一种冷链肉制品微生物间歇性动态预测模型的构建方法技术

本发明专利技术提供了一种冷链肉制品微生物间歇性动态预测模型的构建方法，属于冷链肉制品品质智能预测领域，包括：动态波动温度的设置；不同温度条件下微生物培养；微生物间歇性动态生长预测模型的构建；模型验证；冷链过程中不同肉制品货架期的预测模型构建。该方法提供的冷链肉制品微生物间歇性动态预测模型的构建方法操作简单，结果可靠，能实时预测波动和恒定温度条件下冷链肉制品品质的方法，实现冷链过程中肉制品的品质实时监控，为企业和消费者提供一种快速、高效的微生物预测方法，通过建立微生物智能化预测模型，提高了模型预测精度和效率，为冷链肉制品过程中评价肉制品的食用安全性提供有效手段。

【技术实现步骤摘要】
一种冷链肉制品微生物间歇性动态预测模型的构建方法
本专利技术属于冷链肉制品品质智能预测领域，具体涉及一种冷链肉制品微生物间歇性动态预测模型的构建方法。
技术介绍
冷链肉制品因其保质期长、营养价值高、口感好等特点，在肉类消费中逐步成为主流。随着人们对冷链肉制品需求的增加，冷链肉制品的品质及新鲜度越来越受到广大消费者的关注，虽然在较低温度下贮藏和流通，但并不能完全抑制微生物的生长繁殖，尤其是嗜冷微生物，再加上波动的温度条件，造成冷链肉制品微生物数量增多，产品安全性和品质快速降低，剩余货架期较短，到达运输目的地之后对肉品质量的检查结果又往往延迟于销售，这对国民的健康产生威胁，这也是目前冷鲜肉质量监控的盲点。冷链肉制品极易污染致病菌和腐败，温度是影响其腐败的关键因素，可以影响冷链肉制品优势致病微生物和优势致腐微生物的生长繁殖，为了实现0～4℃的温度要求，需要冷链系统自始至终(从生产到消费)用连续的控温技术来处理冷鲜肉。冷链肉制品的质量安全取决于其整个供应链“养殖场-屠宰场-物流服务商-销售商”。在肉品源头处(即养殖场、屠宰场)有专门的冷藏设施来保证肉品的低温冷藏，而在其运输过程(即冷链物流过程)和销售过程中，严格的运输冷链应该是一种“门对门”的完整系统，由于我国冷链物流行业标准落实不到位，生产流通和销售过程中冷链物流系统不健全，再加上运输环境复杂，涉及面广，突发状况多且难以控制，缺乏系统有效的监管，运输冷链中的交叉污染和温度失控经常发生，温度的频波动，会促使微生物生长繁殖，加快肉质腐败进程，严重威胁消费者健康。预测微生物学是借助微生物学、计算机软件和数学模型等知识，直接预报微生物的安全性科学。传统的模型构建过程不仅复杂、繁琐，且由于模型开发过程中涉及多个步骤与环节，容易导致实验和分析误差产生积累和传递，从而导致波动温度的动力学条件下对微生物生长变化的预测结果不准确，不能真实有效的反应食品中微生物在流通过程中生长变化情况。而且大多数等温条件下构建的预测模型被验证在动态变化条件下是无效的。国内外文献检索表明，在波动温度条件下微生物预测模型构建方面，公开号为CN102650632A、名称为“一种应用于波动温度下评价冷却猪肉货架期的方法”的专利技术专利采用的是三阶段线性模型来描述不同贮藏温度条件下的冷却猪肉中好氧菌的数量随时间的变化，只能对好氧菌的变化进行预测，且只能“一菌一模型”、“一品种一模型”，这种情况不利于学科发展，也不利于实际应用。公开号为CN104298868A、名称为“一种冷链物流的冷却肉货架期预测方法及系统”的专利技术专利仅是对冷却肉货架期的快速预测，无法实时监控波动温度条件下其他冷链肉制品品质的变化，模型缺乏普适性。在实际冷链过程中温度处于低温非生长与适宜温度生长的交替变化过程，微生物出现间歇性动态变化，这一直是制约冷链过程中食品安全智能化管理的难题，目前所构建的微生物生长模型无法解决微生物间歇动态生长的问题。因此，本申请提出一种冷链肉制品微生物间歇性动态预测模型的构建方法来解决上述问题。
技术实现思路
为了克服上述现有技术存在的不足，本专利技术提供了一种冷链肉制品微生物间歇性动态预测模型的构建方法。该方法是一种操作简单，结果可靠，能实时预测波动和恒定温度条件下冷链肉制品品质的方法，能够实现冷链过程中肉制品的品质实时监控，为企业和消费者提供一种快速、高效的微生物预测方法。为了实现上述目的，本专利技术提供如下技术方案：一种冷链肉制品微生物间歇性动态预测模型的构建方法，包括以下步骤：步骤1.样品动态波动温度的确定；通过实地调研样品生产厂家、冷链运输环境以及门店销售各个环节环境因素变化，确定冷链肉制品微生物动态波动温度范围；步骤2.不同温度条件下微生物培养；使用可编程的精确生化培养箱，精确度为±0.1～0.2℃，模拟步骤1中冷链过程中温度波动的范围，设置培养箱的培养温度及时间参数，并将若干份样品放入培养箱中；每当温度依据设置的波动温度点发生波动变化时从培养箱中随机取出5份样品，进行细菌总数和优势腐败菌总数平板计数；步骤3.微生物间歇性动态生长预测模型的构建；根据细菌总数和优势腐败菌总数、利用Matlab绘制不同条件下微生物生长曲线，分析冷链肉制品微生物的生长特性，用于确定优势致腐、致病微生物的动力学参数和构建其动态预测模型；步骤3.1.构建微生物生长与存活的一级模型即生长模型；设定微生物的贮藏温度为T、最低生长温度为Tmin，根据不同冷链肉制品中微生物的变化特征，依据贮藏温度T与最低生长温度Tmin的大小，利用matlab软件直接构建冷链物流过程中波动温度条件下优势腐败菌的基本生长模型，计算最大比生长速率μmax,lnCFU/gh-1、延迟期λ和最大菌数Nmax，描述优势腐败菌数量随时间变化之间的关系如下所述；N＝NL+ND(3)式中，t为时间，微生物快速增殖速率为a，细菌总数为N,CFU/g，初始菌量为N0,CFU/g，t为时间，迟滞期的细菌数量为NL,CFU/g，对数期的细菌数量为ND,CFU/g，达到稳定期时的最大菌落数量为Nmax,CFU/g；步骤3.2.构建环境因子与一级模型中微生物生长动力学参数之间的二级模型即环境因素模型；在不同的温度条件下，用最大比生长速率μmax和延迟期λ来衡量微生物生长的差异，即利用一级模型中获得的最大比生长速率μmax、延迟期λ以及最大菌落浓度Nmax参数，当T>Tmin时，构建温度对微生物生长动力学参数的影响，采用Rosso温度参数模型来描述；其中，μ是温度为T℃时的比生长速率，Topt是最适生长温度，此时微生物的生长速率μopt达到最佳状态(h-1)；步骤3.3.构建冷链肉制品中微生物三级动态模型即高精度智能专家模型，即基于生长模型和环境因素模型之上的综合性软件模型；既是建立在一级和二级模型基础上的应用软件，生长模型和环境因素模型以模块形式嵌入应用软件，应用软件的程序在计算机上运行，在既定的环境条件下随时反应微生物数量与环境条件之间的对应关系，对于每个生长曲线，生长过程通过常微分方程(1)-(3)结合步骤3.2.中的(4)式来描述；采用一步动态数值分析方法直接构建高精度智能专家模型，即采用四阶Runge-Kutta数值分析法解微分方程组进行求解；μ可以通过时间-温度的数据用方程(4)来确定，μopt、Tmin、Topt和Tmax通过最小平方优化法获得优化数值，一步动态数值分析法具体采用四阶Runge-Kutta算法和Python法进行最小平方优化，在数据优化期间，启动电脑程序，赋予每个参数一个初始猜测值，程序迭代使用初始猜测值去解微生物不同阶段的常微分方程，在每次假设Tmin和Tmax基础上，每次迭代和迭代继续，数值优化出动态变化时微生物的动力学参数，减少试验误差的积累，从而构建温度波动条件下不同优势致腐微生物的间歇性动态预测模型，实现冷链过程中波动温度条件下优势致腐微生物的快速可视化；步骤4.模型验证；步骤3.3构建高精度智能专家模型以后，采用两组动态生长曲线与一组恒温曲线对模型进行验证，通过均方误差MSE、均方根误差RMSE以及残差平方和RSS进行判断预测模型的优劣，然后与所建的模型预测值利用偏差因子Bf和准确因子Af的大小进行比较，偏差因子Bf用来来评价预测值的本文档来自技高网...

【技术保护点】
1.一种冷链肉制品微生物间歇性动态预测模型的构建方法，其特征在于，包括以下步骤：步骤1.样品动态波动温度的确定；通过实地调研样品生产厂家、冷链运输环境以及门店销售各个环节环境因素变化，确定冷链肉制品微生物动态波动温度范围；步骤2.不同温度条件下微生物培养；使用可编程的精确生化培养箱，模拟步骤1中冷链过程中温度波动的范围，设置培养箱的培养温度及时间参数，并将若干份样品放入培养箱中；每当温度依据设置的波动温度点发生波动变化时从培养箱中随机取出5份样品，进行细菌总数和优势腐败菌总数平板计数；步骤3.微生物间歇性动态生长预测模型的构建；根据细菌总数和优势腐败菌总数、利用Matlab绘制不同条件下微生物生长曲线，分析冷链肉制品微生物的生长特性，用于确定优势致腐、致病微生物的动力学参数和构建其动态预测模型；步骤3.1.构建微生物生长与存活的一级模型即生长模型；设定微生物的贮藏温度为T、最低生长温度为Tmin，根据不同冷链肉制品中微生物的变化特征，依据贮藏温度T与最低生长温度Tmin的大小，利用matlab软件直接构建冷链物流过程中波动温度条件下优势腐败菌的基本生长模型，计算最大比生长速率μmax,lnCFU/g h‑1、延迟期λ和最大菌数Nmax，描述优势腐败菌数量随时间变化之间的关系如下所述；...

【技术特征摘要】
1.一种冷链肉制品微生物间歇性动态预测模型的构建方法，其特征在于，包括以下步骤：步骤1.样品动态波动温度的确定；通过实地调研样品生产厂家、冷链运输环境以及门店销售各个环节环境因素变化，确定冷链肉制品微生物动态波动温度范围；步骤2.不同温度条件下微生物培养；使用可编程的精确生化培养箱，模拟步骤1中冷链过程中温度波动的范围，设置培养箱的培养温度及时间参数，并将若干份样品放入培养箱中；每当温度依据设置的波动温度点发生波动变化时从培养箱中随机取出5份样品，进行细菌总数和优势腐败菌总数平板计数；步骤3.微生物间歇性动态生长预测模型的构建；根据细菌总数和优势腐败菌总数、利用Matlab绘制不同条件下微生物生长曲线，分析冷链肉制品微生物的生长特性，用于确定优势致腐、致病微生物的动力学参数和构建其动态预测模型；步骤3.1.构建微生物生长与存活的一级模型即生长模型；设定微生物的贮藏温度为T、最低生长温度为Tmin，根据不同冷链肉制品中微生物的变化特征，依据贮藏温度T与最低生长温度Tmin的大小，利用matlab软件直接构建冷链物流过程中波动温度条件下优势腐败菌的基本生长模型，计算最大比生长速率μmax,lnCFU/gh-1、延迟期λ和最大菌数Nmax，描述优势腐败菌数量随时间变化之间的关系如下所述；N＝NL+ND(3)式中，t为时间，微生物快速增殖速率为α，细菌总数为N,CFU/g，迟滞期的细菌数量为NL,CFU/g，对数期的细菌数量为ND,CFU/g，达到稳定期时的最大菌落数量为Nmax,CFU/g；步骤3.2.构建环境因子与一级模型中微生物生长动力学参数之间的二级模型即环境因素模型；在不同的温度条件下，用最大比生长速率μmax和延迟期λ来衡量微生物生长的差异，即利用一级模型中获得的最大比生长速率μmax、延迟期λ以及最大菌落浓度Nmax参数，当T>Tmin时，构建温度对微生物生长动力学参数的影响，采用Rosso温度参数模型来描述；其中，μ是温度为T℃时的比生长速率，Topt是最适生长温度，此时微生物的生长速率μopt达到最佳状态；步骤3.3.构建冷链肉制品中微生物三级动态模型即高精度智能专家模型，即基于生长模型和环境因素模型之上的综合性软件模型；既是建立在一级和二级模型基础上的应用软件，生长模型和环境因素模型以模块形式嵌入应用软件，应用软件的程序在计算机上运行，在既定的环境条件下随时反应微生物数量与环境条件之间的对应关系，对于每个生长曲线，生长过程通过常微分方程(1)-(3)结合步骤3.2.中的(4)式来描述；采用一步动态数值分析方法直接构建高精度智能专家模型，即采用四阶Runge-Kutta数值分析法解微分方程组进行求解；μ通过时间-温度的数据用方程(4)来确定，μopt、Tmin、Topt和Tmax通过最小平方优化法获得优化数值，一步动态数值分析法具体采用四阶Runge-Kutta算法和Python法进行最小平方优化，在数据优化期间，启动电脑程序，赋予每个参数一个初始猜测值，程序迭代使用初始猜测值去解微生物不同阶段的常微分方程，在每次假设Tmin和Tmax基础上，每次迭代和迭代继续，数值优化出动态变化时微生物的动力学参数，减少试验误差的积累，从而构建温度波动条件下不同优势致腐微生物的间歇性动态预测模型，实现冷链过程中波动温度条件下优势致腐微生物的快速可视化；步骤4.模型验证；步骤3.3构建高精度智能专家模型以后，采用两组动态生长曲线与一组恒温曲线对模型进行验证，通过均方误差MSE、均方根误差RMSE以及残差平方和RSS进行判断预测模型的优劣，然后与所建的模型预测值利用偏差因子Bf和准确因子Af的大小进行比较，偏差因子Bf用来来评价预测值的上下波动幅度，准确因子Af用来衡量预测值和实测值之间的差异，对所建立的预测模型进行适合性验证，验证后的模型即为构建的微生物预测模型；步骤5.冷链过程中不同肉制品货架期的预测模型构建；货架期预测模型的建立，是依据冷链物流过程中不同肉制品的种类，利用步骤4中构建的微生物预测模型分析特定腐败菌的生长动力学模型，确定最小腐败限量Ns,log(cfu/g)和最大菌值Nmax,log(cfu/g)，依据初始菌值N0增值到Ns的时间来预测冷链肉制品的货架期，货架期SL的模型如下；SL＝λ-[(Nmax-N0)/μmax×2。718]×{ln[-ln[(Ns-N0)/(Nmax-N0)]-1]}(5)。2.根据权利要求1所述的冷链肉制品微生物间歇性动态预测模型的构建方法，其特征在于，所述步骤2中设置的波动温度点是依据实际冷链过程中温度的动态变化进行模拟设置，精确生化培养箱稳定在每个动态温度曲线的初始温度后，按照实验计划编程改变，定期从精确生化培养箱中取出样品，测定微生物的动态变化量，获得微生物的最低生长温度Tmin、最高生长...

【专利技术属性】
技术研发人员：李苗云，朱瑶迪，祝超智，柳艳霞，孙灵霞，张秋会，闫龙刚，张佳烨，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：河南,41