CN101363831A - 一种淡水鱼肉制品的货架期预测方法 - Google Patents
一种淡水鱼肉制品的货架期预测方法 Download PDFInfo
- Publication number
- CN101363831A CN101363831A CNA2008100414976A CN200810041497A CN101363831A CN 101363831 A CN101363831 A CN 101363831A CN A2008100414976 A CNA2008100414976 A CN A2008100414976A CN 200810041497 A CN200810041497 A CN 200810041497A CN 101363831 A CN101363831 A CN 101363831A
- Authority
- CN
- China
- Prior art keywords
- shelf life
- value
- meat products
- fresh
- under
- 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
- 239000013505 freshwater Substances 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 14
- 235000013332 fish product Nutrition 0.000 title 1
- 241000251468 Actinopterygii Species 0.000 claims abstract description 36
- 235000013622 meat product Nutrition 0.000 claims abstract description 25
- 210000000697 sensory organ Anatomy 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 abstract 1
- 235000019465 surimi Nutrition 0.000 description 28
- RVBUGGBMJDPOST-UHFFFAOYSA-N 2-thiobarbituric acid Chemical compound O=C1CC(=O)NC(=S)N1 RVBUGGBMJDPOST-UHFFFAOYSA-N 0.000 description 20
- 238000003860 storage Methods 0.000 description 17
- 235000013305 food Nutrition 0.000 description 9
- 235000013372 meat Nutrition 0.000 description 6
- 230000003647 oxidation Effects 0.000 description 5
- 238000007254 oxidation reaction Methods 0.000 description 5
- 241000252234 Hypophthalmichthys nobilis Species 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 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
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 235000021122 unsaturated fatty acids Nutrition 0.000 description 1
- 150000004670 unsaturated fatty acids Chemical class 0.000 description 1
Images
Landscapes
- Meat, Egg Or Seafood Products (AREA)
Abstract
一种淡水鱼肉制品的货架期预测方法,本发明在对不同贮藏温度情况下淡水鱼肉制品的菌落总数及TVB-N值、TBA值、感官变化情况进行研究,根据各指标建立淡水鱼肉制品品质变化动力学模型,并建立货架期预测模型,有利于准确的对淡水鱼肉制品的食用安全性进行判别和货架期的预测。
Description
技术领域
本发明涉及货架期预测方法,尤其涉及一种淡水鱼肉制品的货架期预测方法。
背景技术
近年来,我国淡水鱼生产得到长足发展,产值也持续增长。随之而来的淡水鱼食品质量安全问题也屡屡出现。随着人们对食品质量安全要求的提高,淡水鱼肉制品货架期的研究对肉加工产业有着非常重要的意义。
淡水鱼肉制品的货架期主要与贮藏条件和产品的初始质量有关。在食品加工和贮藏过程中,食品的各种组分和营养成分会随着贮藏温度和湿度等贮藏条件的变化而出现不同程度的损失。可以采用动力学模型反映食品各组分在不同温度和湿度条件下的损失速率,为优化加工和贮藏的工艺提供理论基础。判定其货架期的指标可以有感官指标、微生物指标、TVB-N值和TBA值等,其中TVB-N值和TBA值分别反映蛋白质的降解程度和脂肪的氧化程度,以这4个指标作为货架期的判定依据也值得研究。
发明内容
一种淡水鱼肉制品的货架期预测方法,本发明在对不同贮藏温度情况下淡水鱼肉制品的菌落总数及TVB-N值、TBA值、感官变化情况进行研究,根据各指标建立淡水鱼肉制品品质变化动力学模型,并建立的货架期预测模型,有利于准确的对淡水鱼肉制品的食用安全性进行判别和货架期的预测。
本发明的测定步骤按照以下过程进行:
1)对不同贮藏温度情况下淡水鱼肉制品的菌落总数及TVB-N值、TBA值、感官变化情况进行测定。其中,贮藏温度分别取5℃、10℃、15℃、20℃为佳。
2)建立TVB-N值、菌落总数、TBA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。分别选取不同贮藏温度下菌落总数及TVB-N值、TBA值、感官变化所对应的4个货架期数值中的最小值作为该贮藏温度下的货架期,得到各贮藏温度下的货架期。从而进行回归分析,得到货架期预测模型。
4)货架期预测模型的验证和评价。将淡水鱼肉制品贮藏在特定温度下,用货架期实测值验证该模型。将淡水鱼肉制品的货架期的实验值与货架期预测模型得到的预测值的比较,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TVBN值的变化;
图2为不同贮藏温度下菌落总数的变化;
图3为不同贮藏温度下TBA值的变化;
图4为不同贮藏温度下感官品质的变化;
图5为货架期预测模型。
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
活鲢鱼 购于上海杨浦区菜市场
1.2 方案设计
1.2.1 将活鲢鱼经如下操作制作成鱼糜:
鲢鱼→原料处理→采肉→漂洗→斩拌→添加配料→擂溃→成型→加热→冷却
1.2.2 鱼糜样品制成后,立即密封包装,并分别于5℃、10℃、15℃、20℃下贮藏,定期取样进行菌落总数、TVB-N、TBA的测定,并进行感官评定。以最能反映鱼糜制品品质变化的评定指标确定鱼糜制品的货架期终点。
1.3 指标测定
1.3.1TVB-N(挥发性盐基氮)值测定
按照GB 5009.44—1996操作。
1.3.2 菌落总数测定
按照GB 4789.2—1984操作。
1.3.3 TBA(硫代巴比妥酸)值测定
按照GB 5538—2005操作。
1.3.4 感官评定
将鱼糜样品进行滋味和肉质弹性的感官评定,并根据SC/T 3701—2003中的感官评价标准进行评分,见表1。
表1 鱼糜制品的感官评价标准
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
2.1 TVB-N值分析
不同贮藏温度下TVB-N值的变化见附图1。随着贮藏时间的延长,鱼糜制品的TVB-N值在不断升高。贮藏温度越高鱼糜制品的TVB-N值变化越快。当贮藏时间分别为24h、48h、72h、168h时,各样品均接近感官货架终点,TVB-N值均在2.50附近。直至鱼糜制品的感官品质不可接受时,各贮藏温度下样品的TVB-N值依然没有超过3.5。
2.1 菌落总数分析
不同贮藏温度下菌落总数的变化见附图2。鱼糜制品的品质变化主要是由于微生物生长引起的。实验数据表明,贮藏温度越高,微生物生长速率越快。随着贮藏时间的延长,各贮藏温度下鱼糜的菌落总数增长迅速。GB 10132—2005鱼糜制品的卫生标准中规定鱼糜制品中菌落总数不得高于50000个。20℃情况下,36h菌落总数达到53000个,超过鱼糜制品的卫生指标。15℃、10℃和5℃情况下,分别为48h、84h和156h达到鱼糜制品的卫生标准。这与其感官品质预期的货架期终点相接近。说明微生物的生长确实是鱼糜制品品质下降的重要影响因素。
2.3 TBA值分析
不同贮藏温度下TBA值的变化见附图3。鱼糜制品中的脂肪含量占3%~5%,且其中的不饱和脂肪酸含量较高。实验数据表明贮藏温度和贮藏时间对其氧化程度有重要影响。温度高时,脂肪氧化迅速。贮藏时间延长,其氧化速率呈增加趋势。TBA的变化趋势与鱼糜制品的贮藏品质变化基本吻合,说明鱼糜制品中脂肪的氧化同样会导致其品质下降。各样品达到感官货架终点时,TBA贮藏时间分别为36h、48h、72h、132h。
2.4 感官评定结果分析
不同贮藏温度下感官品质的变化见附图4。温度高的情况下,鱼糜制品的感官品质变化迅速。贮藏后期,鱼糜制品的感官品质迅速下降。以6分为鱼糜制品感官可接受的标准,根据感官评价,可判定20℃、15℃、10℃、5℃的贮藏条件下,鱼糜制品的货架期分别为36h、60h、96h和156h。
3 货架期模型建立
3.1 鱼糜制品品质变化动力学模型
建立TVB-N值、菌落总数、TBA值随贮藏温度变化的动力学模型,可以为预测和控制鱼糜制品的品质提供可靠的理论依据。Labuza指出,在食品加工和贮存过程中,大多数与食品质量有关的品质变化都遵循0级或1级模式。而微生物生长及氧化还原反应引起的食品质量变化遵循1级反应模式。
用一级化学反应动力学模型对不同贮藏温度下TVB-N值、菌落总数和TBA值进行回归分析,相关参数见表2。回归方程表达式为:
其中N为数据值,N0为初始值,kn为反应速率常数,t为贮藏时间。
表2 鱼糜贮藏动力学参数
所有方程的R2值均大于0.9,表明方程相关性显著。
3.2 反应速率常数分析
温度对反应速率常数影响的数学模型可根据Arrhenius方程进行分析。Arrhenius方程的表达式为:
其中k0为指前因子,常数;E为反应活化能;R为通用气体常数,8.314J/mol。上式可转化如下:
lnk对1/T作图可得到一直线,由直线斜率可求出反应活化能E,由截距可求出指前因子k0。
TVB-N的回归结果为:
菌落总数的回归结果为:
TBA的回归结果为:
所有方程的R2值均大于0.9,表明方程相关性显著。各参数活化能分别为82197J/mol、90550J/mol、53411J/mol。该动力学模型很好的模拟鱼糜制品的品质下降过程,可为鱼糜制品货架寿命的预测和控制提供可靠的理论依据。
3.3 货架期预测模型
不同温度下各指标的货架期及平均货架期见表3。分别选取不同贮藏温度下菌落总数及TVB-N值、TBA值、感官变化所对应的4个货架期数值中的最小值作为该贮藏温度下的货架期,得到各贮藏温度下的货架期。从而进行回归分析,得到货架期预测模型。
表3 各指标货架期及货架期的确定
根据制品货架期建立鱼糜制品的货架期预测模型见附图5。
货架期预测模型的回归结果为:
y=228.63e-0.1104x(R2=0.991)
式中y为鱼糜制品的预测货架期,x为鱼糜制品的贮藏温度。
3.4货架期预测模型的验证和评价
将鱼糜制品贮藏在8℃和16℃的条件下,用货架期实测值验证该模型。表4为8℃和16℃条件下,鱼糜制品的货架期的实验值与货架期预测模型得到的预测值的比较。预测值和实测值的相对误差分别为3.4%和1.2%。
上述验证结果显示,应用本研究建立的鱼糜制品动力学模型和货架期预测模型,可以快速可靠地实时预测5℃~20℃贮藏鱼糜制品的货架寿命。
4 结论
实验结果表明,鱼糜的菌落总数、TVB-N值、TBA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。货架期随着贮藏时间的延长而变短,贮藏温度越高各项指标变化越快,且符合1级反应变化规律。菌落总数、TVB-N值、TBA值指标用Arrhenius方程描述,有很高的拟和精度。根据建立的货架期模型,可以准确的对鱼糜制品的食用安全性进行判别和货架期的预测。
Claims (4)
1.一种淡水鱼肉制品的货架期预测方法,其特征在于:在对不同贮藏温度情况下淡水鱼肉制品的菌落总数及TVB-N值、TBA值、感官变化情况进行研究,根据各指标建立淡水鱼肉制品品质变化动力学模型,并建立货架期预测模型。具体方法如下:
1)对不同贮藏温度情况下淡水鱼肉制品的菌落总数及TVB-N值、TBA值、感官变化情况进行测定。
2)建立TVB-N值、菌落总数、TBA值随贮藏温度变化的动力学模型。
3)建立的货架期预测模型。根据不同贮藏温度下菌落总数及TVB-N值、TBA值、感官变化所对应的货架期数值,得到各贮藏温度下的货架期。从而进行回归分析,得到货架期预测模型。
4)货架期预测模型的验证和评价。将淡水鱼肉制品贮藏在特定温度下,用货架期实测值验证该模型。将淡水鱼肉制品的货架期的实验值与货架期预测模型得到的预测值的比较,计算预测值和实测值的相对误差。
2.如权利要求1所述的一种淡水鱼肉制品的货架期预测方法,其特征在于:淡水鱼肉制品贮藏温度分别取5℃、10℃、15℃、20℃为佳。
3.如权利要求1所述的一种淡水鱼肉制品的货架期预测方法,其特征在于:动力学模型选择一级化学反应动力学模型为佳。
4.如权利要求1所述的一种淡水鱼肉制品的货架期预测方法,其特征在于:分别选取不同贮藏温度下菌落总数及TVB-N值、TBA值、感官变化所对应的4个货架期数值中的最小值作为该贮藏温度下的货架期,得到各贮藏温度下的货架期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100414976A CN101363831B (zh) | 2008-08-07 | 2008-08-07 | 一种淡水鱼肉制品的货架期预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100414976A CN101363831B (zh) | 2008-08-07 | 2008-08-07 | 一种淡水鱼肉制品的货架期预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101363831A true CN101363831A (zh) | 2009-02-11 |
CN101363831B CN101363831B (zh) | 2012-07-04 |
Family
ID=40390314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100414976A Expired - Fee Related CN101363831B (zh) | 2008-08-07 | 2008-08-07 | 一种淡水鱼肉制品的货架期预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101363831B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102207460A (zh) * | 2010-03-30 | 2011-10-05 | 光明乳业股份有限公司 | 一种超高温灭菌乳货架期的测定方法 |
CN102680655A (zh) * | 2012-05-15 | 2012-09-19 | 中国农业大学 | 一种番茄制品的货架期预测方法 |
CN102707022A (zh) * | 2012-05-25 | 2012-10-03 | 中国农业大学 | 一种浆果制品货架期的预测方法 |
CN102707021A (zh) * | 2012-05-25 | 2012-10-03 | 中国农业大学 | 一种果蔬制品的货架期预测方法 |
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 |
CN104749329A (zh) * | 2015-04-13 | 2015-07-01 | 天津商业大学 | 果蔬剩余货架期的计算方法 |
CN106557810A (zh) * | 2016-11-16 | 2017-04-05 | 上海应用技术大学 | 一种鸡精货架期的bp神经网络预测模型建立方法 |
CN106650291A (zh) * | 2017-01-03 | 2017-05-10 | 上海海洋大学 | 一种预测三文鱼货架期的模型 |
CN112098596A (zh) * | 2020-07-21 | 2020-12-18 | 黄山美行美食品科技股份有限公司 | 自热食品货架期预测方法、装置、计算机设备和存储介质 |
CN114113505A (zh) * | 2021-11-18 | 2022-03-01 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种基于呼吸频率的活鱼肌肉品质预测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439471A (zh) * | 2013-08-19 | 2013-12-11 | 华南理工大学 | 一种基于冷冻-解冻循环的淡水鱼片新鲜度检测方法 |
-
2008
- 2008-08-07 CN CN2008100414976A patent/CN101363831B/zh not_active Expired - Fee Related
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102207460A (zh) * | 2010-03-30 | 2011-10-05 | 光明乳业股份有限公司 | 一种超高温灭菌乳货架期的测定方法 |
CN102207460B (zh) * | 2010-03-30 | 2012-10-03 | 光明乳业股份有限公司 | 一种超高温灭菌乳货架期的测定方法 |
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 |
CN102680655A (zh) * | 2012-05-15 | 2012-09-19 | 中国农业大学 | 一种番茄制品的货架期预测方法 |
CN102707021A (zh) * | 2012-05-25 | 2012-10-03 | 中国农业大学 | 一种果蔬制品的货架期预测方法 |
CN102707022A (zh) * | 2012-05-25 | 2012-10-03 | 中国农业大学 | 一种浆果制品货架期的预测方法 |
CN102707021B (zh) * | 2012-05-25 | 2015-07-01 | 中国农业大学 | 一种果蔬制品的货架期预测方法 |
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 |
CN104749329A (zh) * | 2015-04-13 | 2015-07-01 | 天津商业大学 | 果蔬剩余货架期的计算方法 |
CN106557810A (zh) * | 2016-11-16 | 2017-04-05 | 上海应用技术大学 | 一种鸡精货架期的bp神经网络预测模型建立方法 |
CN106650291A (zh) * | 2017-01-03 | 2017-05-10 | 上海海洋大学 | 一种预测三文鱼货架期的模型 |
CN112098596A (zh) * | 2020-07-21 | 2020-12-18 | 黄山美行美食品科技股份有限公司 | 自热食品货架期预测方法、装置、计算机设备和存储介质 |
CN114113505A (zh) * | 2021-11-18 | 2022-03-01 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种基于呼吸频率的活鱼肌肉品质预测方法 |
CN114113505B (zh) * | 2021-11-18 | 2024-01-02 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种基于呼吸频率的活鱼肌肉品质预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101363831B (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101363831B (zh) | 一种淡水鱼肉制品的货架期预测方法 | |
CN106324011B (zh) | 一种确定调理水产品低温货架期的鲜度联合检测方法 | |
CN108399467A (zh) | 一种预测酱鸭货架期的方法 | |
CN104200068A (zh) | 一种用tba建立河鲫鱼货架期预测模型的方法 | |
Imran et al. | Characterization of quality degradation during chilled shrimp (Litopenaeus vannamei) supply chain | |
CN101539561A (zh) | 一种预测冷藏链中南美白对虾贮藏品质变化的方法 | |
CN101349686B (zh) | 一种预测鲜带鱼品质变化的方法 | |
CN102715380A (zh) | 一种利用体外消化法快速测定玉米家禽代谢能的方法 | |
CN104597217A (zh) | 一种基于成熟规律的水果成熟度评价方法 | |
Cimini et al. | Reducing the cooking water‐to‐dried pasta ratio and environmental impact of pasta cooking | |
CN101358957B (zh) | 鱼糜制品的货架期预测模型 | |
CN104297440A (zh) | 一种预测河鲫鱼货架期的方法 | |
JP4650828B2 (ja) | 食用油の劣化程度の評価方法、および食用油の劣化程度評価装置 | |
WO2016038039A1 (en) | Controlling a cooking process of food | |
CN103499674B (zh) | 一种利用酸价对烤鸭货架期进行预测的模型及其建立方法 | |
CN101949870B (zh) | 一种冷藏鲤鱼鲜度品质预测方法 | |
CN104964968B (zh) | 一种用于鲜食葡萄品质感知的微生物型时间温度指示器 | |
CN101539560A (zh) | 一种预测鲜鲳鱼货架期的方法 | |
CN102967646B (zh) | 南极磷虾中氟离子含量的快速检测方法 | |
CN103583468B (zh) | 一种通过理化指标快速评定玉米ddgs家禽代谢能的方法 | |
CN106093324A (zh) | 一种精准预测速冻莲藕片品质变化的方法 | |
Kim et al. | Package headspace composition changes of chill‐stored perishable foods in relation to microbial spoilage | |
Owens et al. | Poultry meat tenderness | |
CN111999345A (zh) | 一种基于电导率的检测鱼类新鲜度的方法 | |
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 |
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: 20120704 |