市售五香牛肉货架期预测模型的建立

开篇：润墨网以专业的文秘视角，为您筛选了一篇市售五香牛肉货架期预测模型的建立范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：以菌落总数为指标建立微生物生长模型及散装五香牛肉货架期预测模型。将市售散装五香牛肉分割贮藏，测定了4、7、10℃条件下，贮藏期内样品菌落总数的变化。对恒定温度下的五香牛肉建立微生物初级生长模型、平方根二级模型及货架期预测模型。建立菌落总数的一级模型（Gompertz方程），拟合度在95%以上；平方根二级模型的R2值为0.998，温度与生长速率的平方根呈良好的线性关系，并且残差值在0上下浮动。

关键词：菌落总数；五香牛肉；货架期预测；模型建立；食品安全

中图分类号：TS251.61 文献标志码：A 文章编号：1001-8123（2013）06-0025-04

五香牛肉作为一种传统的熟肉制品，一直深受大众的喜爱。然而由于其营养丰富，也极适合微生物的生长，在一定贮藏条件下，产品中残余微生物会迅速生长繁殖，从而最终导致产品腐败[1]。影响微生物生长的环境因素里，温度是第一重要的。在生产、储藏、运输和销售的过程中，温度的控制可以直接影响到肉品的质量。如果冷链系统不完善导致温度升高，微生物会迅速增殖，加速肉品的腐败变质，甚至会对公共健康构成潜在的威胁[2]。因此必须要掌握在不同温度下特定腐败菌的生长情况，才能更有效的对产品质量进行监测。

传统方法是通过对产品进行抽样检测，耗费大量时间和人力，却无法达到预见效果，而预测微生物学可以帮助解决此问题[3]。为了准确预测五香牛肉的货架期，研究了4、7、10℃条件下样品中的菌落总数变化。通过试验数据与模型数据的比对，分别采用Gompertz一级模型和平方根二级模型[4]，通过统计分析，利用MATLAB7.0软件进行回归拟合，最后建立货架期预测模型。期望为2013-04-15酱卤肉制品在市场上的正常流通、揭示酱卤肉制品的腐败机理、保证产品质量、延长产品货架期等实际问题的解决提供基础理论数据。

1 材料与方法

1.1 材料与试剂

市售散装五香牛肉，购于新百连锁超市宁阳店。

平板计数琼脂（plate count agar，PCA）培养基：用于测定菌落总数。PCA培养基成分见表1。

将表1各成分加于蒸馏水中，加热溶解，调pH值至7.0～7.2，分装，121℃灭菌15min，冷却至室温备用。

1.2 仪器与设备

LRH-150B生化培养箱 广东省医疗器械厂；LDZM-80KCS立式压力蒸汽灭菌锅 上海申安医疗器械厂；HDL-APPARATUS超净工作台 北京东联哈尔仪器制造有限公司。

1.3 方法

1.3.1 预处理

购买超市散装五香牛肉，用保鲜膜包裹，迅速转移到实验室中。在无菌条件下进行分割，垂直于肌纤维方向切成约50mm×50mm×20mm大小的肉块，每块肉质量约50.0g，分成8×3组，每组3块，将分组后的肉块装入托盘后以保鲜袋包装（模拟家庭存放状态），分别在4、7℃和10℃条件下储存0、2、4、6、8、10、12、14d。

1.3.2 微生物计数方法

微生物37℃培养48h，计数方法参照GB/T 4789.2―2010《食品安全国家标准：食品微生物学检验：菌落总数测定》[5]。

1.3.3 建模方法

采用Matlab7.0调用Fminsearch程序进行数据拟合与回归[6-7]。

2 结果与分析

2.1 贮藏温度对五香牛肉中菌落总数的影响

由图1可知，在4℃贮藏条件下，菌落总数变化较为缓慢，在整个贮藏期内7、10℃的贮藏环境下五香牛肉中的菌落总数明显高于4℃条件下的，说明低温对于肉制品中微生物的生长有明显的抑制效果，温度对产品菌落总数的影响显著。根据GB2726―2005《熟肉制品卫生标准》，对酱卤类肉品微生物的安全标准为8×104CFU/g（对数值为4.903）[8]，而经过实验，只有在4℃以下，且保持恒温的条件下，才能保证五香牛肉在2周的贮藏时间内微生物标准合格。因此，建议产品在4℃及4℃以下温度贮藏，且温度应尽量保持恒定[9-10]。

2.2 模型的拟合与修正

2.2.1 一级模型的修正与拟合

初级模型主要表达微生物量随着时间变化的函数关系，在此基础上可进一步计算出延迟期、生长速率和最大菌落数[11]。对Gompertz模型修正后，使模型中的参数都有一定的生物学意义，修正后的Gompertz模型不仅可以更好的描述本实验微生物的生长情况，而且，修正后的Gompertz模型无论从简单性还是从有效性来说都是最好的[12-13]。

对经典Gompertz模型稍作变化，可以得到如下修正的Gompertz模型：

式中：N：微生物在时间t时总量；N0：t=-∞时生物量（近似相当于t=0时的初始菌数）；A：t=+∞时的lg（N/N0），即当N达到最大时所对应的值；B：在时间C时的相对最大生长速率d-1；C：达到相对最大生长速率所要的时间d。

根据一级模型，利用实验所测得的各种条件下细菌的t、N值与方程进行拟合，求出参数值A、B和C可以进一步计算出生长速率分别将4、7、10℃条件下细菌总数数据与修正后的Gompertz模型拟和，并进行数理统计换算得到微生物生长动力学模型。菌落总数在3个温度下的生长动力学模型，参数及相关指标见表2。模型方程如下：

图2中显示了模型检验五香牛肉3个温度条件下的菌落总数，利用微生物生长动力学模型计算出的预测值与实验数据的对比效果，真实实验数据都落在95%的置信区间内，说明模型的效果较好，可以采样修正Gompertz模型作为五香牛肉的一级微生物预测模型。

2.2.2 二级模型的拟合

二级动力学模型中的平方根模型是基于微生物生长速率的平方根与温度之间的线性关系。在不同温度下，微生物的生长速率或延迟期倒数的平方根与温度之间存在线性关系。平方根模型主要是用来描述环境因子的影响的模型，其描述温度影响的简单表达式见式（5）。

（5）

式中：Tmin为假定的最低温度/℃；T代表了微生物没有代谢活动时的温度；b1为拟合系数。

根据表1中的不同温度下最大比生长速率（U），可以拟合最大生长速率-温度曲线，如图3所示。

而对于另外两个重要的指标参数延迟期（LPD）和最大细胞浓度（MPD），通过测得的菌落总数计算得到，见表1。根据此数据与温度的关系，采用二次多项式拟合，获得菌落总数生长模型中的二级模型见式（7）、（8），拟合曲线如图4所示。

2.2.3 货架期的预测分析

根据建立的微生物生长动力学模型，计算出最大生长速率和迟滞期，就可以对货架期做初步预测。货架期预测模型依据优势腐败菌从N0到Ns的增值时间来计算，就可计算出产品在4～10℃条件下的剩余货架期，如下式：

（9）

在4～10℃范围内，最大菌落总数MPD平均为5.8605lg（CFU/g），Ns为4.9031lg（CFU/g），则由式（9）可得：

（10）

如已知道五香牛肉的初始菌数（N0）和贮藏温度，也可以通过上式实时求得剩余货架期。本研究以国家标准为腐败限控量，建立预测模型时采集的样品均为正常销售渠道过程中所得的自然污染的样品，与实际情况较为贴近，所得预测模型具有较大的现实意义。

2.2.4 货架期模型的验证

为了验证货架期模型的预测效果，采用准确度（accuracy factor，AF）、偏差度（bias factor，BF）来评价所建模型的准确度[14]。准确度AF反映了预测值和实际值的相近程度，BF反映了预测值与实际值之间的偏差；不同模型之间的比较通常采用准确度AF进行比较。

（11）

（12）

式中：N实测为实验实际测得货架期；N预测为运用货架期预测模型得到的与N实测同一温度下的货架期；n为实验次数。

预测值和实测值之间的差异AF介于20%以内，预测值上下波动的幅度BF为10%左右，表示货架期模型能够有效的预测产品货架期。表3显示了以菌落总数为基准建立的货架期预测模型能有效的预测产品的货架期。

3 结 论

在贮藏过程中，随着时间的延长，微生物菌落总数呈现不断上升的趋势，且7、10℃条件贮藏1周后，微生物就大幅提升超过国标规定的安全范围。说明温度的波动对产品菌落总数的影响显著，严格控制产品的贮藏温度在0～4℃有利于保持产品品质的稳定性和安全性。明确的安全期及保质期的界定是保证消费者食用安全的重要前提。消费者在购买肉品时，应该尽量选择生产日期较近的，当储存接近保质期的产品品质会相对要差。

对恒定温度下的五香牛肉建立菌落总数和乳酸菌数的一级模型（Gompertz方程），拟合度在95%以上；平方根二级模型的R2值为0.998和0.993能较好地拟合不同温度下菌落总数的生长速率，温度与生长速率的平方根呈良好的线性关系。，，并且残差值在0上下浮动。

建立了冷却牛肉的剩余货架期方程，只要确定某温度下初始菌落总数值（N0）和贮藏的温度条件，便可实时求得剩余货架期。

应进一步确定五香牛肉的新鲜-腐败指标。可以通过测定色度、质构、生物胺、挥发性盐基氮、总酸和油脂氧化值等多种指标来判断五香牛肉的腐败程度，综合更多的因素来确定五香牛肉的腐败限控量。增加测定温度条件，研究不同温度下最大菌落数的变化，确定其是否与温度呈正相关。同时研究五香牛肉中菌相的变化及消长规律，研究其各菌群自发及协同作用的腐败机制，以此更好的控制产品的腐败变质。

参考文献：

[1] 刘会平等. 肉类中的微生物及其对风味的影响[J]. 肉类研究， 1998， 12（4）： 24-25.

[2] 闫文杰， 李鸿玉， 荣瑞芬. 中国传统肉制品存在的问题及对策[J]. 农业工程技术： 农产品加工业， 2008（3）： 40-43.

[3] 李博， 李里特， 辰巳英三. 预测微生物学的研究进展[J]. 食品与发酵工业， 2001， 27（11）： 54-57.

[4] WHITING R C， BUCHANAN R L. A classification of models for predictive microbiology[J]. Food Microbiology， 1993， 10（12）： 175-177.

[5] GB4789.2―2010 食品安全国家标准： 食品微生物学检验： 菌落总数测定[S]. 北京： 中国标准出版社， 2010.

[6] 张德丰， 雷晓平， 周燕. MATLAB基础与工程应用[M]. 北京： 清华大学出版社， 2012.

[7] 卓金武. MATLAB在数学建模中的应用[M]. 北京： 北京航空航天大学出版社， 2011.

[8] GB2726―2005 熟肉制品卫生标准[S]. 北京： 中国标准出版社， 2010.

[9] GILL C O. Extending the storage life of raw chilled meats[J]. Meat Science， 1996， 43（1）： 99-109.

[10] 喻建军， 杨剑. 不同储藏条件下散装熟肉的卫生学评价[J]. 畜牧与饲料科学， 2010， 31（5）： 95-96.

[11] MCDONALD K， SUN A W. Predictive food microbiology for the meat industry： a review[J]. International Journal of Food Microbiology， 1999， 52（1/2）： 1-27.

[12] 高文静. 冷却肉表面微生物的检测及预测预报[D]. 郑州： 河南农业大学， 2007.

[13] 胡洁云， 严维凌， 林露， 等. 气调包装酱牛肉贮藏过程中优势腐败菌变化规律和预测模型的初建[J]. 食品科学， 2010， 31（8）： 142-145.

[14] 李飞燕. 冷却牛肉菌落总数生长模型及货架期预测模型的研究[D]. 济南： 山东农业大学， 2011.