[发明专利]一种冷链肉与肉制品物流过程中品质智能检测方法及系统

权利要求书

1.一种冷链肉与肉制品物流过程中品质智能检测方法，其特征在于，其步骤如下：

步骤一：通过微生物多样性分析确定不同肉与肉制品、不同包装方式条件下样品的优势致腐微生物；

步骤二：通过实地调研流通和销售环节的环境变化因素，确定样品中优势致腐微生物的动态波动温度；

步骤三：根据步骤二的动态波动温度设置培养温度和时间参数将样品放入波动温度培养箱中进行培养，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至少两份样品，进行细菌总数和优势腐败菌总数平板计数，构建动态条件下的生长和存活曲线；

步骤四：利用微生物生长与存活的关系、微生物生长与环境因子的关系构建冷链肉制品中微生物三级动态模型；

步骤五：利用Runge-Kutta方法求解微生物生长动力学参数，通过步骤三动态条件下的生长和存活曲线及最小二乘优化算法优化动力学参数；

步骤六：将优化的动力学参数带入微生物三级动态模型得到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；

所述微生物生长与存活的关系满足利用样品中假单胞菌、乳酸菌、菌落总数的logistic方程：

m＝0 if TT_min，

m＝1 if T≥T_min；

式中，N是实时细菌计数，单位为CFU/g，Y_max是最大菌浓度的指数对数，单位为CFU/g，m是系数，K是速率系数；

微生物生长与环境因子的关系满足黄平方根模型：

当T≥T_min，K＝μ^max；

当T＜T_min时，K＝k(T-T_min)；

式中，μ_max是比生长速率，单位为log CFU/g/h；a是动力学参数；T为贮藏温度；T_min为最低生长温度；

所述步骤四中微生物三级动态模型是采用一步动态分析法直接构建logistic方程和黄平方根模型；利用动态条件下的生长和存活曲线，通过最小二乘逆分析确定动力学参数a、k、T_min和Y_max；logistic方程通过使用四阶Runge-Kutta方法结合最小二乘优化算法来搜索优化的动力学参数a、K、T_min和Y_max，使残差平方和RSS最小化：

式中，n是试验样本数，y_i是第i个数据点细菌计数的对数，单位为log CFU/g；是对数y_i对应的模型值，单位为log CFU/g；

其检测系统包括服务器平台、后台运算模块、数据库和前端显示模块，服务器平台与后台运算模块相连接，后台运算模块分别与RFID温度监控集成标签、数据库和前端显示模块相连接；前端显示模块上设有新鲜度量效可视模块，后台运算模块上设有新鲜度量效模块、样品数据运算分析模块和大数据分析模块，新鲜度量效模块与新鲜度量效可视模块相连接；

数据库为mySQL数据库，根据需求分析建立相应数据表；样品数据运算分析模块通过SQR语言对mySQL数据库进行环境配置，利用SQLYON工具将不同样品的微生物间歇性动态生长模型通过计算机语言解析，构建样品数据库根据需求分析建立相应数据表，基于PHP语言环境在逻辑层调用解析后的微生物三级动态模型，将传输的数据代入计算，得到微生物生长数量；大数据分析模块根据不同样品企业实地冷链物流过程中温度波动的情况，利用Python进行波动温度大数据分析，获得不同肉与肉制品冷链物流过程中温度波动的变化规律，用于对不同产品优势致腐微生物间歇性动态预测模型进行训练；新鲜度量效模块根据肉与肉制品新鲜度指标TVB-N含量进行划分肉品等级：与细菌总数、优势腐败菌数进行相关性分析，获得不同等级变化的临界点微生物数量，通过伪彩色处理将不同新鲜度等级赋予相应的代表色。

2.根据权利要求1所述的冷链肉与肉制品物流过程中品质智能检测方法，其特征在于，所述样品是直接从生产线上直接取样的生鲜猪肉或生鲜牛肉，样品选自同一车间当日分割，真空包装或托盘包装的不同包装方式后进行冷链运输送至实验室，立即进行微生物数量的检测；所述生鲜猪肉24h排酸后分割包装后，置于4℃的条件下保存。