CN112345716A - 基于神经网络的冷鲜猪肉的货架期预测方法 - Google Patents
基于神经网络的冷鲜猪肉的货架期预测方法 Download PDFInfo
- Publication number
- CN112345716A CN112345716A CN202011100195.9A CN202011100195A CN112345716A CN 112345716 A CN112345716 A CN 112345716A CN 202011100195 A CN202011100195 A CN 202011100195A CN 112345716 A CN112345716 A CN 112345716A
- Authority
- CN
- China
- Prior art keywords
- fresh pork
- cold fresh
- storage
- shelf life
- predicted
- 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.)
- Pending
Links
- 235000015277 pork Nutrition 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 18
- 230000001580 bacterial effect Effects 0.000 claims abstract description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 86
- 229910052757 nitrogen Inorganic materials 0.000 claims description 43
- 239000007789 gas Substances 0.000 claims description 29
- 244000005700 microbiome Species 0.000 claims description 19
- 230000000813 microbial effect Effects 0.000 claims description 13
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 230000005526 G1 to G0 transition Effects 0.000 claims description 3
- 235000013372 meat Nutrition 0.000 description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 21
- 235000013305 food Nutrition 0.000 description 11
- 238000011160 research Methods 0.000 description 9
- 102000004169 proteins and genes Human genes 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 102000004190 Enzymes Human genes 0.000 description 5
- 108090000790 Enzymes Proteins 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000000306 component Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009448 modified atmosphere packaging Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 206010052904 Musculoskeletal stiffness Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035755 proliferation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 108010062374 Myoglobin Proteins 0.000 description 1
- 102000036675 Myoglobin Human genes 0.000 description 1
- 238000009456 active packaging Methods 0.000 description 1
- 241001148470 aerobic bacillus Species 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006911 enzymatic reaction Methods 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000005428 food component Substances 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000663 muscle cell Anatomy 0.000 description 1
- 210000003365 myofibril Anatomy 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 108010050846 oxymyoglobin Proteins 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 235000013594 poultry meat Nutrition 0.000 description 1
- 235000013613 poultry product Nutrition 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 238000009781 safety test method Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 235000021122 unsaturated fatty acids Nutrition 0.000 description 1
- 150000004670 unsaturated fatty acids Chemical class 0.000 description 1
- 238000009461 vacuum packaging Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/12—Meat; Fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Food Science & Technology (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Meat, Egg Or Seafood Products (AREA)
Abstract
本发明公开了一种基于神经网络的冷鲜猪肉的货架期预测方法，包括：构建冷鲜猪肉菌落总数预测初始模型；将输入样本输入到所述冷鲜猪肉菌落总数预测初始模型中进行训练，得到冷鲜猪肉菌落总数预测模型；将需要预测的冷鲜猪肉的初始菌落总数以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据输入到所述冷鲜猪肉菌落总数预测模型中，计算得到所述冷鲜猪肉的预测菌落总数；根据所述冷鲜猪肉的预测菌落总数计算其货架期，即得到所述冷鲜猪肉的预测货架期。本发明提供一种基于神经网络的冷鲜猪肉的货架期预测方法，根据冷鲜猪肉的贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间对冷鲜猪肉的货架期进行预测。
Description
技术领域
本发明涉及肉品质量预测领域。更具体地说，本发明涉及一种基于神经网络的冷鲜猪肉的货架期预测方法。
背景技术
目前，市售猪肉主要有冷鲜肉、热鲜肉和冷冻肉三种。冷鲜肉又称为冷却肉，在整个加工和物流运输过程中，此类猪肉始终处于0-4℃低温环境下。冷鲜猪肉因其美味的口感和高营养价值等优点，正逐步占据传统热鲜肉和冷冻肉的市场，消费比例逐渐增加。中商产业研究院《2016-2021年中国猪肉行业市场调研与投资机会研究报告》中指出，2005-2015年间，猪肉产量的年增长率为1.88％，其中冷鲜肉的增长速度最快，由2％增至20％，而热鲜肉则由89％降至60％，并预计冷鲜肉将会保持增长的趋势，成为未来生鲜猪肉生产和消费的主要发展方向。目前，大多数研究报道中猪肉货架期预测模型的建立均以腐败微生物预测模型为基础，进而预测食品货架期，却忽略了对其它品质指标的关注，使得研究存在一定的局限性。
发明内容
本发明的目的是提供一种基于神经网络的冷鲜猪肉的货架期预测方法，根据冷鲜猪肉的贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间对冷鲜猪肉的货架期进行预测。
为了实现根据本发明的这些目的和其它优点，提供了一种基于神经网络的冷鲜猪肉的货架期预测方法，包括：
采用神经网络模型构建冷鲜猪肉菌落总数预测初始模型；
获得多份冷鲜猪肉样品的初始菌落总数以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的菌落总数；
将冷鲜猪肉的初始菌落总数以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的菌落总数作为期望输出，输入到所述冷鲜猪肉菌落总数预测初始模型中进行训练，得到冷鲜猪肉菌落总数预测模型；
将需要预测的冷鲜猪肉的初始菌落总数以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据输入到所述冷鲜猪肉菌落总数预测模型中，计算得到所述冷鲜猪肉的预测菌落总数；
根据所述冷鲜猪肉的预测菌落总数计算其货架期，即得到所述冷鲜猪肉的预测货架期。
优选的是，所述的一种基于神经网络的冷鲜猪肉的货架期预测方法中，根据所述冷鲜猪肉的冷鲜猪肉预测菌落总数计算其货架期的方法如下：
SL＝LPD-[(Nmax-No)/2.7182umax]·{ln[-ln(Ns-No)/(Nmax-No)-1]} (1)
其中，SL为冷鲜猪肉的货架期，d；LPD为冷鲜猪肉微生物生长的迟滞期，d；Nmax为冷鲜猪肉到稳定期时的最大菌落总数，log(CFU/g)；No为冷鲜猪肉的初始菌落总数，log(CFU/g)；umax为冷鲜猪肉的微生物生长的最大比生长速率，d-1；Ns为冷鲜猪肉的最小腐败量，log(CFU/g)。
优选的是，所述的一种基于神经网络的冷鲜猪肉的货架期预测方法中，所述冷鲜猪肉的微生物生长的迟滞期如式2、式4和式6任一项所示，所述冷鲜猪肉的微生物生长的最大比生长速率如式3、式5和式7任一项所示:
LPD＝1/[0.205(T+9.3010)]2 (2)
umax＝[0.0682(T+19.8959)]2 (3)
其中，T为冷鲜猪肉的储藏温度；
LPD＝0.2331+0.0311m-0.0084n (4)
umax＝3.5601-0.0163m-0.0323n (5)
其中，m为冷鲜猪肉的储藏时气体中氧气的体积含量，％；n为冷鲜猪肉的储藏时气体中二氧化碳的体积含量，％；
LPD＝1/[0.0025(H+194.72)]2 (6)
umax＝[0.0004(H+3561.5)]2 (7)
其中，H为冷鲜猪肉的储藏湿度。
优选的是，所述的一种基于神经网络的冷鲜猪肉的货架期预测方法中，通过式1、式2和式3计算得到第一预测货架期SL1；
通过式1、式4和式5计算得到第二预测货架期SL2；
通过式1、式6和式7计算得到第三预测货架期SL3；
取SL1、SL2和SL3的大小中最小的作为所述冷鲜猪肉的预测货架期。
优选的是，所述的一种基于神经网络的冷鲜猪肉的货架期预测方法中，计算得到所述冷鲜猪肉的预测货架期后，还包括：
采用神经网络模型构建冷鲜猪肉挥发性盐基氮含量预测初始模型；
获得多份冷鲜猪肉样品的初始挥发性盐基氮含量以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的挥发性盐基氮含量；
将冷鲜猪肉的初始挥发性盐基氮含量以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的挥发性盐基氮含量作为期望输出，输入到所述冷鲜挥发性盐基氮含量预测初始模型中进行训练，得到冷鲜猪肉挥发性盐基氮含量预测模型；
将需要预测的冷鲜猪肉的初始挥发性盐基氮含量以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据输入到所述冷鲜猪肉挥发性盐基氮含量预测模型中，计算得到所述冷鲜猪肉的预测挥发性盐基氮含量，其中贮藏时间采用之前计算的所述冷鲜猪肉的预测货架期；
设定冷鲜猪肉腐败时挥发性盐基氮含量的阈值，若计算得到的预测挥发性盐基氮含量小于所述阈值，则认定所述预测货架期有效。
本发明集成基于微生物生长指标的货架期预测和基于品质理化指标的神经网络预测模型共同构建冷鲜猪肉的品质预测方法，综合应用两种模型能够相互参考，从微生物指标和品质理化指标两个方面更加准确地预测猪肉的货架期及品质状况。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
本发明的实施例提供一种基于神经网络的冷鲜猪肉的货架期预测方法，包括：
S1、采用神经网络模型构建冷鲜猪肉菌落总数预测初始模型；上述模型采用现有的RBF神经网络模型即可，本处不再累述；
S2、获得多份冷鲜猪肉样品的初始菌落总数以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的菌落总数；
S3、将冷鲜猪肉的初始菌落总数以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的菌落总数作为期望输出，输入到所述冷鲜猪肉菌落总数预测初始模型中进行训练，得到冷鲜猪肉菌落总数预测模型；
S4、将需要预测的冷鲜猪肉的初始菌落总数以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据输入到所述冷鲜猪肉菌落总数预测模型中，计算得到所述冷鲜猪肉的预测菌落总数；
S5、根据所述冷鲜猪肉的预测菌落总数计算其货架期：
SL＝LPD-[(Nmax-No)/2.7182umax]·{ln[-ln(Ns-No)/(Nmax-No)-1]} (1)
其中，SL为冷鲜猪肉的货架期，d；LPD为冷鲜猪肉微生物生长的迟滞期，d；Nmax为冷鲜猪肉到稳定期时的最大菌落总数，log(CFU/g)；No为冷鲜猪肉的初始菌落总数，log(CFU/g)；umax为冷鲜猪肉的微生物生长的最大比生长速率，d-1；Ns为冷鲜猪肉的最小腐败量，log(CFU/g)；
其中，所述冷鲜猪肉的微生物生长的迟滞期如式2、式4和式6任一项所示，所述冷鲜猪肉的微生物生长的最大比生长速率如式3、式5和式7任一项所示:
LPD＝1/[0.205(T+9.3010)]2 (2)
umax＝[0.0682(T+19.8959)]2 (3)
其中，T为冷鲜猪肉的储藏温度；
LPD＝0.2331+0.0311m-0.0084n (4)
umax＝3.5601-0.0163m-0.0323n (5)
其中，m为冷鲜猪肉的储藏时气体中氧气的体积含量，％；n为冷鲜猪肉的储藏时气体中二氧化碳的体积含量，％；
LPD＝1/[0.0025(H+194.72)]2 (6)
umax＝[0.0004(H+3561.5)]2 (7)
其中，H为冷鲜猪肉的储藏湿度；
通过式1、式2和式3计算得到第一预测货架期SL1；
通过式1、式4和式5计算得到第二预测货架期SL2；
通过式1、式6和式7计算得到第三预测货架期SL3；
取SL1、SL2和SL3的大小中最小的作为所述冷鲜猪肉的预测货架期；
S6、计算得到所述冷鲜猪肉的预测货架期后，还包括：
A、采用神经网络模型构建冷鲜猪肉挥发性盐基氮含量预测初始模型；
B、获得多份冷鲜猪肉样品的初始挥发性盐基氮含量以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的挥发性盐基氮含量；
C、将冷鲜猪肉的初始挥发性盐基氮含量以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的挥发性盐基氮含量作为期望输出，输入到所述冷鲜挥发性盐基氮含量预测初始模型中进行训练，得到冷鲜猪肉挥发性盐基氮含量预测模型；
D、将需要预测的冷鲜猪肉的初始挥发性盐基氮含量以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据输入到所述冷鲜猪肉挥发性盐基氮含量预测模型中，计算得到所述冷鲜猪肉的预测挥发性盐基氮含量，其中贮藏时间采用之前计算的所述冷鲜猪肉的预测货架期；
E、设定冷鲜猪肉腐败时挥发性盐基氮含量的阈值，若计算得到的预测挥发性盐基氮含量小于所述阈值，则认定所述预测货架期有效。
该实施例中，用于食品的腐败变质是指食品成分在以微生物为主的各种因素的作用下，食品原有物理或化学性质发生改变，食品表现为营养价值降低且无法食用的状态。其实质是腐败微生物产生的酶分解食品中蛋白质、脂肪和碳水化合物等的过程。影响冷鲜肉腐败有内部因素和外部因素两大类，肉品组织自身的含水量、营养成分、pH值、生物结构和抗菌成分等，称为内部因素。外部因素主要包括环境温度、相对湿度、包装技术、竞争性菌群、防腐剂和抗氧化剂等。对于特定的冷鲜肉而言，影响冷鲜肉的品质主要是外在影响因素。所以本实施例中选取贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，对于上述因素：
1、低温环境通常可有效抑制冷鲜肉中大部分微生物的增殖速度，但若冷链控制系统出现故障，环境温度将随之升高，将导致微生物的快速增殖及酶活性提高，加快鲜肉腐败变质的速度。温度作为影响猪肉品质变化的环境因素之一，肉品中所发生的酶促反应、生物化学变化、解僵成熟时间、微生物生长繁殖均受温度的制约；
2、冷鲜猪肉中常见的包装方式包括气调包装、托盘包装、真空包装和活性包装等。气调包装作为目前最受关注的包装方式，其通过将肉类食品密封于优良的混合气体环境中，抑制腐败微生物增殖的同时隔离外界污染，达到延长肉品货架期的目的。气调包装的常用气体主要包括氧气(O2)、二氧化碳(CO2)和氮气(N2)；氧气对鲜肉的影响主要体现在两个方面：一是保持肉色鲜红。猪肉中肌红蛋白被氧化成氧合肌红蛋白，使猪肉呈鲜红色。二是氧气能加快嗜氧菌生长繁殖速度且导致不饱和脂肪酸氧化酸败，致使肉品品质降低；在微生物生长动力学参数上，二氧化碳的抑菌作用主要表现为降低微生物在对数期的生长速率；氮气惰性强、性质稳定，不影响肉品质；因此，一般将氮气作为填充气体，保证包装盒饱满不塌陷。
3、水分在肉类原料成分中占据重要的比例，约为总量的50％-70％。肉类中的水分通常被分为蛋白结合水(Protein-associated water)、不易流动水(Immobilized water)和自由水(Free water)三种。蛋白结合水与蛋白质结合紧密，流动性很小，不易受到强烈理化因素的影响，且可与包括不易流动水在内的其他水分子进行相互转换；在肉类僵直及成熟阶段，存在于纤丝、肌原纤维及膜之间的不易流动水的转变可导致肌肉细胞结构发生改变；自由水也叫毛细管水，存在于肌质间，具有溶解各种溶质的特性，可被微生物利用从而导致肉品腐败。在畜禽宰后肌肉僵直收缩阶段，自由水被挤出，造成汁液流失。食品中自由水的含量可随环境中温湿度的改变而改变，因此控制贮藏环境中的相对湿度对肉品质量和食用安全显得十分重要。有研究表明发现牛肉表面微生物的生长速率受冰箱内相对湿度的影响。水分活度(water activity，Aw)是指食品在恒定的温度和压力下、密闭容器中达到平衡状态时的水分蒸汽压与该温度下纯水的饱和蒸汽压的比值，是影响肉品保鲜的重要栅栏因子。水分活度描述了与食品安全稳定性直接相关的那部分“可用性”水，对食品安全检验有一定的意义。有研究表明：化学反应速率和微生物生长速率随着Aw值的升高而加快，进而食品的保存期缩短。
鲜肉的腐败是指肉中各种成分被分解，导致色泽、气味、质地等发生变化，如颜色变为绿色、黄色，产生腐臭味，肉表面出现粘液等现象。鲜肉的腐败主要有三个原因，一是微生物代谢活动产生的活性酶引起的，二是自身酶的活性造成的，三是物理化学因素，其中微生物代谢活动是造成鲜肉腐败变质的主要原因。新鲜肉内部是无菌的，因此肉中存在的微生物是在加工流通过程中由环境微生物造成的二次污染。由《食品安全国家标准鲜(冻)畜、禽产品》(GB 2707-2016)和《分割鲜、冻猪瘦肉》(GB/T 9959.2-2008)以及国外的研究可知，评价肉类品质的指标主要包括感官品质(色泽、气味、组织状态等)、微生物菌落总数、挥发性盐基氮(Total volatile basic nitrogen，TVB-N)、pH等。其中，TVB-N常作为评价肉类品质的重要指标，TVB-N值＞15mg/100g，即为变质肉。TVB-N值增长与猪肉中微生物活动和内源酶的活性密切相关，其成分是微生物分解蛋白质或非蛋白质物质形成的。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。
Claims (5)
1.一种基于神经网络的冷鲜猪肉的货架期预测方法，其特征在于，包括：
采用神经网络模型构建冷鲜猪肉菌落总数预测初始模型；
获得多份冷鲜猪肉样品的初始菌落总数以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的菌落总数；
将冷鲜猪肉的初始菌落总数以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的菌落总数作为期望输出，输入到所述冷鲜猪肉菌落总数预测初始模型中进行训练，得到冷鲜猪肉菌落总数预测模型；
将需要预测的冷鲜猪肉的初始菌落总数以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据输入到所述冷鲜猪肉菌落总数预测模型中，计算得到所述冷鲜猪肉的预测菌落总数；
根据所述冷鲜猪肉的预测菌落总数计算其货架期，即得到所述冷鲜猪肉的预测货架期。
2.如权利要求1所述的一种基于神经网络的冷鲜猪肉的货架期预测方法，其特征在于，根据所述冷鲜猪肉的冷鲜猪肉预测菌落总数计算其货架期的方法如下：
其中，SL为冷鲜猪肉的货架期，d；LPD为冷鲜猪肉微生物生长的迟滞期，d；Nmax为冷鲜猪肉到稳定期时的最大菌落总数，log(CFU/g)；No为冷鲜猪肉的初始菌落总数，log(CFU/g)；umax为冷鲜猪肉的微生物生长的最大比生长速率，d-1；Ns为冷鲜猪肉的最小腐败量，log(CFU/g)。
3.如权利要求2所述的一种基于神经网络的冷鲜猪肉的货架期预测方法，其特征在于，所述冷鲜猪肉的微生物生长的迟滞期如式2、式4和式6任一项所示，所述冷鲜猪肉的微生物生长的最大比生长速率如式3、式5和式7任一项所示:
LPD＝1/[0.205(T+9.3010)]2 (2)
umax＝[0.0682(T+19.8959)]2 (3)
其中，T为冷鲜猪肉的储藏温度；
LPD＝0.2331+0.0311m-0.0084n (4)
umax＝3.5601-0.0163m-0.0323n (5)
其中，m为冷鲜猪肉的储藏时气体中氧气的体积含量，％；n为冷鲜猪肉的储藏时气体中二氧化碳的体积含量，％；
LPD＝1/[0.0025(H+194.72)]2 (6)
umax＝[0.0004(H+3561.5)]2 (7)
其中，H为冷鲜猪肉的储藏湿度。
4.如权利要求3所述的一种基于神经网络的冷鲜猪肉的货架期预测方法，其特征在于，通过式1、式2和式3计算得到第一预测货架期SL1；
通过式1、式4和式5计算得到第二预测货架期SL2；
通过式1、式6和式7计算得到第三预测货架期SL3；
取SL1、SL2和SL3的大小中最小的作为所述冷鲜猪肉的预测货架期。
5.如权利要求1-4任一项所述的一种基于神经网络的冷鲜猪肉的货架期预测方法，其特征在于，计算得到所述冷鲜猪肉的预测货架期后，还包括：
采用神经网络模型构建冷鲜猪肉挥发性盐基氮含量预测初始模型；
获得多份冷鲜猪肉样品的初始挥发性盐基氮含量以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的挥发性盐基氮含量；
将冷鲜猪肉的初始挥发性盐基氮含量以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的挥发性盐基氮含量作为期望输出，输入到所述冷鲜挥发性盐基氮含量预测初始模型中进行训练，得到冷鲜猪肉挥发性盐基氮含量预测模型；
将需要预测的冷鲜猪肉的初始挥发性盐基氮含量以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据输入到所述冷鲜猪肉挥发性盐基氮含量预测模型中，计算得到所述冷鲜猪肉的预测挥发性盐基氮含量，其中贮藏时间采用之前计算的所述冷鲜猪肉的预测货架期；
设定冷鲜猪肉腐败时挥发性盐基氮含量的阈值，若计算得到的预测挥发性盐基氮含量小于所述阈值，则认定所述预测货架期有效。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011100195.9A CN112345716A (zh) | 2020-10-15 | 2020-10-15 | 基于神经网络的冷鲜猪肉的货架期预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011100195.9A CN112345716A (zh) | 2020-10-15 | 2020-10-15 | 基于神经网络的冷鲜猪肉的货架期预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112345716A true CN112345716A (zh) | 2021-02-09 |
Family
ID=74361952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011100195.9A Pending CN112345716A (zh) | 2020-10-15 | 2020-10-15 | 基于神经网络的冷鲜猪肉的货架期预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112345716A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113125657A (zh) * | 2021-04-02 | 2021-07-16 | 中国肉类食品综合研究中心 | 一种冷藏肉制品腐败监测预警系统及其应用 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101576553A (zh) * | 2009-04-24 | 2009-11-11 | 上海海洋大学 | 冷却猪肉的货架期预测模型 |
| 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 |
| CN108254513A (zh) * | 2017-12-22 | 2018-07-06 | 北京农业信息技术研究中心 | 一种鱼类货架期的判断方法及装置 |
-
2020
- 2020-10-15 CN CN202011100195.9A patent/CN112345716A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101576553A (zh) * | 2009-04-24 | 2009-11-11 | 上海海洋大学 | 冷却猪肉的货架期预测模型 |
| 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 |
| CN108254513A (zh) * | 2017-12-22 | 2018-07-06 | 北京农业信息技术研究中心 | 一种鱼类货架期的判断方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 刘超群等: "冷鲜猪肉中热杀索丝菌生长预测模型的建立与验证", 《食品科学》 * |
| 谢如鹤 等: "《冷链物流》", 31 March 2017 * |
| 雷志方等: "金枪鱼基于理化指标的货架期预测模型的建立", 《食品与发酵工业》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113125657A (zh) * | 2021-04-02 | 2021-07-16 | 中国肉类食品综合研究中心 | 一种冷藏肉制品腐败监测预警系统及其应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| in't Veld | Microbial and biochemical spoilage of foods: an overview | |
| Kilinc et al. | Determination of the shelf life of sardine (Sardina pilchardus) marinades in tomato sauce stored at 4 C | |
| Dondero et al. | Changes in quality of vacuum-packed cold-smoked salmon (Salmo salar) as a function of storage temperature | |
| Rahman et al. | Effect of repeated freeze-thaw cycles on beef quality and safety | |
| Xie et al. | Study on the spoilage potential of Pseudomonas fluorescens on salmon stored at different temperatures | |
| Vermeiren et al. | In vitro and in situ growth characteristics and behaviour of spoilage organisms associated with anaerobically stored cooked meat products | |
| Annamalai et al. | Effect of electron beam irradiation on the biochemical, microbiological and sensory quality of Litopenaeus vannamei during chilled storage | |
| Szymczak et al. | Effect of cover brine type on the quality of meat from herring marinades | |
| Seong et al. | Assessment of frozen storage duration effect on quality characteristics of various horse muscles | |
| Lee et al. | Development of temperature control algorithm for supercooling storage of pork loin and its feasibility for improving freshness and extending shelf life | |
| CN112345716A (zh) | 基于神经网络的冷鲜猪肉的货架期预测方法 | |
| Simoes et al. | Microbiological, physical and chemical characteristics of freshwater prawns (Macrobrachium rosenbergii) in modified‐atmosphere packaging | |
| De Palo et al. | Influence of gas mixture on quality and shelf life of veal calf meat | |
| Lee et al. | Effects of self‐carbon dioxide‐generation material for active packaging on pH, water‐holding capacity, meat color, lipid oxidation and microbial growth in beef during cold storage | |
| CN112345717A (zh) | 基于神经网络的冷鲜猪肉品质预测方法 | |
| Naqvi et al. | The effect of extended refrigerated storage on the physicochemical, structural, and microbial quality of sous vide cooked biceps femoris treated with ginger powder (zingibain) | |
| Suryaningsih et al. | Effect of lactic acid bacteria and yeasts towards chemical, physical and organoleptic qualities of mutton salami | |
| Duran‐Montgé et al. | Refrigerated or Superchilled Skin‐Packed Sea Bream (S parus aurata) Compared with Traditional Unpacked Storage on Ice with Regard to Physicochemical, Microbial and Sensory Attributes | |
| Szymczak et al. | Total volatile basic nitrogen in meat and brine during marinating of herring | |
| CN111027784B (zh) | 一种预测冷鲜鸡货架期的方法 | |
| Wang et al. | Identification and biotransformation analysis of volatile markers during the early stage of Salmonella contamination in chicken | |
| Zhao et al. | Effects of packaging methods and packaging at different postmortem times on the quality of lamb meat. | |
| Taormina | Microbial growth and spoilage | |
| Walayat et al. | Quality evaluation of frozen and chilled fish: A review | |
| Dabas et al. | Use of hurdle technology in processing of fruits and vegetables |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210209 |