一种预测冷链肉类微生物数量的方法与系统的制作方法
【专利摘要】本发明涉及一种预测冷链肉类微生物数量的方法包括：S1：通过采用气味传感器阵列系统采集冷链贮藏肉类的顶空挥发性气味，同步进行菌落总数测定；S2：对获得的传感器数据与菌落总数数量进行特征提取与分析；S3：采用线性判别方法对肉类的不同菌落总数数量进行聚类区分，建立气味传感器响应信号与菌落总数数量的预测模型。本发明为物流过程猪肉的微生物安全性提供快速预测以及准确的技术手段。本发明还公开了一种预测冷链肉类微生物数量的系统。
【专利说明】一种预测冷链肉类微生物数量的方法与系统
【技术领域】
[0001] 本发明涉及计算机农业【技术领域】，尤其涉及一种预测冷链肉类微生物数量的方法 与系统。
【背景技术】
[0002] 气味是肉类新鲜度评价的重要指标，贮藏过程中气味的变化预示着品质改变。而 微生物的生长繁殖会利用肉中蛋白质、脂肪、碳水化合物等营养物质产生低级挥发性的胺 类、脂肪酸、酸类等混合性异味成分，微生物腐败是肉类变质的主要原因，通过监测微生物 产生的挥发性产物的气味进而预测微生物的数量，成为食品质量监控的一个重要手段。新 型的气味传感器阵列及其系统可以模拟人的嗅觉系统客观、快速地区分肉类中复杂的挥发 性气味，已经广泛地应用于牛奶、谷物、酒类、水产品等的品质鉴别、新鲜度判定；也有研究 利用传感器阵列系统对肉类气味的响应来鉴别微生物的种类，但极少报道用于预测微生物 的数量。目前关于肉类的菌落总数的检测依照于传统的微生物接种、培养、计数等方法，且 前处理过程及操作步骤复杂繁琐、耗时费力，不能满足物流分销过程及时获取微生物数量， 快速评估肉中的微生物食用安全性。由于肉中不同微生物数量所产生的挥发性成分的气味 也存在差异，结合气味传感器阵列系统可以快速采集分析气味的整体特征的优点，本发明 建立基于传感器阵列系统的响应信号与微生物数量的量化模型，实现物流过程快速预测肉 中微生物数量，为物流分销过程提供快速简便的质量监测方法。
【发明内容】
[0003] 本发明所要解决的技术问题是如何为物流过程猪肉的微生物安全性提供快速预 测的方法与系统的关键问题。
[0004] 为此目的，本发明提出了一种预测冷链肉类微生物数量的方法，包括具体以下步 骤：
[0005]S1:通过采用气味传感器阵列系统采集冷链贮藏待测肉类的顶空挥发性气味，同 步进行菌落总数测定；
[0006]S2:对获得的传感器数据与菌落总数数量进行特征提取与分析；
[0007]S3:采用线性判别方法对待测肉类的不同菌落总数数量进行聚类区分，建立气味 传感器响应信号与菌落总数数量的预测模型。
[0008] 进一步地，所述步骤S1进一步包括：
[0009]S11:经过肉类宰杀、冷却排酸、分割剔骨、统一取胴体瘦肉进行有氧托盘包装，于 0?4°C冰温运往分析室；
[0010] S12 :将样品分别贮藏于01：、51：、101：、151：高精度低温培养箱中，贮藏期间每隔 一段时间随机取各个温度下3盒肉类进行气味采集和菌落总数测定。
[0011] 进一步地，所述步骤S12进一步包括：菌落总数计数依据GB4789. 20-2003食品卫 生微生物学检验方法，所有操作均在无菌状态下进行。
[0012] 进一步地，所述步骤S2进一步包括：
[0013] S21 :传感器阵列系统测量肉类气味特征时，获得10个传感器阵列的响应图谱，其 中，所述响应图谱中每一条曲线表示一个传感器对气味的响应，曲线上的点表示气味成分 通过所述传感器通道的相对电阻率随贮藏时间的变化；
[0014] S22:选取变化曲线响应平稳的信号值作为特征提取值进行后续的多元统计分析。
[0015] 进一步地，所述步骤S3进一步包括：通过不同菌落总数数量所对应的传感器响应 曲线及特征提取，构建基于线性判别分析方法的预测模型。
[0016] 进一步地，还包括：对建立气味传感器响应信号与菌落总数数量的预测模型进行 模型验证。
[0017] 具体地，所述待测肉类为猪肉。
[0018] 为此目的，本发明还提出了一种预测冷链肉类微生物数量的系统，包括：
[0019] 采集测定装置，用于通过采用气味传感器阵列系统采集冷链贮藏待测肉类的顶空 挥发性气味，同步进行菌落总数测定；
[0020] 特征提取与分析装置，用于对获得的传感器数据与菌落总数数量进行特征提取与 分析；
[0021] 建立模型装置，用于采用线性判别方法对待测肉类的不同菌落总数数量进行聚类 区分，建立气味传感器响应信号与菌落总数数量的预测模型。
[0022] 进一步地，还包括：验证装置，用于对建立气味传感器响应信号与菌落总数数量 的预测模型进行模型验证。
[0023] 具体地，所述待测肉类为猪肉。
[0024] 本发明公开一种预测冷链肉类微生物数量的方法，通过采用气味传感器阵列系统 采集冷链贮藏待测肉类的顶空挥发性气味，同步进行菌落总数测定；对获得的传感器数据 与菌落总数数量进行特征提取与分析；采用线性判别方法对待测肉类的不同菌落总数数量 进行聚类区分，建立气味传感器响应信号与菌落总数数量的预测模型。实现为物流过程肉 类的微生物安全性提供快速预测与可靠验证的方法的技术手段。本发明还公开了一种预测 冷链肉类微生物数量的系统。
【专利附图】
【附图说明】
[0025] 通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理 解为对本发明进行任何限制，在附图中：
[0026] 图1示出了本发明实施例中的一种预测冷链肉类微生物数量的方法中的不同冷 藏温度下猪肉中菌落总数的数量变化图；
[0027] 图2示出了本发明实施例中的一种预测冷链肉类微生物数量的方法的步骤流程 图；
[0028] 图3示出了本发明实施例中的一种预测冷链肉类微生物数量的方法中的气味传 感器对猪肉中不同菌落总数数量的特征响应图；
[0029] 图4示出了本发明实施例中的一种预测冷链肉类微生物数量的方法中的基于传 感器阵列响应信号区分猪肉中菌落总数的数量图；
[0030] 图5示出了本发明实施例中的一种预测冷链肉类微生物数量的方法中的基于传 感器响应信号预测猪肉中菌落总数的数量图；
[0031] 图6示出了本发明实施例中的一种预测冷链肉类微生物数量的系统的结构图。
【具体实施方式】
[0032] 下面将结合附图对本发明的实施例进行详细描述。
[0033] 气味是肉类新鲜度评价的重要指标，贮藏过程中气味的变化预示着品质改变。而 微生物的生长繁殖会利用肉中蛋白质、脂肪、碳水化合物等营养物质产生低级挥发性的胺 类、脂肪酸、酸类等混合性异味成分，微生物腐败是肉类变质的主要原因，通过监测微生物 产生的挥发性产物的气味进而预测微生物的数量，成为食品质量监控的一个重要手段。新 型的气味传感器阵列及其系统可以模拟人的嗅觉系统客观、快速地区分肉类中复杂的挥发 性气味。本发明采用集成的气味传感器阵列系统采集贮藏过程中冷却猪肉的顶空挥发性气 味，同步进行微生物测定，对所获得的传感器数据与微生物数量进行特征提取，采用线性判 别方法对猪肉的不同微生物数量进行聚类区分，建立气味传感器响应信号与微生物数量的 预测模型，为猪肉品质预测提供准确快速的解决方案。
[0034] 如图1(a)-(d)所示，为托盘包装冷却猪肉在不同物流温度下菌落总数的变化趋 势。冷却猪肉的初始菌落总数平均为4. 691gCFU/g，各温度下初始菌数差异不显著（P> 0. 05)。通过本研究多次检测和查阅该冷却猪肉加工厂的质检部门的质检记录，冷却猪肉出 厂时的菌落总数在4. 0?5. 01gCFU/g，平均为4. 251gCFU/g，这和本发明的研究结果相近。 因此本研究冷却猪肉样品的初始菌数相对比较稳定，实验样品的微生物质量具有良好的一 致性，为本发明的研究提供了数量预测的重要基础。
[0035] 如图l(a)_(d)可知，0?15°C贮藏条件下，随着贮藏时间延长，菌落总数呈现不 同程度的增长。总体而言，温度越高，延滞期越短，最大生长速率越快，达到稳定期的时间 越短。〇°C的延滞期最长，达到4天；5°C和10°C的延滞期分别为3. 5天和2天，15°C几乎 没有延滞期。温度越低，对微生物生长所需的温度冲击越大，菌落总数的生长曲线波动幅 度越大；温度越高，其生长速率越大。〇°〇、51：、1〇1：、151：整个贮藏过程的最大菌数分别为 8. 86、9. 26、9. 55、9. 211gCFU/g，除了 0°C的最大菌数稍微低一些，其他三个温度的最大菌数 差异不显著（P> 0. 05)。根据国际食品微生物委员会规定，以7. 01gCFU/g有氧中温菌数为 生鲜肉类的微生物安全食用上限，〇°〇、51：、1〇1：、151：到达该限值的时间分别为6.5、5.5、 5、3 天。
[0036] 为了更好的理解与应用本发明提出的一种预测冷链肉类微生物数量的方法与系 统，以猪肉为例，并结合下附图示例进行详细说明。
[0037] 如图2所示，本发明提供了一种预测冷链肉类微生物数量的方法，包括具体以下 步骤：
[0038] 步骤S1 :通过采用气味传感器阵列系统采集冷链贮藏待测肉类的顶空挥发性气 味，同步进行菌落总数测定。其中，待测肉类为猪肉。
[0039] 具体地，猪肉气味采集方法为：冷藏过程中，每隔一段时间随机取不同贮藏温度下 的猪肉各3块，切成肉丁。准确称取肉丁 15g，分别平铺于150mL烧杯中，随即用双层保鲜 膜密封，室温静置l〇min后开始测量。每个样品重复3次。传感器阵列系统的工作流程为： 样品密封待气味平衡一段时间后，顶空气体经采样通道泵入到检测系统中，传感器因吸附 了一定量的挥发性物质，电导率发生变化，该信号被数据采集系统获取并存储于计算机中。 采样完毕后，经活性炭过滤后的洁净空气被泵入电子鼻，对传感器进行清洗并使其恢复到 初始状态，为下一次的测量做准备。其中电子鼻测量时，检测时间为60s，清洗时间为60s。 60s清洗时间可充分保证电子鼻各传感器恢复其初始状态。
[0040] 进一步地，冷却猪肉来自某正规大型加工厂，冷链猪肉贮藏方法包括：
[0041] 步骤S11 :经过生猪屠宰、冷却排酸、分割剔骨、统一取猪胴体的后腿瘦肉进行有 氧托盘包装，于0?4°C冰温运往分析室。
[0042] 步骤S12 :将样品分别贮藏于01：、51：、101：、151：高精度低温培养箱中，贮藏期间 每隔一段时间随机取各个温度下3盒猪肉进行菌落总数测定。
[0043] 进一步地，进行菌落总数测定包括：菌落总数计数依据GB4789. 20-2003食品卫生 微生物学检验方法，所有操作均在无菌状态下进行；取25g猪肉样品置于225mL无菌生理盐 水中，振荡均匀，做10倍系列稀释，至少选取三个稀释浓度进行接种；每个稀释度做两个平 行。菌落总数采用PCA培养基，37°C培养48h，计算典型菌落数量，换算成对数值lgCFU/g。
[0044] 步骤S2 :对获得的传感器数据与菌落总数数量进行特征提取与分析。
[0045] 具体地，传感器阵列系统测量猪肉气味特征时，获得10个传感器阵列的响应图 谱，图中每一条曲线代表一个传感器对气味的响应，曲线上的点代表气味成分通过传感器 通道时，相对电阻率（G/G0)随贮藏时间的变化情况。从传感器阵列响应曲线可看出，如图 3(a)_(c)所示，传感器阵列对猪肉挥发性气味有明显的响应，且每个传感器的响应值各不 相同。响应曲线中，从初始的零气到最后样品气体的平稳过程中，相对电阻率在初期（20秒 以内）快速增加，然后再趋于平稳（35秒以后）。通过综合比较不同贮藏温度下各传感器阵 列的响应曲线，在35秒以后，各优势传感器响应值趋于平缓且相对稳定状态，因此本发明 采用稳定状态下40?45秒的信号作为该模型构建的特征提取。
[0046] 进一步地，以15°C贮藏为例，检测贮藏过程中不同时期的菌落总数的数量，同时采 用传感器阵列系统采集猪肉的顶空空气。如图3(a)_(c)所示为传感器阵列对不同微生物 数量产生的气味的特征响应，从图中可以看出，菌落总数平均值为4.lllogCFU/g时，传感 器响应值低于1. 3 ;菌落总数平均值为6. 801ogCFU/g时，传感器响应值低于2. 0 ;当菌落总 数平均值达到9. 211ogCFU/g时，传感器响应值达到6. 5左右；表明传感器响应值随着菌落 总数的跃增而跃增。本发明的实验表明：传感器能很好地响应不同菌落总数的数量，为后续 的量化预测模型提供良好的数据基础。
[0047] 步骤S3 :采用线性判别方法对待测肉类的不同菌落总数数量进行聚类区分，建立 气味传感器响应信号与菌落总数数量的预测模型。即通过不同菌落总数数量所对应的传感 器响应曲线及特征提取，构建基于线性判别分析方法的预测模型。
[0048] 具体地，采用线性判别方法对猪肉中不同菌落总数数量所对应的传感器阵列响应 值进行特征提取（40-45秒）及模式识别。数据分析是电子鼻系统的核心部分，而模式识别 则决定了数据分析的最终结果，模式识别方法是否应用得当，决定着检测效果的优劣。适 宜的模式识别，能快速精确的预报检测结果。本方法采用线性判别（Lineardiscriminant analysis，LDA)，LDA是研究样品所属类型的一种统计方法，即利用所有传感器的响应信号 以提高分类的准确性，所构建的判别函数由原始变量经线性组合得出，能够最大限度地区 分不同的样本集，在降低数据空间维数的同时最大限度地减少信息丢失。此外，这种计算判 别函数的方法可以使组间变异与组内变异的比率达到最大。因此LDA方法在样品属性分类 中取得良好的分析效果。
[0049] 进一步地，图4(a)_(d)为0?15°C各个温度下猪肉贮藏过程中不同微生物数量 的区分图。01：、51：、101：、151：贮藏的猪肉在〇^模式下，〇)1+〇)2的总贡献率越大，说明 线性判别方法可以较好地反映原始多维矩阵数据的信息。从图4(a)-(d)可知，各个温度下 的菌落总数数量得到良好的区分；且数量多少的大类区分效果良好，如7.OlogCFU/g以上 与7.OlogCFU/g以下的数据集合明显区分，其中4?61ogCFU/g之间的数据集合更为靠近， 而7?81ogCFU/g之间的数据集合更为靠近，但是9. 0以上的数据集合表现为随着数量的 增大其数据点区分度明显；主要原因是：微生物总数达到一定数量时，启动相关的基因进 一步加快分解肉的营养物质产生更为低级的分解产物，使得肉中的挥发性气味浓度更高， 气味更为复杂。但总体而言，传感器阵列系统可以很好地区分菌落总数的数量，尤其在菌落 总数数量在2个级别之间的区分效果更为明显。
[0050] 更进一步地，步骤S3之后还包括：对建立气味传感器响应信号与菌落总数数量的 预测模型进行模型验证。
[0051] 具体地，通过采集已知菌落总数数量的冷却猪肉的气味，并进行偏最小二乘方法 建立菌落总数数量和传感器响应值的量化模型，通过菌落总数的预测值和实测值的回判验 证，计算预测结果的平均相对误差：[(预测值-实测值）X100% /实测值]来评价模型的 可靠性。
[0052] 进一步地，采用偏最小二乘法对猪肉菌落总数数量对应的传感器阵列响应值进行 特征提取（40-45秒），构建菌落总数数量与传感器阵列响应值的量化模型。如图5(a)-(d) 所示，01：、51：、101：、151：的预测数量与实际数量的偏最小二乘回归模型见图5和表1，即 基于传感器响应信号构建猪肉菌落总数数量的验证模型，模型的R2值分别均大于0. 81，表 明数据点拟合度良好。通过模型验证和回判分析，菌落总数的预测值与实测值的平均相对 误差均在2%以内，表明采用该模型能较好地预测猪肉的菌落总数，且预测准确率较高，模 型可靠。
[0053] 表1基于传感器响应信号构建猪肉菌落总数数量的验证模型
【权利要求】
1. 一种预测冷链肉类微生物数量的方法，其特征在于，包括具体以下步骤： 51 :通过采用气味传感器阵列系统采集冷链贮藏待测肉类的顶空挥发性气味，同步进 行菌落总数测定； 52 :对获得的传感器数据与菌落总数数量进行特征提取与分析； 53 :采用线性判别方法对待测肉类的不同菌落总数数量进行聚类区分，建立气味传感 器响应信号与菌落总数数量的预测模型。
2. 如权利要求1所述的方法，其特征在于，所述步骤S1进一步包括： 511 :经过肉类宰杀、冷却排酸、分割剔骨、统一取胴体瘦肉进行有氧托盘包装，于0? 4 °C冰温运往分析室； 512 :将样品分别贮藏于01：、51：、101：、151：高精度低温培养箱中，贮藏期间每隔一段 时间随机取各个温度下3盒肉类进行气味采集和菌落总数测定。
3. 如权利要求1所述的方法，其特征在于，所述步骤S12进一步包括：菌落总数计数依 据GB 4789. 20-2003食品卫生微生物学检验方法，所有操作均在无菌状态下进行。
4. 如权利要求1所述的方法，其特征在于，所述步骤S2进一步包括： 521 :传感器阵列系统测量肉类气味特征时，获得10个传感器阵列的响应图谱，其中， 所述响应图谱中每一条曲线表示一个传感器对气味的响应，曲线上的点表示气味成分通过 所述传感器通道的相对电阻率随贮藏时间的变化； 522 :选取变化曲线响应平稳的信号值作为特征提取值进行后续的多元统计分析。
5. 如权利要求1所述的方法，其特征在于，所述步骤S3进一步包括：通过不同菌落总 数数量所对应的传感器响应曲线及特征提取，构建基于线性判别分析方法的预测模型。
6. 如权利要求1所述的方法，其特征在于，还包括：对建立气味传感器响应信号与菌落 总数数量的预测模型进行模型验证。
7. 如权利要求1所述的方法，其特征在于，所述待测肉类为猪肉。
8. -种预测冷链肉类微生物数量的系统，其特征在于，包括： 采集测定装置，用于通过采用气味传感器阵列系统采集冷链贮藏待测肉类的顶空挥发 性气味，同步进行菌落总数测定； 特征提取与分析装置，用于对获得的传感器数据与菌落总数数量进行特征提取与分 析； 建立模型装置，用于采用线性判别方法对待测肉类的不同菌落总数数量进行聚类区 分，建立气味传感器响应信号与菌落总数数量的预测模型。
9. 如权利要求8所述的系统，其特征在于，还包括：验证装置，用于对建立气味传感器 响应信号与菌落总数数量的预测模型进行模型验证。
10. 如权利要求8所述的系统，其特征在于，所述待测肉类为猪肉。
【文档编号】G01N27/12GK104330443SQ201410522784
【公开日】2015年2月4日 申请日期:2014年9月30日 优先权日:2014年9月30日
【发明者】赵春江, 刘寿春, 吴晓明, 范蓓蕾 申请人:山东国家农产品现代物流工程技术研究中心, 北京农业信息技术研究中心