KR101288482B1 - Method for food quality prediction based microbial growth model - Google Patents
Method for food quality prediction based microbial growth model Download PDFInfo
- Publication number
- KR101288482B1 KR101288482B1 KR1020110125196A KR20110125196A KR101288482B1 KR 101288482 B1 KR101288482 B1 KR 101288482B1 KR 1020110125196 A KR1020110125196 A KR 1020110125196A KR 20110125196 A KR20110125196 A KR 20110125196A KR 101288482 B1 KR101288482 B1 KR 101288482B1
- Authority
- KR
- South Korea
- Prior art keywords
- article
- time
- temperature
- bacteria
- growth
- Prior art date
Links
- 230000012010 growth Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 29
- 235000013305 food Nutrition 0.000 title claims abstract description 21
- 230000000813 microbial effect Effects 0.000 title claims abstract description 17
- 241000894006 Bacteria Species 0.000 claims abstract description 40
- 230000006698 induction Effects 0.000 claims abstract description 30
- 238000003860 storage Methods 0.000 claims abstract description 8
- 230000001580 bacterial effect Effects 0.000 claims abstract description 7
- 230000034994 death Effects 0.000 claims abstract description 5
- 230000003698 anagen phase Effects 0.000 claims abstract description 4
- 230000006641 stabilisation Effects 0.000 claims abstract description 4
- 238000011105 stabilization Methods 0.000 claims abstract description 4
- 230000004907 flux Effects 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000004806 packaging method and process Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000012856 packing Methods 0.000 claims 1
- 235000013336 milk Nutrition 0.000 description 21
- 239000008267 milk Substances 0.000 description 21
- 210000004080 milk Anatomy 0.000 description 21
- 244000005700 microbiome Species 0.000 description 20
- 101100327917 Caenorhabditis elegans chup-1 gene Proteins 0.000 description 12
- 238000005259 measurement Methods 0.000 description 9
- 235000015097 nutrients Nutrition 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 3
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000411 inducer Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 235000021067 refined food Nutrition 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- FPIPGXGPPPQFEQ-UHFFFAOYSA-N 13-cis retinol Natural products OCC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-UHFFFAOYSA-N 0.000 description 1
- 208000035404 Autolysis Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 206010057248 Cell death Diseases 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 1
- 102000014171 Milk Proteins Human genes 0.000 description 1
- 108010011756 Milk Proteins Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000008101 lactose Substances 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000005459 micromachining Methods 0.000 description 1
- 235000021239 milk protein Nutrition 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 230000035752 proliferative phase Effects 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 235000020185 raw untreated milk Nutrition 0.000 description 1
- 239000011607 retinol Substances 0.000 description 1
- 229960003471 retinol Drugs 0.000 description 1
- 235000020944 retinol Nutrition 0.000 description 1
- 230000028043 self proteolysis Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23C—DAIRY PRODUCTS, e.g. MILK, BUTTER OR CHEESE; MILK OR CHEESE SUBSTITUTES; MAKING THEREOF
- A23C3/00—Preservation of milk or milk preparations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Polymers & Plastics (AREA)
- Food Science & Technology (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
본 발명은 미생물 성장 모델을 이용한 식품품질 예측 방법에 관한 것으로, 더욱 상세하게는 미생물 성장 모델을 이용하여 현재 시점의 세균수뿐만 아니라 미래 시점의 세균수를 예측하는 방법에 관한 것이다.
이를 위해 본 발명의 미생물 성장 모델을 이용한 식품품질 예측 방법은 각 온도별로 유도기, 증식기, 안정기, 사멸기의 생육순서를 갖는 세균 생육 곡선으로부터 세균수가 증가하지 않는 상기 유도기의 시간을 산출하는 단계, 시간의 경과에 따른 식품의 보관 온도를 제공받는 단계, 제공받은 상기 보관 온도별 누적 경과 시간과 각 온도별 상기 유도기의 시간을 이용하여 식품에 포함되어 있는 세균의 현재 생육 시점을 판단하는 단계를 포함한다.The present invention relates to a method for predicting food quality using a microbial growth model, and more particularly, to a method for predicting the number of bacteria as well as the number of bacteria at a current time using a microbial growth model.
To this end, the food quality prediction method using the microbial growth model of the present invention comprises the steps of calculating the time of the induction period in which the number of bacteria does not increase from the bacterial growth curve having the growth order of the induction period, the growth phase, the stabilization phase, and the death phase for each temperature. Receiving the storage temperature of the food according to the elapsed, comprising the step of determining the current growth time of the bacteria included in the food using the accumulated elapsed time for each storage temperature provided and the time of the induction period for each temperature. .
Description
본 발명은 미생물 성장 모델을 이용한 식품품질 예측 방법에 관한 것으로, 더욱 상세하게는 미생물 성장 모델을 이용하여 현재 시점의 세균수뿐만 아니라 미래 시점의 세균수를 예측하는 방법에 관한 것이다.
The present invention relates to a method for predicting food quality using a microbial growth model, and more particularly, to a method for predicting the number of bacteria as well as the number of bacteria at a current time using a microbial growth model.
일반적으로 우유에는 에너지원, 단백질, 지질, 탄수화물과 칼륨, 칼슘, 인, 레티놀 등의 미네랄과 각종비타민이 함유되어 있어서 특히 성장기 어린이나 고령자에게는 꼭 필요한, 인간이 섭취할 수 있는 완전식품으로 알려져 있다. 이러한 우유의 성분 조성은 젖소의 착유시간, 사육방법, 품종, 비유기, 계절, 건상상태 등에 따라 변화 될 수 있는데, 인간이 식용하는 우유는 젖소로부터의 원유를 가공하여 사용하는 것으로 인간이 식용하기 위하여 일정한 품질관리를 통과하여야 한다. 그런데 이러한 품질관리에는 세균수 등의 검사나 우유 자체가 가지고 있는 영양학적인 요구 조건 및 항생물질의 잔존여부 등의 단순한 것만을 검사하는 것이 일반적이다.In general, milk contains energy sources, proteins, lipids, carbohydrates, minerals such as potassium, calcium, phosphorus and retinol, and various vitamins, so it is known as a complete food for human consumption. . The composition of the milk may vary depending on the milking time, breeding method, breed, non-organism, season, dry condition, etc. of milk, the human edible milk is processed by using the raw milk from the cow to edible It must pass certain quality control. However, in such quality control, it is common to inspect only the simple things such as the examination of the number of bacteria, the nutritional requirements of milk itself, and the presence of antibiotics.
일반적으로 우유의 품질을 관리하는데 있어서, 여러 가지 측정 장비를 이용하여 품질 판별에 관련되는 성분을 측정하게 되며, 이때 얻어지는 측정 데이터는 우유의 품질을 구분하는 기준이 된다.In general, in controlling milk quality, various measurement equipment is used to measure components related to quality determination, and the measurement data obtained at this time serves as a criterion for distinguishing milk quality.
종래 우유의 품질 판별을 위해 사용되는 유단백질과 유당 등의 성분을 측정하기 위한 우유 품질 분석 장치는, 통상 400~2500㎚의 파장 대역을 갖는 장비로써, 400~2500㎚까지의 파장을 스캐닝(scanning)하는 회절발(grating)로 구성되어 있어 측정 시간이 매우 길고, 조작 방법이 복잡한 문제점이 있다.Milk quality analysis apparatus for measuring components such as milk protein and lactose, which is used to determine the quality of conventional milk, is a device having a wavelength band of 400 ~ 2500nm, scanning the wavelength of 400 ~ 2500nm It is composed of diffraction gratings, so the measurement time is very long, and the operation method is complicated.
그리고 종래 우유 품질 분석 장치는 실험실에 적합하도록 구성되어 있어서, 실험실용 분석 장치로는 이용 가능하지만, 현장용 분석 장치로서는 기기가 매우 민감하여 이용이 불가능하며, 시료셀이 1㎜로 되어 있어서 시료셀 도입 등 측정방법이 매우 까다로운 문제도 있다.In addition, the conventional milk quality analyzer is configured to be suitable for a laboratory, and can be used as a laboratory analyzer. However, as a field analyzer, the device is very sensitive and cannot be used. There is also a problem that the measurement method is very difficult.
또한, 우유의 경우 실제 미생물수를 측정하여 품질을 예측하기에는 다음과 같은 문제점이 있다. 즉, 미생물이 증식하여 개체수가 증가하면 이미 상품성을 상실하며, 실시간으로 미생물 수를 계측하는 방법은 미생물 증식 중의 변화를 감지할 수 없다. 따라서 실제 우유에 포함된 미생물 수를 측정하지 않고도 우유에 포함되어 있는 미생물 수를 예측하여 사용자에게 제공하는 다양한 방안이 필요하다.
In addition, the milk has the following problems to predict the quality by measuring the actual number of microorganisms. That is, when the number of microorganisms proliferate and the number of individuals increases, the marketability is already lost, and a method of measuring the number of microorganisms in real time cannot detect a change during microbial growth. Therefore, there is a need for various methods of estimating the number of microorganisms in milk and providing the user without measuring the number of microorganisms in milk.
본 발명이 해결하려는 과제는 우유에 포함되어 있는 미생물 수를 실제 측정하는 대신 미생물 수를 예측하여 사용자에게 제공하는 방안을 제안함에 있다.The problem to be solved by the present invention is to propose a method for predicting the number of microorganisms to provide to the user instead of actually measuring the number of microorganisms contained in milk.
본 발명이 해결하려는 다른 과제는 우유에 포함되어 있는 미생물 수를 예측하여 사용자에게 우유의 신선도를 제공하는 방안을 제안함에 있다.
Another problem to be solved by the present invention is to propose a method for providing the freshness of milk to the user by predicting the number of microorganisms contained in the milk.
이를 위해 본 발명의 미생물 성장 모델을 이용한 식품품질 예측 방법은 각 온도별로 유도기, 증식기, 안정기, 사멸기의 생육순서를 갖는 세균 생육 곡선으로부터 세균수가 증가하지 않는 상기 유도기의 시간을 산출하는 단계, 시간의 경과에 따른 식품의 보관 온도를 제공받는 단계, 제공받은 상기 보관 온도별 누적 경과 시간과 각 온도별 상기 유도기의 시간을 이용하여 식품에 포함되어 있는 세균의 현재 생육 시점을 판단하는 단계를 포함한다.
To this end, the food quality prediction method using the microbial growth model of the present invention comprises the steps of calculating the time of the induction period in which the number of bacteria does not increase from the bacterial growth curve having the growth order of the induction period, the growth phase, the stabilization phase, and the death phase for each temperature. Receiving the storage temperature of the food according to the elapsed, comprising the step of determining the current growth time of the bacteria included in the food using the accumulated elapsed time for each storage temperature provided and the time of the induction period for each temperature. .
본 발명은 우유에 포함되어 있는 미생물 수를 실제 측정하지 않고, 우유에 포함되어 있는 미생물 수를 예측하여 사용자에게 제공한다. 상술한 바와 같이 미생물의 생육곡선은 일정기간동안 세균수가 증가하지 않는 유도기와 세균수가 급격히 증가하는 증식기를 포함한다.The present invention does not actually measure the number of microorganisms contained in the milk, but provides a user by predicting the number of microorganisms contained in the milk. As described above, the growth curve of the microorganism includes an inducer in which the number of bacteria does not increase in a certain period and a growth stage in which the number of bacteria increases rapidly.
초기 유도기와 후기 유도기는 세균수가 유사하지만, 후기 유도기는 이른 시일 내에 세균수가 급격히 증가하는 증식기로 진입된다. 따라서 소비자에게 현재 식품에 포함되어 있는 세균의 생육 상태가 초기 유도기인지 후기 유도기인지 정확한 상태를 제공함으로써 소비자가 식품을 구매하는데 필요한 정보를 제공할 수 있다는 장점이 있다.The early induction and late induction phases have similar bacterial numbers, but the late induction phase enters the proliferative phase in which bacterial numbers increase rapidly in the early days. Therefore, there is an advantage that the consumer can provide the information necessary to purchase the food by providing the accurate state whether the growth state of the bacteria currently included in the food is early induction period or late induction period.
즉, 우유 등 가공 식품에 포함되어 있는 미생물 수를 예측하여 소비자에게 가공 식품의 신선도 정보를 제공하며, 미생물 수를 기준으로 유통기한을 실시간으로 반영한다.
In other words, by predicting the number of microorganisms contained in processed foods such as milk, it provides consumers with freshness information of processed foods and reflects the expiration date in real time based on the number of microorganisms.
도 1은 본 발명의 일실시 예에 따른 특정 온도에서 시간에 따른 세균수를 도시하고 있다.
도 2는 본 발명의 일실시 예에 따른 곰페르츠 모델과 실험 데이터를 도시한 도면이다.
도 3은 본 발명의 일실시 예에 따른 유도시간과 아레니우스 모델을 비교한 도면이다.
도 4는 본 발명의 일실시 예에 따른 미생물의 최대성장속도와 선형 모델을 비교한 도면이다.
도 5는 본 발명의 일실시 예에 따른 실제 온도를 측정한 변온상태에서의 미생물농도의 변화와 수학식 7 또는 수학식 8을 이용한 미생물 농도의 변화를 도시하고 있다.
도 6은 본 발명의 일실시 예에 따른 실시간 물품품질 모니터링 시스템을 도시하고 있다.
도 7은 본 발명의 일실시 예에 따른 열유속 센서를 포함한 센서 태그를 도시하고 있다. Figure 1 shows the number of bacteria over time at a specific temperature according to an embodiment of the present invention.
2 is a diagram illustrating a Gomperz model and experimental data according to an embodiment of the present invention.
3 is a view comparing the induction time and the Arrhenius model according to an embodiment of the present invention.
4 is a view comparing the maximum growth rate and the linear model of the microorganism according to an embodiment of the present invention.
FIG. 5 illustrates a change in the concentration of microorganisms at a temperature change state in which the actual temperature is measured according to an embodiment of the present invention, and a change in the concentration of microorganisms using Equation 7 or Equation 8.
6 illustrates a real-time article quality monitoring system according to an embodiment of the present invention.
7 illustrates a sensor tag including a heat flux sensor according to an exemplary embodiment of the present invention.
전술한, 그리고 추가적인 본 발명의 양상들은 첨부된 도면을 참조하여 설명되는 바람직한 실시 예들을 통하여 더욱 명백해질 것이다. 이하에서는 본 발명의 이러한 실시 예를 통해 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 설명하기로 한다.The foregoing and further aspects of the present invention will become more apparent through the preferred embodiments described with reference to the accompanying drawings. Hereinafter will be described in detail to enable those skilled in the art to easily understand and reproduce through this embodiment of the present invention.
본 발명은 온도-시간에 따른 미생물 증식모델을 이용하여 실제 미생물 개체수가 증가하지 않은 구간에 대해서도 우유의 품질 변화를 예측할 수 있는 방안을 제안하며, 다양한 방식으로 우유의 품질을 표시하는 방안을 제안한다. The present invention proposes a method for predicting milk quality change even in a section in which the actual microbial population does not increase by using a microbial growth model according to temperature-time, and proposes a method of displaying milk quality in various ways. .
일반적으로 미생물의 생육곡선은 유도기, 증식기, 안정기, 사멸기 순으로 구분된다. 유도기(lag phase, induction phase)는 균을 새로운 배지에 접종하여 배양할 때 배지에 적응하는 시기로 세포가 새로운 환경에서 증식하는데 필요한 각종 효소단백질을 생합성하는 시기로서 분열을 위해 세포의 크기가 커지고 호흡활성도가 높은 시기이다. In general, the growth curve of microorganisms is divided into induction phase, growth phase, ballast phase, and death phase. Induction phase (lag phase, induction phase) is the time when bacteria are inoculated and cultured in a new medium. The lag phase (induction phase) is a time for biosynthesis of various enzyme proteins necessary for cell proliferation in a new environment. It is high activity.
증식기, 로그대수기(logarithmic phase, exponential phase)는 세포가 대수적으로 증식하는 시기로 세대시간, 세포의 크기가 일정한 시기로서 세포질의 합성속도와 세포수의 증가는 비례하며, 증식속도는 배지의 영양, pH, 온도, 산소분압 등의 환경인자에 의해서 결정된다. Proliferative and logarithmic phases (logarithmic phase, exponential phase) is the time when cells multiply algebraically, and the generation time and the size of cells are constant. and environmental factors such as pH, temperature and partial pressure of oxygen.
안정기, 정상기(stationary phase, maximum phase)에서는 생균수는 일정하게 유지되고 총균수는 최대가 되는 시기 일부 세포가 사멸하고 다른 일부의 세포는 증식하여 사멸수와 증식수가 거의 같고, 영양물질의 고갈, 대사생산물의 축적, 배지 pH의 변화, 산소공급의 부족 등 부적당한 환경이 되어 생균수가 증가하지 않으며, 내생포자를 형성하는 세균은 이식에 포자를 형성한다.In the stabilization and stationary phases (maximum phase), the number of viable cells remains constant and the total number of bacteria reaches a maximum. Some cells die and other cells multiply, resulting in almost the same number of dead and multiplied, depletion of nutrients, Inappropriate environment such as accumulation of metabolites, changes in medium pH, lack of oxygen supply, and viable cell numbers do not increase, and bacteria forming endogenous spores form spores in transplantation.
사멸기(death phase, phase of decline)는 생균수가 감소하는 시기로 영양분 고갈과 미생물의 대사노폐물로 인해 생육에 최고로 열악한 환경으로 영양분이 없어진 미생물은 영양분을 얻기 위해 자기몸의 성분을 각종 가수분해 효소를 이용해 분해하여 영양분으로 사용하는 시기로 자가소화가 일어나는 시기이다. 그리고 다른 미생물을 죽이기 위해 독소를 만드는 시기이기도 하다. 자가소화(autolysis)가 어느 정도 진행되면 세포가 용해되고 사멸하게 된다.The death phase (phase of decline) is a time when the number of viable cells decreases, and microorganisms that are deprived of nutrients due to nutrient depletion and microbial metabolic wastes are deprived of nutrients. Decompose using to use as a nutrient is the time to self-extinguish. It is also the time to make toxins to kill other microbes. After some degree of autolysis, the cells will lyse and die.
본 발명은 식품 품질을 모니터링하기 위해 초기 단계인 유도기와 증식기에 관한 것이며, 특히 곰페르츠(Gompertz) 모델을 이용하여 식품 품질을 모니터링하는 방안에 관한 것이다.The present invention relates to induction and multiplier, which is an early stage for monitoring food quality, and more particularly to a method for monitoring food quality using a Gompertz model.
하기 수학식 1은 곰페르츠 모델을 나타내고 있다.
도 1은 본 발명의 일실시 예에 따른 특정 온도에서 시간에 따른 세균수를 도시하고 있다. 이하 도 1을 이용하여 본 발명의 일실시 예에 따른 특정 온도에서 시간에 따른 세균수에 대해 상세하게 알아보기로 한다.Figure 1 shows the number of bacteria over time at a specific temperature according to an embodiment of the present invention. Hereinafter, the number of bacteria according to time at a specific temperature according to an embodiment of the present invention will be described in detail with reference to FIG. 1.
도 1의 (a)는 10°C에서의 시간에 따른 세균수를 나타내고 있으며, 도 1의 (b)는 20°C에서의 시간에 따른 세균수를 나타내고 있으며, 도 1의 (c)는 30°C에서의 시간에 따른 세균수를 나타내고 있으며, 도 1의 (d)는 40°C에서의 시간에 따른 세균수를 나타내고 있다.Figure 1 (a) shows the number of bacteria with time at 10 ° C, Figure 1 (b) shows the number of bacteria with time at 20 ° C, Figure 1 (c) is 30 Bacteria number is shown with time at ° C, and FIG. 1 (d) shows the number of bacteria with time at 40 ° C.
도 1(a)에 의하면, 세균수는 100시간이 경과하기 이전에 일정한 수준을 유지하다가 100시간이 경과한 이후에 세균수가 급격하게 증가하는 것을 알 수 있다. According to Figure 1 (a), the number of bacteria maintains a constant level before 100 hours elapses, it can be seen that the number of bacteria rapidly increases after 100 hours.
도 1(b)에 의하면, 세균수는 30시간이 경과하기 이전에 일정한 수준을 유지하다가 30시간이 경과한 이후에 세균수가 급격하게 증가하는 것을 알 수 있다. According to Figure 1 (b), the number of bacteria is maintained at a constant level before 30 hours elapses, it can be seen that the number of bacteria rapidly increases after 30 hours.
도 1(c)에 의하면, 세균수는 5시간이 경과하기 이전에 일정한 수준을 유지하다가 5시간이 경과한 이후에 세균수가 급격하게 증가하는 것을 알 수 있다. According to Figure 1 (c), the number of bacteria maintains a constant level before the elapse of 5 hours, it can be seen that the number of bacteria rapidly increases after 5 hours.
도 1(d)에 의하면, 세균수는 2시간이 경과하기 이전에 일정한 수준을 유지하다가 2시간이 경과한 이후에 세균수가 급격하게 증가하는 것을 알 수 있다. According to Figure 1 (d), the number of bacteria can be seen that the number of bacteria rapidly increases after 2 hours while maintaining a constant level before 2 hours.
이와 같이 세균수는 일정한 시간동안은 증가하지 않다가 일정 시간이 증가하면 급격히 증가한다. 즉, 세균수는 유도기 기간동안은 증가하지 않다가 일정 시간이 증가하면 급격히 증가한다.As such, the number of bacteria does not increase for a certain time, but increases rapidly when the time increases. That is, the number of bacteria does not increase during the induction period, but increases rapidly with a certain time.
수학식 2는 도 1에 도시되어 있는 실험 데이터를 수학식 1의 곰페르츠 모델 형태로 맞춘 수학식이다.
도 2는 본 발명의 일실시 예에 따른 곰페르츠 모델과 실험 데이터를 도시한 도면이다. 이하 도 2를 이용하여 본 발명의 일실시 예에 따른 곰페르츠 모델과 실험 데이터를 도시한 도면에 대해 상세하게 알아보기로 한다.2 is a diagram illustrating a Gomperz model and experimental data according to an embodiment of the present invention. Hereinafter, a Gompertz model and experimental data according to an embodiment of the present invention will be described in detail with reference to FIG. 2.
도 2에 기재되어 있는 'L'은 유도기를 나타내며, M은 세균의 최대 성장속도가 나타내는 시간, 
따라서 이하에서 수학식 1을 이용하여 모델 계수 B, C, L을 결정하는 과정에 대해 알아보기로 한다.Therefore, the process of determining the model coefficients B, C, and
변온 조건에 대해서는 A, 
수학식 3은 유도시간(L)을 온도에 대한 함수로 나타낼 수 있으며, 유도 시간(L)은 하기 도 3에 도시되어 있는 바와 같이 아레니우스 모델과 유사한 패턴을 가지는 것을 알 수 있다.
수학식 4는 최대성장속도(
상술한 수학식 3 내지 수학식 4에서 지연기간과 최대성장속도가 결정되면 정온 조건에서의 곰페르츠 모델의 곰페르츠 커브가 결정된다.In the
또한 변온 조건 기간 중에는 해당 측정시간에서의 온도에 해당하는 유도시간(
즉, 상술한 적응률이 1보다 작으면 유도기 상태이며, 1보다 큰 경우에는 증식기 상태로 해석한다.In other words, if the above-described adaptation rate is less than 1, it is an inducer state.
수학식 5와 관련하여 유도기 상태에서는 
상기에서 (L-t)가 결정되면 수학식 1에 대한 미분항인 수학식 7을 이용하여 주어진 조건에서의 농도 변화율을 계산한다.When (L-t) is determined above, the rate of change of concentration at a given condition is calculated using Equation 7, which is the derivative term for
또한 수학식 7을 이용하여 수학식 8을 계산하여 새로운 시간에서의 미생물 농도를 예측할 수 있다. In addition, it is possible to predict the microbial concentration at the new time by calculating Equation 8 using Equation 7.
도 5는 본 발명의 일실시 예에 따른 실제 온도를 측정한 변온상태에서의 미생물농도의 변화와 상기 수학식 7 또는 수학식 8을 이용한 미생물 농도의 변화를 도시하고 있다. 도 5에 도시되어 있는 바와 같이 실제 온도를 측정한 변온상태에서의 미생물농도의 변화와 상기 수학식 7 또는 수학식 8을 이용한 미생물 농도의 변화가 유사한 패턴을 보임을 알 수 있다.Figure 5 shows the change in the concentration of microorganisms in the altered temperature state measured the actual temperature in accordance with an embodiment of the present invention and the change of the concentration of microorganisms using the equation (7) or (8). As shown in Figure 5 it can be seen that the change in the microbial concentration in the altered state measured the actual temperature and the change in the microbial concentration using the equation (7) or (8) shows a similar pattern.
도 6은 본 발명의 일실시 예에 따른 실시간 물품품질 모니터링 시스템을 도시하고 있다. 이하 도 6을 이용하여 본 발명의 일실시 예에 따른 실시간 물품품질 모니터링 시스템에 대해 상세하게 알아보기로 한다.6 illustrates a real-time article quality monitoring system according to an embodiment of the present invention. Hereinafter, the real-time article quality monitoring system according to an embodiment of the present invention will be described in detail with reference to FIG. 6.
도 6에 의하면 물품품질 모니터링 시스템은 물품유통이력DB, 사용자 단말, 물품품질 예측 서버, 복수 개의 물품을 포장하고 제1포장 용기에 부착되어 있는 RFID 태그, 개별 물품 또는 개별 물품을 포장하고 있는 제2포장 용기에 부착되어 있는 QR 코드를 포함한다. 물론 상술한 구성 이외에 다른 구성이 더 포함될 수 있음은 자명하다.According to FIG. 6, the article quality monitoring system includes a article distribution history DB, a user terminal, an article quality prediction server, a second package packaging a plurality of articles, and an RFID tag attached to a first packaging container, an individual article or an individual article. Includes a QR code attached to the packaging container. It goes without saying that other configurations other than the above-described configuration may be further included.
RFID 태그(130)는 일정 시간 간격으로 온도, 습도, 조도를 포함한 대기(기후) 상태 정보를 측정하여 저장한다. RFID 태그(130)에서 수집된 정보는 RFID 태그의 식별자와 함께 일정 시간 단위 또는 물품유통이력DB(100)로부터 요청 시 물품유통이력DB(100)로 전달된다. 물품유통이력DB(100)와의 통신을 위해 RFID 태그(130)는 통신부를 포함하거나, 통신부를 포함하고 있는 다른 장치를 이용할 수 있다.The
QR코드(140)는 물품품질예측서버(110)의 웹 페이지 주소를 제공한다. 즉, QR 코드(140)를 이용하여 사용자 단말(120)은 서버의 웹 페이지에 접속할 수 있다. 부가하여 QR 코드(140)는 RFID 태그(130)의 식별자를 저장한다.
물품유통이력DB(100)는 RFID 태그(130)로부터 전달받은 대기 정보를 용기 정보와 함께 저장한다. 즉, 각 용기별로 대기 정보, 물품 정보를 저장한다. 하기 표 1은 물품유통이력DB(100)에 저장되는 정보의 일예를 나타내고 있다. 물론 상술한 정보 이외에 다른 정보가 물품유통이력DB(100)에 저장될 수 있음은 자명하다. 즉, 물품유통이력DB(100)는 물품의 유통 경로에 대한 정보를 저장할 수 있다.The article
AAA
상기 표 1은 RFID 태그(130)로부터 전달받은 측정 시각에 따른 온도 및 습도를 나타내고 있다. 표 1에 의하면 RFID 태그(130)는 30분 단위로 온도 또는 습도를 측정하는 것으로 되어 있으나, 이에 한정되는 것은 아니다. 즉 RFID 태그(130)는 30분 이상의 단위, 30분 미만 단위로 온도 또는 습도를 측정할 수 있다. 또한, RFID 태그(130)는 측정된 온도 또는 습도에 변화가 없는 경우에는 측정 주기를 길게 설정할 수 있다. 즉, 태그 태그는 측정된 온도 또는 습도의 변화량에 따라 측정 주기를 달리 할 수 있다.Table 1 shows the temperature and humidity according to the measurement time transmitted from the
물품 품질 예측 서버(110)는 사용자 단말로부터 요청된 물품에 대한 품질을 예측하고, 예측한 결과를 사용자 단말(120)로 제공한다. 이를 위해 물품 품질 예측 서버(110)는 사용자 단말(120)로부터 제공받은 RFID 태그(130)의 식별자를 물품 유통이력 DB(100)로 제공하며, 물품유통이력DB(100)로부터 RFID 태그(130)에 대응되는 대기 정보를 수신한다. 즉, 물품유통이력DB(100)는 표 1에 기재되어 있는 대기 정보를 물품 품질 예측 서버(110)로 제공한다. 물품 품질 예측 서버(110)는 전달받은 대기 정보와 저장되어 있는 물품 품질 알고리즘을 이용하여 해당 물품에 대한 품질 정보를 산출한다. 물품 품질 예측 서버(110)는 산출된 품질 정보를 사용자 단말(120)로 제공한다. 물품 품질 예측 서버에서 사용하는 물품 품질 알고리즘은 상술한 바와 같다. 즉, 물품 품질 예측 서버는 제공받은 온도 정보를 이용하여 물품에 포함되어 있는 세균수를 산출하여 사용자 단말(120)로 제공한다.The article
사용자 단말(120)은 스마트폰, 핸드헬드, 키오스크 등을 포함한다. 사용자 단말(120)은 물품에 부착되어 있는 QR 코드(140)를 촬영한다. QR 코드 촬영에 의해 사용자 단말(120)은 물품 품질 예측 서버(110)에 자동으로 접속되며, 접속한 물품품질 예측 서버(110)에 RFID 태그(130)의 식별자를 제공한다. 사용자 단말(120)은 물품 품질 예측 서버(110)로부터 QR 코드가 부착되어 있는 물품에 대한 품질 지수를 제공받는다. 물품에 대한 품질 지수는 다양한 형태로 제공할 수 있다. 이에 대해서는 후술하기로 한다.The
상술한 구성 이외에 물품품질 모니터링 시스템은 물품 품질 예측 서버(110)를 관리하는 관리자 단말(150)을 포함할 수 있다. 관리자 단말(150)은 물품 품질 예측 서버(110)에 운용하는 품질예측 알고리즘을 갱신하거나, 필요한 경우 특정 물품에 대한 품질 지수를 요청할 수 있다. 또한 관리자 단말(150)은 물품 품질 예측 서버(110)가 제공하는 품질 지수의 형태를 추가하거나 수정 및 변경할 수 있다.In addition to the configurations described above, the article quality monitoring system may include an
도 7은 본 발명의 일실시 예에 따른 열유속 센서를 포함한 센서 태그를 도시하고 있다. 이하 도 7을 이용하여 본 발명의 일실시 예에 따른 열유속 센서를 포함한 센서 태그에 대해 상세하게 알아보기로 한다.7 illustrates a sensor tag including a heat flux sensor according to an exemplary embodiment of the present invention. Hereinafter, a sensor tag including a heat flux sensor according to an exemplary embodiment of the present invention will be described in detail with reference to FIG. 7.
도 7에 의하면 센서 태그는 열유속 센서(202), 저장부(206), 통신부(208), 제어부(200)를 포함한다. 물론 상술한 구성 이외에 다른 구성이 센서 태그에 포함될 수 있다. 일예로 센서 태그는 주변의 온도를 측정하는 온도 센서(204)를 포함될 수 있으며, 온도 센서는 열유속 센서에 포함될 수 있다. 본 발명은 주변 온도 변화에 따라 신선 식품으로 유입되는 열을 정확하게 측정하기 위해 신선식품에 부착되는 열유속 센서(202)를 이용하는 방안을 제안한다.According to FIG. 7, the sensor tag includes a
열전달량 측정의 대표적인 방법으로 열유속 측정이 있다. 열유속은 일정간격을 가진 두 개 이상의 지점의 온도를 열전대 등을 이용하여 측정하고 이를 열전도 방정식 혹은 역 열전도(inverse heat conduction) 방정식 등의 방법을 통해 간접적으로 계산할 수 있다. 열유속을 직접적으로 측정하기 위해서는 열유속 센서(heat flux sensor)와 같은 계측용 센서를 사용한다. 열유속 센서는 열전달량에 비례하는 열기전력 신호를 측정하여 알려진 민감도(sensitivity)에 대한 관계식을 통해 열유속을 즉시 계산할 수 있다.A representative method of measuring heat transfer amount is heat flux measurement. The heat flux can be measured indirectly by measuring the temperature of two or more points with a certain interval using a thermocouple and the like through a heat conduction equation or an inverse heat conduction equation. In order to measure heat flux directly, a measurement sensor such as a heat flux sensor is used. The heat flux sensor can measure the thermoelectric power signal proportional to the heat transfer and immediately calculate the heat flux through a relationship to known sensitivity.
구체적으로 알아보면, 열유속 센서는 기계적인 가공 혹은 초소형 가공을 통해 서모파일(Thermopile)의 구조를 갖도록 제작된 열유속 계측용 센서이다. 방열면에 열전도율(Thermal conductivity)이 λ(kcal/mh℃)이며 두께, d가 충분히 얇은 판을 부착하면, 이 얇은 판을 통과하여 흐르는 열유속(q)은 정상상태(Steady state)에 도달하고 난 후 수학식 9와 같이 나타난다.Specifically, the heat flux sensor is a heat flux measurement sensor manufactured to have a structure of a thermopile through mechanical machining or micro machining. If the thermal conductivity (λ) is λ (kcal / mh ℃) and the thickness and d is sufficiently thin on the heat dissipation surface, the heat flux q flowing through the thin plate reaches a steady state. It is shown as Equation 9 later.
여기서 ΔT는 얇은 판의 표면양면 간의 온도차이다. 따라서 λ및 d를 안다고 하면, ΔT를 측정하는 것에 따라서 q를 구할 수 있고 이것이 기본적인 열유속 센서의 측정 원리이다.Where ΔT is the temperature difference between the two surfaces of the thin plate. Therefore, assuming that λ and d are known, q can be found by measuring ΔT, which is the basic measuring principle of the heat flux sensor.
열유속 측정방법은 시간에 따른 일정지점의 온도 변화 측정방법, 일정 두께를 가진 열저항층의 온도차에 해당하는 열기전력을 측정하는 층상형(Layered type) 방법 및 복사열유속 상에서 원형박막의 온도차에 해당하는 열기전력을 측정하는 Gardon 방법 등 다양한 형태가 있다.The method of measuring heat flux corresponds to a method of measuring temperature change at a certain point over time, a layered type method of measuring thermoelectric power corresponding to a temperature difference of a heat resistant layer having a predetermined thickness, and a temperature difference of a circular thin film at a radiant heat flux. There are many forms, including the Gardon method of measuring thermoelectric power.
본 발명은 도면에 도시된 일실시 예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it will be understood by those of ordinary skill in the art that various changes in form and details may be made therein without departing from the scope of the present invention .
Claims (7)
시간의 경과에 따른 식품의 수송, 보관 판매시점의 온도를 제공받는 단계;
제공받은 상기 온도별 누적 경과 시간과 각 온도별 상기 유도기의 시간을 이용하여 식품에 포함되어 있는 세균의 현재 생육 시점을 판단하는 단계를 포함하며,
세균의 현재 생육 시점은 하기 수학식을 이용하여, 하기
[수학식]
해당 온도에 해당하는 유도시간:
해당 온도의 소요시간:
Calculating the time of the induction period in which the number of bacteria does not increase from the bacterial growth curve having the growth order of the induction period, the growth period, the stabilization phase, and the death phase for each temperature;
Receiving a temperature at the time of transportation, storage and sale of the food over time;
Determining the current growth time of the bacteria included in the food by using the provided cumulative elapsed time for each temperature and the time of the induction period for each temperature;
The current growth time of the bacteria using the following equation,
[Mathematical Expression]
Induction time for this temperature:
Time required for this temperature:
상기 유도기에서는
[수학식]
L: 유도기의 기간
A: 세균의 최대 성장 농도
N: 현재 세균수
N0: 최초 세균수
The method of claim 1,
In the induction machine
[Mathematical Expression]
L: term of induction machine
A: maximum growth concentration of bacteria
N: current bacterial count
N 0 : First bacterial count
[수학식]
4. The method of claim 3, wherein the number of bacteria is predicted at a specific time point using a mathematical formula.
[Mathematical Expression]
상기 물품을 포장하고 있는 제2 포장 용기 또는 물품에 부착되며, 상기 식별자와 물품품질 예측 서버의 주소 정보를 저장하고 있는 QR 코드;
상기 RFID 태그로부터 전송받은 대기 이력 정보와 식별자를 저장하고 있는 물품유통이력DB:
촬영한 상기 QR 코드에 저장되어 있는 상기 물품품질 예측 서버로 접속하며, 상기 물품의 품질지수를 요청하는 사용자 단말;
상기 사용자 단말의 요청에 따라 상기 물품유통이력DB로부터 전달받은 대기 이력 정보로부터 상기 청구항 1항의 식품 품질 예측 방법에 따라 상기 물품의 품질지수 및 특정 품질지수를 갖는 시점을 산출하는 물품품질 예측 서버를 포함함을 특징으로 하는 물품품질 모니터링 시스템.
An RFID tag attached to a first packaging container for packing an article, the RFID tag transmitting an atmosphere history information and an article distribution history including at least one of measured temperature, humidity or gas concentration;
A QR code attached to a second packaging container or article for packaging the article and storing the identifier and address information of the article quality prediction server;
Item distribution history DB for storing the standby history information and the identifier received from the RFID tag:
A user terminal accessing the article quality prediction server stored in the QR code photographed and requesting a quality index of the article;
An article quality prediction server that calculates a time point having a quality index and a specific quality index of the article according to the food quality prediction method of claim 1 from the waiting history information received from the article distribution history DB according to the request of the user terminal; Article quality monitoring system characterized in that.
물품 또는 포장용기에 부착되며, 내부로 유입되거나 유출되는 열유속의 크기에 대응하는 열기전력과 온도를 측정하는 열유속 센서를 포함함을 특징으로 하는 물품품질 모니터링 시스템.
The method of claim 5, wherein the RFID tag,
An article quality monitoring system, comprising: a heat flux sensor attached to an article or a packaging container, the heat flux sensor measuring a thermoelectric power and a temperature corresponding to a magnitude of the heat flux flowing into or out of the container;
물품 또는 포장용기에 부착되며, 내부로 유입되거나 유출되는 열유속의 크기에 대응하는 열기전력과 온도를 측정하는 열유속 센서;
상기 열유속 센서에서 측정한 열기전력과 온도를 저장하는 저장부;
상기 저장부에 저장된 열기전력 또는 상기 열유속 센서에 측정한 열기전력을 외부로 전송하는 통신부를 포함함을 특징으로 하는 물품품질 모니터링 시스템.The method of claim 5, wherein the RFID tag,
A heat flux sensor attached to an article or a packaging container and measuring a thermoelectric power and a temperature corresponding to the magnitude of the heat flux flowing into or out of the article;
A storage unit for storing the thermoelectric power and the temperature measured by the heat flux sensor;
The article quality monitoring system, characterized in that it comprises a communication unit for transmitting the thermoelectric power stored in the storage unit or the thermoelectric power measured by the heat flux sensor to the outside.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110125196A KR101288482B1 (en) | 2011-11-28 | 2011-11-28 | Method for food quality prediction based microbial growth model |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110125196A KR101288482B1 (en) | 2011-11-28 | 2011-11-28 | Method for food quality prediction based microbial growth model |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130059079A KR20130059079A (en) | 2013-06-05 |
| KR101288482B1 true KR101288482B1 (en) | 2013-07-26 |
Family
ID=48858112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110125196A KR101288482B1 (en) | 2011-11-28 | 2011-11-28 | Method for food quality prediction based microbial growth model |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101288482B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021524641A (en) * | 2018-07-11 | 2021-09-13 | テトラ ラバル ホールディングス アンド ファイナンス エス エイ | Methods for food monitoring, food packaging systems, and electronic devices |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112342265A (en) * | 2020-11-10 | 2021-02-09 | 南京工业大学 | Method for using growth model based on salmonella in beef under variable temperature condition |
| CN113626442B (en) * | 2021-08-25 | 2024-02-27 | 深圳市前海高新国际医疗管理有限公司 | High-efficiency biological information data processing method and system |
-
2011
- 2011-11-28 KR KR1020110125196A patent/KR101288482B1/en active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| 미생물 위해평가 매뉴얼, 식품위해평가부 미생물과 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021524641A (en) * | 2018-07-11 | 2021-09-13 | テトラ ラバル ホールディングス アンド ファイナンス エス エイ | Methods for food monitoring, food packaging systems, and electronic devices |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20130059079A (en) | 2013-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ndraha et al. | Time-temperature abuse in the food cold chain: Review of issues, challenges, and recommendations | |
| McMeekin et al. | Shelf life prediction: status and future possibilities | |
| McMeekin et al. | Predictive microbiology: towards the interface and beyond | |
| Morey et al. | Cold hardiness of Helicoverpa zea (Lepidoptera: Noctuidae) pupae | |
| US9080997B2 (en) | Local storage and conditioning systems for nutritional substances | |
| Tsironi et al. | Application and validation of the TTI based chill chain management system SMAS (Safety Monitoring and Assurance System) on shelf life optimization of vacuum packed chilled tuna | |
| US20140069838A1 (en) | Nutritional Substance Label System For Adaptive Conditioning | |
| La Scalia et al. | Predictive shelf life model based on RF technology for improving the management of food supply chain: A case study | |
| Sciortino et al. | A webGIS-based system for real time shelf life prediction | |
| MX2014008414A (en) | Preservation system for nutritional substances. | |
| WO2014210531A2 (en) | Local storage and conditioning systems for nutritional substances | |
| KR101288482B1 (en) | Method for food quality prediction based microbial growth model | |
| EP3068695A1 (en) | Nutritional substance label system for adaptive conditioning | |
| Göransson et al. | Shelf-life variations in pallet unit loads during perishable food supply chain distribution | |
| Huang | Dynamic determination of kinetic parameters, computer simulation, and probabilistic analysis of growth of Clostridium perfringens in cooked beef during cooling | |
| Ghollasi‐Mood et al. | Quality changes of air‐packaged chicken meat stored under different temperature conditions and mathematical modelling for predicting the microbial growth and shelf life | |
| Xiao et al. | Developing an intelligent traceability system for aquatic products in cold chain logistics integrated WSN with SPC | |
| Gibson | Predicting the shelf life of packaged fish from conductance measurements | |
| KR101349232B1 (en) | Smart refrigerator, Server for Provided of quality index and System for Provided of quality index | |
| Singh et al. | Big data and its role in mitigating food spoilage and quality deterioration along the supply chain | |
| Lee et al. | Development of a novel time-temperature integrator/indicator (TTI) based on the Maillard reaction for visual thermal monitoring of the cooking process | |
| Bentley et al. | The thermal breadth of Nylanderia fulva (Hymenoptera: Formicidae) is narrower than that of Solenopsis invicta at three thermal ramping rates: 1.0, 0.12, and 0.06 C min− 1 | |
| Ostojić et al. | Implementation of IoT for food wastage minimisation | |
| Heising | Intelligent packaging for monitoring food quality: a case study on fresh fish | |
| Lee et al. | Model on the microbial quality change of seasoned soybean sprouts for on-line shelf life prediction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160712 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170908 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20180823 Year of fee payment: 6 |