[发明专利]一种冷链肉制品微生物间歇性动态预测模型的构建方法

摘要

本发明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。

主权项

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T_min，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T_min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μ_max,lnCFU/g h‑1、延迟期λ和最大菌数N_max，描述优势腐败菌数量随时间变化之间的关系如下所述；N＝N_L+N_D  (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N_L,CFU/g，对数期的细菌数量为N_D,CFU/g，达到稳定期时的最大菌落数量为N_max,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μ_max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μ_max、延迟期λ以及最大菌落浓度N_max参数，当T>T_min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，T_opt是最适生长温度，此时微生物的生长速率μ_opt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，μ_opt、T_min、T_opt和T_max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T_min和T_max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B_f和准确因子A_f的大小进行比较，偏差因子B_f用来来评价预测值的上下波动幅度，准确因子A_f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N_s,log(cfu/g)和最大菌值N_max,log(cfu/g)，依据初始菌值N₀增值到N_s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‑[(N_max‑N₀)/μ_max×2。718]×{ln[‑ln[(N_s‑N₀)/(N_max‑N₀)]‑1]}  (5)。