表示鲜度越好,K值越大则鲜度越差。在鲜带鱼的低温贮藏过程中,其鲜度指标(K)值会发生变化。通过对生鲜带鱼在低温贮藏过程中K值品质变化的动力学特性进行研究,建立鲜带鱼的K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货架期进行预测。
附图说明
图1为不同贮藏温度下生鲜带鱼K值变化。
发明内容
带鱼货架期的预测模型,本发明对新鲜带鱼在不同贮藏温度条件下的鲜度指标(K)值变化进行研究,根据鲜度指标(K)值建立带鱼品质变化动力学模型,并进一步建立了货架期预测模型,为监测和控制生鲜带鱼货架期提供理论依据。
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条件下的生鲜带鱼的鲜度指标(K)值,感官品质变化进行测定。
2)建立带鱼的鲜度指标(K)值随贮藏温度变化的动力学模型。模型选择一级化学反应动力学模型为佳。
3)建立的货架期预测模型。将在不同贮藏温度下获得的鲜度指标(K)值进行动力学模型回归后,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,在高温(1/T)下借助货架期加速实验获得数据,然后用外推法求得货架寿命的切分点。根据Q10公式,可以进行不同温度货架寿命的预测。
4)货架期预测模型的验证和评价。将带鱼贮藏在特定温度条件下,用货架期实测值验证该模型。将带鱼货架期的实验值与货架期预测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。
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鲜度指标(K)值测定
1.3.1腺苷三磷酸(ATP)关联物的提取
分别取贮藏在268K、273K、278K、283K、293K条件下的带鱼样品,取匀浆后的带鱼肉4g,加入15ml预先冷却的10%高氯酸(PCA)溶液进行抽提,悬浮于5000r/min离心10min,收集上清液。所得沉淀再用5%PCA溶液抽提和离心。合并两次上清液,用1mol/L KOH溶液将其中和至pH6.5~6.8,定容至50ml,然后后通过孔径为0.45μm的滤膜过滤。提取在4℃冰浴条件下进行,滤液在-22℃下保存,供测定用。
1.3.2腺苷三磷酸(ATP)关联物的测定
高效液相色谱仪:Shimadazu LC-10AD,色谱柱:OD-2(150×4.66mm,Shinwa ChemicalIndustries),流动相:0.05mol/L,检测波长:254nm,进样量20μM1。外标法定量。
13.3鲜度指标(K)值计算
式中:ATP,ADP,AMP,IMP,HxR,Hx分别为腺苷三磷酸、腺苷二磷酸、腺苷酸、肌苷酸、肌苷(次黄嘌呤核苷)和次黄嘌呤的浓度,以μmol/g湿重表示。
1.4数据分析
应用SAS软件和Excel软件进行数据分析。
2结果与分析
不同贮藏温度下带鱼鲜度指标(K)值的变化见图1。通过图1,可以看出随着天数的增加,K值呈上升趋势。贮藏在293K下的带鱼的K值变化最为显著,贮藏第三天时K值已为82.62%,贮藏在268K下的带鱼K值变化幅度最小,当贮藏6天后,K值为37.98%。而贮藏在273K、278K和283K下的带鱼的K值是随着贮藏时间的延长而增加,且随着温度的升高而增加迅速。一般认为即杀鱼的K值在10%以下,作为生鱼片的新鲜鱼K值大约在20%以下,20%~40%为二级鲜度,60%~80%为初期腐败鱼。故当K≥40%时,即表示到达了带鱼货架期终点。
3货架期模型建立
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K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K值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反应速率常数分析
在268K、273K、278K、283K、293K贮藏条件下可分别得到带鱼的鲜度指标(K)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:
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。Arrhenius关系式的主要价值在于:可以在高温(1/T)下借助货架期加速实验获得数据,然后用外推法求得在较低温度下的货架寿命。
K值的回归结果为:
鲜度指标(K)值活化能为4.126×104J/mol。该动力学模型很好地模拟了带鱼品质下降过程,可为带鱼货架期的预测和控制提供可靠的理论依据。
通过以上K值品质变化的回归方程和得到的反应速率常数得到带鱼的K值动力学模型: 其中:
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动力学模型,当确定了带鱼的贮藏温度、带鱼的初始鲜度品质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可贮藏时间。另外,也可以通过确定带鱼的贮藏温度、带鱼初始鲜度品质值及贮藏时间,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。
3.3货架期预测模型
对Arrhenius方程式进行微分然后从T1到T2积分,得到T1、T2温度段相对应的EA1、EA2与温度反应速度常数的关系:
式中:k1、k2对应T1、T2温度下的速度常数。由回归计算得出EA1、EA2,其中,EA1表示T1段的活化能,EA2表示T2段的活化能。由此可获得Q10模型:
式中:Q10为温度相差10K的两个货架寿命的比值;θs为货架寿命,天。
通过Q10模型可预测不同温度段(268K~278K)、(273K~283K)和(283K~293K)内各温度点的带鱼货架期: 其中:T0>T。
利用求得的反应速率常数k,可求得EA1(268K~278K)、EA2(273K~273K)和EA3(283K~293K),将其代入Q10公式获得Q10(268K~278K)、Q10(273K~273K)和Q10(283K~293K),具体结果见表3
表3带鱼在三个温度段上活化能EA和Q10的计算值
将40%设为切分点,通过得到的K值动力学模型可获得不同贮藏温度相对应的货架寿命终点值,具体见表4。
表4各温度下带鱼通过K值动力学模型获得的货架寿命
注:A-K值品质测定值,t-贮藏时间
由此得到,283K~293K温度段内带鱼架期预测模型为:
273K~283K温度段内带鱼架期预测模型为:
268K~278K温度段内带鱼架期预测模型为:
式中:T为贮藏温度,K;QS(T)为货架寿命,天。
3.4货架期预测模型的验证和评价
将带鱼贮藏在273K和283K的条件下,用货架期实测值验证该模型。表4为273K和283K条件下,带鱼货架期的实验值与货架期预测模型得到的预测值的比较。可见,预测值和实测值的相对误差可以控制在5%之内。
表4带鱼不同贮藏温度下K值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,带鱼的鲜度指标(K)值随着贮藏时间的延长而增加。贮藏温度越高鲜度指标(K)值变化越快,且符合一级反应变化规律,货架期也越短。得到的鲜度指标(K)值用Arrhenius方程描述,有很高的拟和精度。根据建立的货架期模型,可以准确地对鲜带鱼的食用安全性进行判别,并快速、准确地预测货架期。
Claims (4)
1.带鱼的货架期预测模型,其特征在于:对不同贮藏温度情况下带鱼的鲜度指标(K)值变化情况进行研究,建立货架期预测模型,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,定期取样进行鲜度指标(K)值的测定,并进行感官评定;
5)以鲜度指标(K)值作为判定依据得到的货架期,建立货架期预测模型;
6)货架期预测模型的验证和评价。
2.如权利要求1所述的带鱼的货架期预测模型,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,每块重30g。
3.如权利要求1所述的带鱼的货架期预测模型,其特征在于:带鱼样品分别在268K、273K、278K、288K、293K下贮藏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100425398A CN101358958B (zh) | 2008-09-05 | 2008-09-05 | 带鱼的货架期预测模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100425398A CN101358958B (zh) | 2008-09-05 | 2008-09-05 | 带鱼的货架期预测模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101358958A CN101358958A (zh) | 2009-02-04 |
CN101358958B true CN101358958B (zh) | 2012-11-14 |
Family
ID=40331463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100425398A Active CN101358958B (zh) | 2008-09-05 | 2008-09-05 | 带鱼的货架期预测模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101358958B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297440A (zh) * | 2014-08-12 | 2015-01-21 | 上海海洋大学 | 一种预测河鲫鱼货架期的方法 |
WO2015122864A1 (en) | 2014-02-12 | 2015-08-20 | Aromsa Besi̇n Aroma Ve Katki Maddeleri̇ Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | Accelerated shelf life calculation method |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102096732B (zh) * | 2011-01-07 | 2013-01-23 | 山东理工大学 | 果蔬呼吸速率建模的方法 |
CN104713921B (zh) * | 2013-12-11 | 2018-11-16 | 江南大学 | 一种预测油脂货架期的方法 |
CN104122308A (zh) * | 2014-07-15 | 2014-10-29 | 浙江工商大学 | 基于电子舌检测的差别度计算方法及茶叶品质鉴别方法 |
CN104200068A (zh) * | 2014-08-12 | 2014-12-10 | 上海海洋大学 | 一种用tba建立河鲫鱼货架期预测模型的方法 |
CN104792950B (zh) * | 2015-05-12 | 2016-07-27 | 上海海洋大学 | 一种预测金枪鱼货架期的模型 |
CN106672438B (zh) * | 2016-11-20 | 2018-08-28 | 上海海洋大学 | 一种监测评估冷链物流过程中冰鲜水产品品质的方法 |
JP2021139894A (ja) * | 2020-03-05 | 2021-09-16 | 国立研究開発法人産業技術総合研究所 | 食用動物の鮮度・熟成度評価装置、及び、鮮度・熟成度評価方法 |
-
2008
- 2008-09-05 CN CN2008100425398A patent/CN101358958B/zh active Active
Non-Patent Citations (3)
Title |
---|
许钟等.波动温度下罗非鱼特定腐败菌生长动力学模型和货架期预测.《微生物学报》.2005,第45卷(第5期),798-801. * |
许钟等.罗非鱼特定腐败菌生长动力学模型和货架期预测.《水产学报》.2005,第29卷(第4期),540-546. * |
邵伟等.预测微生物学在冷鲜肉货架期预测中的应用.《肉类工业》.2006,(第11期),25-26. * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015122864A1 (en) | 2014-02-12 | 2015-08-20 | Aromsa Besi̇n Aroma Ve Katki Maddeleri̇ Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | Accelerated shelf life calculation method |
CN104297440A (zh) * | 2014-08-12 | 2015-01-21 | 上海海洋大学 | 一种预测河鲫鱼货架期的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101358958A (zh) | 2009-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101358958B (zh) | 带鱼的货架期预测模型 | |
CN103105449B (zh) | 一种基于特征香味物质评价卷烟制丝加料均匀性的方法 | |
Hubbard et al. | Seasonal patterns in soil surface CO 2 flux under snow cover in 50 and 300 year old subalpine forests | |
Chowdary et al. | Study of infiltration process under different experimental conditions | |
Grieve | A model of dissolved organic carbon concentrations in soil and stream waters | |
Meiqing et al. | Early diagnosis and monitoring of nitrogen nutrition stress in tomato leaves using electrical impedance spectroscopy | |
CN102879432A (zh) | 一种利用电子鼻检测罗非鱼新鲜度的方法 | |
CN101576553A (zh) | 冷却猪肉的货架期预测模型 | |
CN104655761A (zh) | 一种基于多光谱成像在线测定鱼肉新鲜度指标k值的方法 | |
CN104655810B (zh) | 一种预测冷贮冬枣品质变化的方法 | |
CN101539562A (zh) | 一种预测生鲜鲳鱼品质变化的方法 | |
CN104297440A (zh) | 一种预测河鲫鱼货架期的方法 | |
CN103675031B (zh) | 一种高通量细胞毒性检测方法 | |
Li et al. | A feasibility study of rapid nondestructive detection of total volatile basic nitrogen (TVB-N) content in beef based on airflow and laser ranging technique | |
CN109444199A (zh) | 利用低场核磁共振技术的冷藏牛肉新鲜度无损检测方法 | |
CN101349686B (zh) | 一种预测鲜带鱼品质变化的方法 | |
Vidaček et al. | Bioelectrical impedance analysis of frozen sea bass (Dicentrarchus labrax) | |
Dye et al. | Evaluation of the heat pulse velocity method for measuring sap flow in Pinus patula | |
CN101539561A (zh) | 一种预测冷藏链中南美白对虾贮藏品质变化的方法 | |
Liu et al. | Determination of moisture in chestnuts using near infrared spectroscopy | |
CN104730027B (zh) | 应用近红外光谱技术测定小麦条锈病菌夏孢子萌发率的方法 | |
CN105277611A (zh) | 一种用于快速确定超声波辅助腌制时牛肉盐分含量的模型及其应用 | |
CN106093324A (zh) | 一种精准预测速冻莲藕片品质变化的方法 | |
CN101539560A (zh) | 一种预测鲜鲳鱼货架期的方法 | |
CN105738423A (zh) | 块茎电阻成像的物场电导特性测试方法与建模 |
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 |