一种牛肉加热过程中热杀索丝菌残存数的预测方法-尊龙凯时官方app下载

文档序号:36399488发布日期:2023-12-16 01:37阅读:7来源:国知局

000nm
,采集模式为反射

根据预实验,其工作参数设置如下:光源强度为
255w
,曝光时间为
3.5ms
,光源与样品距离
31cm(
斜上方
45
°

)
,相机与样品距离
26cm
,传送带移动速度为
13.78nm/s

8.s3、
采集反射率为
99.9
%的聚四氟乙烯白板的图像作为全白反射图像,盖住相机镜头以获取全黑反射图像,再通过公式
(1)
对原始图像进行校正;
[0009][0010]
其中,i为校正后图像,iraw
为初始反射图像,iwhite
为全白反射图像,idark
为全黑反射图像

[0011]
s4、
牛肉样品高光谱信息的获取,需要通过阈值分割算法提取校正后的牛肉样品高光谱图像中的感兴趣区域
(roi)
,将每个
roi
内所有像素的平均光谱值作为每个牛肉样品的光谱;
[0012]
s5、
参照国标,测定牛肉加热过程中热杀索丝菌残存数;
[0013]
s6、

s4
中提取的高光谱数据与
s5
中热杀索丝菌残存数进行关联,采用三种方法
(
方法
i、
方法
ii
和方法
iii)
构建基于高光谱信息的牛肉中热杀索丝菌的热失活模型
(weibull
模型
)
,模型如下:
[0014]i基于热杀索丝菌残存数预测值
(
方法
i)
构建的牛肉中热杀索丝菌热失活模型
[0015]
采用方法i构建的牛肉中热杀索丝菌的热失活模型的参数估计结果,
weibull
模型精度为
0.907

rmse

0.274
,表现出较好的拟合优度

[0016]
ii
基于特征光谱值
(
方法
ii)
构建的牛肉中热杀索丝菌热失活模型
[0017]
基于
1098nm、1091nm

1085nm
三个特征波段处的光谱值进行牛肉中热杀索丝菌热失活模型的构建,方法
ii
1098
、ii
1091

ii
1085
估计的各个热失活参数基本相同,且
r2大于
0.93

rmse
约为
0.017
,模型拟合优度较高

[0018]
iii
基于全波段第一主成分得分值
(
方法
iii)
构建的牛肉中热杀索丝菌热失活模型
[0019]
对牛肉样本在
1 000-2 000nm
内的高光谱进行
pca
分析,获得方差贡献率为
77.3
%的
pc1

weibull
模型的
rmse

r2分别为
3.450

0.918
,反映出较高的曲线拟合优度

[0020]
优选的,所述方法可基于高光谱信息一步构建的牛肉中热杀索丝菌热失活模型,高光谱信息可用于模拟牛肉加热过程中热杀索丝菌的失活动态

[0021]
优选的,所述方法中采用三种方法
(
方法
i、ii

iii)
提取高光谱特征信息,构建了基于高光谱信息的牛肉中热杀索丝菌的热失活模型,方法i是基于全波段构建最佳
plsr
预测模型以获得热杀索丝菌残存数,进而构建其热失活模型,方法
ii
是采用
vip
值法
、sr
值法和
pearson
相关性分析法进行特征波段的筛选,被选的特征波段处的光谱值将作为热杀索丝菌失活函数的输入值以构建其热失活模型,方法
iii
是基于
1 000

2 000nm
内的光谱值第一主成分得分值
(pc1)
,将
pc1
作为热杀索丝菌失活函数的输入值以构建其热失活模型

[0022]
有益效果:
[0023]
与现有技术相比,本发明可在不破坏牛肉样本的情况下,快速完成牛肉加热过程中热杀索丝菌残存数的预测,有望实现牛肉加热过程微生物的在线监测,为牛肉安全风险评估

制定合理的杀菌规程提供理论参考,为牛肉质量检测提供尊龙凯时官方app下载的技术支持

相比于通过具有
破坏性的传统平板计数法进行微生物检测,该发明简化了微生物预测步骤,避免了化学试剂的使用,将节省大量人力物力,提高分析效率,降低成本,同时为基于快速无损检测技术构建微生物预测模型奠定了基础

附图说明
[0024]
图1:本发明预测牛肉加热过程中热杀索丝菌残存数的流程图
[0025]
图2:高光谱成像设备图
[0026]
图3:不同加热温度下牛肉样品在
1 000-2 000nm
内的光谱曲线图
(a:40℃

b:45℃

c:50℃

d:55℃

e:60℃)
[0027]
图4:特征波段的挑选结果图
((a)

(b)
分别为基于
plsr
模型的变量投影重要性
(vip

)
和选择性比率
(sr

)

(c)
为热杀索丝菌与光谱值的
pearson
相关性系数
)
具体实施方式
[0028]
一种牛肉加热过程中热杀索丝菌残存数的预测方法,结合图1,具体实施方式如下:
[0029]
1.
试验材料与方法
[0030]
1.1
试验材料

试剂与设备
[0031]
试验样品:冷鲜牛肉
(
牛背最长肌,
longissimus thoracis et lumborum)
购于南京苏果超市,通过装有冰袋的泡沫盒在
15min
内运至实验室

[0032]
菌种:热杀索丝菌
(brochothrix thermosphacta,accc 03872)
购于中国农业微生物菌种保藏管理中心,
4℃
下保存在南京农业大学食品科技学院实验室

[0033]
主要试剂:营养琼脂培养基
、staa
培养基
(

staa
添加剂
)


[0034]
主要设备:洁净工作台

立式压力蒸汽灭菌锅

电子天平

恒温恒湿箱

数显恒温水浴锅

短波红外
(1 000-2 000nm)
高光谱成像系统

[0035]
1.2
样品处理与接种
[0036]
将保藏于斜面试管上的热杀索丝菌接种至营养琼脂培养基,
30
±
1℃
下恒温活化培养
24
±
1h
,再挑选典型单菌落进行划线培养,然后相同条件下二次活化培养
24
±
1h。

0.85
%无菌生理盐水将培养基上的热杀索丝菌冲洗下来,制成菌悬液,调整其浓度为
10
7-108cfu/ml
,备用

[0037]
在无菌操作台上剔除牛肉样品的脂肪

筋膜等,用
75
%无水乙醇擦拭牛肉样品表面后,紫外灯下照射
30min
,最后将其分割成
4cm
×
4cm
×
2cm(

×

×

)
的牛肉块

将牛肉块浸泡在热杀索丝菌菌悬液中
3min
,取出沥干后置于无菌操作台上自然风干
30min
,以使热杀索丝菌能够较好地固定在样品表面

将接种后的样品置于约
0.08mm
厚的聚乙烯塑料袋中,真空密封

加热前,样品一直被置于
0-4℃
的冰水中

将接种热杀索丝菌的牛肉样本分别置于
40、45、50、55

60℃
恒温水浴锅中进行热处理,在适宜取样点,从恒温水浴锅中取出牛肉样品立即被放入
0-4℃
的冰水中,使其迅速冷却至室温,以阻止热失活的继续

然后,迅速用
75
%无水乙醇擦拭装有冷却后样品的包装袋表面,无菌条件下打开包装袋,而后进行高光谱数据的采集和微生物残存数量的测定,每个取样点
10
个样本

不同加热温度下牛肉样本的取样点如下表1所示,共获得
300
份接种热杀索丝菌的牛肉样本的高光谱和微生物数


实验数据绘制曲线如图3所示,不同加热温度下牛肉样品在
1 000-2 000nm
内的光谱曲线
(a:40℃

b:45℃

c:50℃

d:55℃

e:60℃)。
[0038]
表1不同加热温度下牛肉样品的取样点
[0039][0040]
1.3
高光谱数据处理
[0041]
1.3.1
采集与提取
[0042]
试验前,将高光谱成像设备预热
30min。
短波红外高光谱成像系统的分辨率是
6.2nm
,有效波段范围是
1 000-2 000nm
,采集模式为反射

根据预实验,其工作参数设置如下:光源强度为
255w
,曝光时间为
3.5ms
,光源与样品距离
31cm(
斜上方
45
°

)
,相机与样品距离
26cm
,传送带移动速度为
13.78nm/s。
[0043]
结合图2,高光谱成像设备包括:光源
1、
暗箱
2、
卤素灯
3、
光谱仪
4、
相机
5、
镜头
6、
样品架
7、
移动平台
8、
电脑9,其中:卤素灯
3、
光谱仪
4、
相机
5、
镜头6均设置于暗箱2的顶部,暗箱2的底部设置移动平台8,移动平台8上面固定样品架7,样品架7上承载样品
10
;相机5和光谱仪4的信号输出端连接电脑9,光源1连接卤素灯3提供光能

优选的实施例中,所述高光谱成像设备为短波红外高光谱成像系统,生产厂家是中国台湾五菱光学公司,主要组件型号如下:成像光谱仪
(imspector n25e
,芬兰
specim
公司
)
,相机
(raptor em285cl
,英国
raptor photonics
公司
)
,移动平台
(ircp0076-icomb001)
及高光谱分析软件
(
五铃光学股份有限公司
)


[0044]
为消除光源强度和相机暗流等外界因素对图像采集造成的不良影响,需对原始图像进行黑白校正:采集反射率为
99.9
%的聚四氟乙烯白板的图像作为全白反射图像,盖住相机镜头以获取全黑反射图像,再通过公式
(1)
获得校正后图像

[0045][0046]
其中,i为校正后图像,iraw
为初始反射图像,iwhite
为全白反射图像,idark
为全黑反射图像

[0047]
牛肉样品高光谱信息的获取,需要通过阈值分割算法提取校正后的牛肉样品高光谱图像中的感兴趣区域
(roi)
,同时要注意避免一次性培养皿等背景干扰

将每个
roi
内所有像素的平均光谱值作为每个牛肉样品的光谱

[0048]
1.3.2
特征高光谱信息获取
[0049]
通过三种方法获取高光谱特征信息以构建热失活模型:
[0050]
方法i:通过偏最小二乘回归模型
(partial least squares regression,plsr)
将牛肉样品的光谱信息转化为热杀索丝菌残存数,即基于全波段构建最佳
plsr
预测模型以获
得热杀索丝菌残存数,进而构建其热失活模型

建立热杀索丝菌的
plsr
预测模型之前,将光谱数据集按
3:1
比例分为建模集
(225
个样本
)
和预测集
(75
个样本
)。
然后,构建并比较基于正交信号校正
(osc)、
多元散射校正
(msc)、
标准正态变化
(snv)
和二阶导数
(2
nd der)
等不同光谱预处理的
plsr
模型的预测精度,通过决定系数
(r2)、
均方根误差
(rmse)
和预测集的标准差与均方根误差之比
(rpd)
等评价指标,选择最佳
plsr
模型预测的热杀索丝菌残存数作为其热失活模型的数据

[0051]
方法
ii
:变量重要性投影
(variable importance in the projection,vip)
和选择性比率
(selectivity ratio,sr)
均是基于
plsr
模型度量波长变量对预测变量的贡献重要性
。vip
值一般取
1.0
,大于
1.0
被认为可作为特征波长;而
sr
是波长变量的解释方差与残余方差的比值,
sr
值越大则波长越重要

对模型贡献越大

方法
ii
将采用
vip
值法
、sr
值法和
pearson
相关性分析法进行特征波段的筛选,被选的特征波段处的光谱值将作为热杀索丝菌失活函数的输入值以构建其热失活模型

[0052]
方法
iii
:对
1 000-2 000nm
内的光谱值进行主成分分析,提取可代表绝大部分原始光谱信息的第一主成分得分值
(pc1)
,将
pc1
作为热杀索丝菌失活函数的输入值以构建其热失活模型

[0053]
1.4
热杀索丝菌含量测定
[0054]
参照
gb 4789.2-2016《
食品安全国家标准食品微生物学检验菌落总数测定

,略有修改

无菌条件下,称取
5g
左右的牛肉样品置于装有
45ml 0.85
%无菌生理盐水的无菌均质袋中,使用均质器拍打
2min
后进行
10
倍梯度稀释

挑选2个合适的稀释梯度,取
100
μ
l
稀释液涂布在
staa
琼脂培养基上,涂布完成之后需先将平板置于室温下大约
2h
,再置于
30
±
1℃
恒温恒湿培养箱中培养
48
±
1h
后计数,以使热受伤的细胞复苏

[0055]
1.5
热失活模型
[0056]
采用
weibull
模型模拟热处理过程牛肉中热杀索丝菌残存量的变化情况,公式
(2)
为一级模型,公式
(3)
为二级模型

[0057][0058]
log
10
δ
=a×
t c#(3)
[0059]
式中,
y0和y分别为残存菌落数的初始值和实时值,
log cfu/g

δ
为时间参数;
η
为形状参数;a和c为模型参数;
t
为热处理时间,
min

t
为热处理温度,



[0060]
本研究采用“一步法”同时构建牛肉中热杀索丝菌一级和二级热失活模型,将所有热处理温度下的所有试验数据整合成新数据
{y}
,再利用
matlab r2016a
软件
(mathworks
公司,
usa)
中基于非线性最小二乘优化算法的非线性回归程序
(fitnlm)
寻求一级模型和二级模型的最优热失活动力学参数,即
{p}(
公式
(4))
,使得残差平方和最优

[0061]
{p}

{a,c,
η
}

#(4)
[0062]
2.
基于高光谱信息的牛肉中热杀索丝菌热失活模型的构建
[0063]
2.1
基于方法i的牛肉中热杀索丝菌的热失活模型
[0064]
表2列出了不同光谱预处理的
plsr
模型预测结果,与未经任何光谱预处理的
plsr
模型相比,经2nd-der
预处理的
plsr
模型精度略微下降,而
msc、snv

osc
预处理算法均在不同程度上提高了
plsr
模型的预测精度

其中,
snv-plsr
模型的预测效果最好,其
rmsev、r
v2

rpd
分别为
0.330、0.805

2.280。
因此,后续将基于
snv-plsr
模型预测的热杀索丝菌残存数进行一步热失活曲线拟合

表3列出了采用方法i构建的牛肉中热杀索丝菌的热失活模型的参数估计结果,
weibull
模型精度为
0.907

rmse

0.274
,表现出较好的拟合优度

[0065]
表2基于
hsi
光谱信息的牛肉中热杀索丝菌含量模型预测结果
(plsr
模型
)
[0066][0067]
表3基于
hsi
预测菌落数的牛肉中热杀索丝菌热失活模型参数估计
[0068][0069][0070]
2.2
基于方法
ii
的牛肉中热杀索丝菌的热失活模型
[0071]
基于方法i中构建的热杀索丝菌残存数的
plsr
预测模型,获取
1 000-2 000nm
内各波段的
vip
值和
sr
值,由此筛选出
1098nm

1091nm
两个特征波段

同时,通过对各波段光谱和热杀索丝菌残存量之间进行
pearson
相关性分析
(
结合图4,
(a)

(b)
分别为基于
plsr
模型的变量投影重要性
(vip

)
和选择性比率
(sr

)

(c)
为热杀索丝菌与光谱值的
pearson
相关性系数
)
,选择相关系数绝对值最大
(
约为
0.85)
的波段
1085nm
作为特征波段

最终,将基于
1098nm、1091nm

1085nm
三个特征波段处的光谱值进行牛肉中热杀索丝菌热失活模型的构建

表4展示了基于上述三处特征波段构建的热杀索丝菌热失活模型参数估计的结果,方法
ii
1098
、ii
1091

ii
1085
估计的各个热失活参数基本相同,且
r2大于
0.93

rmse
约为
0.017
,模型拟合优度较高

[0072]
表4基于
hsi
特征光谱值的牛肉中热杀索丝菌热失活模型参数估计
[0073][0074]
2.3
基于方法
iii
的牛肉中热杀索丝菌的热失活模型
[0075]
对牛肉样本在
1 000-2 000nm
内的高光谱进行
pca
分析,获得方差贡献率为
77.3
%的
pc1
,尽管
pc1
仅能代表牛肉样本原有高光谱数据
77.3
%的信息,但其已在最大程度上降低了高光谱数据的冗余度,故仍尝试基于
pc1
得分值构建牛肉中热杀索丝菌的热失活模型,热失活参数估计结果如表5所示
。weibull
模型的
rmse

r2分别为
3.450

0.918
,反映出较高的曲线拟合优度

[0076]
表5基于
hsi
光谱
pc1
得分的牛肉中热杀索丝菌热失活模型参数估计
[0077][0078][0079]
以上显示和描述了本发明的基本原理

主要特征和优点

本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内

当前第1页1  
相关技术
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
网站地图