一种预测冷鲜鸡货架期的方法与流程

文档序号:20445589发布日期:2020-04-17 22:43阅读:534来源:国知局
一种预测冷鲜鸡货架期的方法与流程

本发明涉及冷鲜鸡货架期的计算方法与验证,属于畜禽食品保存技术领域,特别是涉及一种预测冷鲜鸡货架期的方法。



背景技术:

冷鲜鸡指对严格执行检疫制度和无公害管理程序屠宰后的鸡迅速进行冷却处理,使其温度在1小时内降为0℃-4℃,并在后续的加工、流通和零售过程中始终保持此范围温度的鲜鸡肉。鸡肉营养丰富,水分含量高,具有适宜的ph值(5.0-6.3),是微生物生长繁殖的理想基质,低温冷却处理并不会消灭鸡肉中的微生物,仅仅起到了使微生物不能生长的作用,后期一旦温度适宜微生物会大量繁殖,冷鲜鸡便会腐败变质。实际生产中由于冷鲜鸡生产加工体系的不成熟,冷链运输系统的不完善,流通贮藏过程中的开放性,冷鲜鸡受到外界微生物二次污染的概率大大增加,同时生产、储运、销售温度的不稳定,会使冷鲜鸡中原始微生物得到一定生长繁殖。所以对生产、贮藏、运输、销售、消费各环节冷鲜鸡的微生物生长及货架期预测和监控就非常重要。

现有技术中对于冷藏物品货架期预测有很多,比如专利cn102650632a公开了一种应用于波动温度下评价冷却猪肉货架期的方法,专利cn108344841公开了一种预测冷藏巴氏杀菌鲜奶货架期的方法;进而,现有技术中对于冷鲜鸡的货架期进行预测,其预测方法主要有两种:第一,认为冷鲜鸡的腐败速度与特定腐败菌的生长具有良好的相关性,其品质变化与特定腐败菌数量的动态变化密切相关,直接测定原料肉中某种腐败优势菌,以该腐败菌为对象构建生长模型确定货架期。例如李苗云等选择假单胞菌作为建模对象,建立了冷鲜鸡的货架期。第二,认为由于不同食品中优势腐败菌并不是一致的,并且各种微生物之间会互相影响,导致不同食品中优势腐败菌种类和数量也可能会发生变化,所以选择单一菌种作为建模对象不具有代表性,无法推算出准确的货架期,即应该选择可以忽略基质和微生物间的相互作用的菌落总数作为建模对象。例如董飒爽、李忠辉、陈鹏等分别以菌落总数为对象预测了鸡肉的货架期。

但是经我们研究之后发现,无论是以特定腐败菌为对象构建生长模型确定货架期,还是以菌落总数为对象预测了鸡肉的货架期,均不能很准确的确定冷鲜鸡的货架期。



技术实现要素:

本发明的目的在于针对现有技术的缺陷和不足,提供一种通过多种微生物指标——菌落总数、肠杆菌和热死环丝菌建立预测准确性高的预测冷鲜鸡货架期的方法。

为实现上述目的,本发明提供了如下方案:本发明提供一种预测冷鲜鸡货架期的方法,包括如下步骤:

测定不同贮藏温度下冷鲜鸡中菌落总数、肠杆菌和热死环丝菌的生长情况及感官分析:取若干份鸡肉,并将每份鸡肉分别贮藏于不同温度环境下,随后按一定时间间隔分别取样测定每份鸡肉的菌落总数、肠杆菌和热死环丝菌数量并进行感官评定;

建立微生物生长预测模型及货架期:根据菌落总数、肠杆菌和热死环丝菌数量随时间变化规律,采用修正的sgompertz方程来描述不同温度条件下,肠杆菌和热死环丝菌的生长动态,并建立一级生长动态模型,其中,修正sgompertz模型为:

其中:n(t):不同时刻t的菌落数(cfu/g);n0:初始菌落数(cfu/g);nmax:最大菌落数(cfu/g);μmax:最大比生长速率(lgcfu/gh-1);λ:生长迟滞期(h);

采用二次多项式模型拟合冷鲜鸡中微生物最大比生长速率μmax和生长迟滞期λ与温度t之间的变化规律,建立二级模型,其中,二次多项式模型为:

μmax或λ=xt2-yt+z;

其中,x、y、z的取值根据菌落总数、肠杆菌和热死环丝菌分别确定;

通过一级生长动态模型和二级模型结合感官评定构建冷鲜鸡货架期,其中,菌落总数预测的冷鲜鸡货架期w1为:

λ=0.085t2-3.9822t+51.711

μmax=0.0006t2-0.0013t+0.0238

其中,

肠杆菌预测的冷鲜鸡货架期w2为:

λ=0.0747t2-3.4899t+46.169

μmax=0.0009t2-0.0013t+0.0099

其中,

热死环丝菌预测的冷鲜鸡货架期w3为:

λ=0.1383t2-5.8915t+66.504

μmax=0.001t2-0.0139t+0.0843

其中,

冷鲜鸡货架期w为:w=(w1+w2+w3)/3;

冷鲜鸡货架期的评价和验证。

优选地,步骤1)中取冷鲜鸡内的鸡腿和/或鸡胸肉。

优选地,步骤1)中的不同温度环境指5℃、10℃、15℃、20℃和25℃。

优选地,步骤1)中每份鸡肉的重量相同。

优选地,每份鸡肉均取自冷鲜鸡的同一部位。

优选地,将货架期的预测值与实际测定值进行比较,评价和验证冷鲜鸡货架期。

本发明相对于现有技术取得了以下有益效果:

1、本发明提供的预测冷鲜鸡货架期的方法中肠杆菌和热死环丝菌是鸡肉中主要的腐败菌。肠杆菌能产生醇类和酮类化合物,是引起鸡肉风味变化的主要腐败菌;而热死环丝菌是鸡肉低温厌氧贮藏时的优势腐败菌,能产生丙酮、双乙酰,乳酸、乙醇等挥发性化合物,引起鸡肉的风味恶化。将两种优势腐败菌与菌落总数相结合来预测冷鲜鸡的货架期比用某一种优势腐败菌或单单用菌落总数来预测冷鲜鸡的货架期更准确,同时覆盖考虑了冷鲜鸡有氧贮藏及气调包装贮藏模式更全面。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。

图1为本发明预测冷鲜鸡货架期的方法中在5℃、10℃、15℃、20℃、25℃下菌落总数的生长曲线图;

图2为本发明预测冷鲜鸡货架期的方法中在5℃、10℃、15℃、20℃、25℃下肠杆菌的生长曲线图;

图3为本发明预测冷鲜鸡货架期的方法中在5℃、10℃、15℃、20℃、25℃下热死环丝菌的生长曲线图;

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

本发明的目的在于针对现有技术的缺陷和不足,提供一种通过多种微生物指标——菌落总数、肠杆菌和热死环丝菌建立预测准确性高的预测冷鲜鸡货架期的方法。

为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1-3所示,本发明提供一种预测冷鲜鸡货架期的方法,包括如下步骤:

测定不同贮藏温度下冷鲜鸡中菌落总数、肠杆菌和热死环丝菌的生长情况及感官分析:取若干份鸡肉,并将每份鸡肉分别贮藏于不同温度环境下,随后按一定时间间隔分别取样测定每份鸡肉的菌落总数、肠杆菌和热死环丝菌数量并进行感官评定;

其中,将每份鸡肉分别贮藏于5℃、10℃、15℃、20℃、25℃温度环境下进行微生物总数的实际测定,微生物总数的实际测定的方法是将贮藏在不同温度下的鸡肉,分别进行取样,取样可以是定时,也可以是不定时,参照《食品安全国家标准-食品微生物学检验-菌落总数测定》gb478922010,采用平板计数琼脂测定鸡肉中的需氧细菌总数。

建立微生物生长预测模型及货架期:根据菌落总数、肠杆菌和热死环丝菌数量随时间变化规律,采用修正的sgompertz方程来描述不同温度条件下,肠杆菌和热死环丝菌的生长动态,并建立一级生长动态模型,如图1-3所示,其中,修正sgompertz模型为:

其中:n(t):不同时刻t的菌落数(cfu/g);n0:初始菌落数(cfu/g);nmax:最大菌落数(cfu/g);μmax:最大比生长速率(lgcfu/gh-1);λ:生长迟滞期(h);

采用二次多项式模型拟合冷鲜鸡中微生物最大比生长速率μmax和生长迟滞期λ与温度t之间的变化规律,建立二级模型,其中,二次多项式模型为:

μmax或λ=xt2-yt+z;

其中,x、y、z的取值根据菌落总数、肠杆菌和热死环丝菌分别确定;

通过一级生长动态模型和二级模型结合感官评定构建冷鲜鸡货架期,其中,菌落总数预测的冷鲜鸡货架期w1为:

λ=0.085t2-3.9822t+51.711

μmax=0.0006t2-0.0013t+0.0238

其中,

肠杆菌预测的冷鲜鸡货架期w2为:

λ=0.0747t2-3.4899t+46.169

μmax=0.0009t2-0.0013t+0.0099

其中,

热死环丝菌预测的冷鲜鸡货架期w3为:

λ=0.1383t2-5.8915t+66.504

μmax=0.001t2-0.0139t+0.0843

其中,

冷鲜鸡货架期w为:w=(w1+w2+w3)/3;

冷鲜鸡货架期的评价和验证。

本发明步骤1)中取冷鲜鸡内的鸡腿和/或鸡胸肉。

本发明步骤1)中的不同温度环境指5℃、10℃、15℃、20℃和25℃。

本发明步骤1)中每份鸡肉的重量相同。

本发明步骤1)中每份鸡肉均取自冷鲜鸡的同一部位。

本发明中将货架期的预测值与实际测定值进行比较,评价和验证冷鲜鸡货架期。

为了验证上述所建立的冷鲜鸡货架期的准确性,采集市场上冷鲜鸡进行实际样品检测得出现,比较货架期的预测值与实测值验证冷鲜鸡货架期:

在奉贤区随机采取8份市售冷鲜鸡见表2,2小时之内带回实验室无菌操作下将冷鲜鸡一分为二,一半冷鲜鸡进行初始菌落计数,并建立冷鲜鸡货架期公式验证表1;剩余冷鲜鸡放入4℃冰箱冷藏用于感官评定。

从表1可以看出,货架期预测平均值与货架期实测值的相对误差在10%以内,最大相对误差为8.28%,具有较好的准确度。

表1

注:-表示未测;*表示无法计算。

本发明中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

当前第1页1 2 
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!
1