一种冷却肉中假单胞菌数量预测方法及系统

摘要

本发明公开一种冷却肉中假单胞菌数量预测方法及系统，所述方法包括：S1.定时对冷却肉进行假单胞菌数量检测，得到假单胞菌数量；S2.根据所述假单胞菌数量，建立假单胞菌数量预测模型；S3.根据实时采集的温度，利用所述预测模型实时预测冷却肉中假单胞菌数量。本发明的冷却肉中假单胞菌数量预测方法及系统有效利用现有的环境信息监测数据，尤其是温度数据，来对冷却肉的质量进行监测。

说明书

技术领域

本发明涉及物流监控技术领域，具体涉及一种冷却肉中假单胞 菌数量监测方法及系统。

背景技术

冷却肉在储藏、运输、交易等物流过程中，冷却肉中微生物的生 长是冷却肉腐败变质的关键因素，微生物中假单胞菌是引起冷却肉腐 败的优势腐败菌之一，掌握冷却肉中假单胞菌的生长情况，对于预防 冷却肉变质，保证冷却肉品质有重要意义。

冷却肉假单胞菌的微生物检测方法很多，如传统的依靠微生物的 生理生化特征进行鉴别的方法，利用抗原抗体的特异性反应进行的免 疫学检测方法，基于核酸检测的分子生物学方法等，这些方法基于的 原理各不相同，因此其灵敏度、特异性等也各异，但是由于这些方法 都着眼于当前的样品，达不到对猪肉产品长期的监测和控制目的，只 能作为猪肉品质某一个时刻的反应。微生物生长预测模型就是基于这 一目的发展起来的。其中特定腐败菌的生长动态与生鲜肉类的品质劣 变有良好的线性关系。目前已有的肉类贮藏过程中微生物的生长预测 模型主要针对单一菌株或某一类微生物等，如大肠杆菌、单增李斯特 菌、热杀索丝菌的预测模型，也有少数构建猪肉中假单胞菌的生长动 力学模型，但这些微生物生长预测模型的基础数据建立在规范可控的 培养基条件下，不能很好地反映物流真实条件下的肉中微生物生长行 为。

现有的假单胞菌数量预测方法为通过假单胞菌的生长动力学模 型预测假单胞菌数量。上述现有技术存在的问题是：所述假单胞菌的 生长动力学模型的基础数据建立在规范可控的培养基条件下，在物流 过程中，上述方法不能实时预测冷却肉中假单胞菌数量。

发明内容

本发明所要解决的技术问题是如何提供一种应用于物流过程的 实时预测冷却肉中假单胞菌数量的方法及系统，从而有效利用现有的 环境信息监测数据，尤其是温度数据，来对冷却肉的质量进行监测。

为此目的，第一方面，本发明提出一种冷却肉中假单胞菌数量预 测方法，该方法包括：

S1.定时对冷却肉进行假单胞菌数量检测，得到假单胞菌数量；

S2.根据所述假单胞菌数量，建立假单胞菌数量预测模型；

S3.根据实时采集的温度，利用所述预测模型实时预测冷却肉中 假单胞菌数量。

可选的，在S2中，所述预测模型为：

N_t＝N₀+(C₁×T+C₂)×t；

其中，t为时间，N_t为经过t时间后假单胞菌数量，N₀为初始假 单胞菌数量，C₁和C₂为预设常数，T为温度。

可选的，所述步骤S1具体包括：

可选的，所述步骤S1具体包括：在至少三个不同温度环境下定 时对冷却肉进行假单胞菌数量检测，得到不同时间段的假单胞菌数 量；

可选的，所述步骤S2具体包括：

S21.在至少三个不同温度环境下定时对冷却肉进行感官评价和 理化分析，得到最低腐败量N_s；

S22.根据所述不同时间段的假单胞菌数量，建立描述微生物生 长的一级模型，所述一级模型为：

N_t＝C₃×t+C₄；

其中，t为时间，N_t是经过t时间后假单胞菌数量，C₃和C₄为所述 一级模型拟合得到的常数；

S23.根据所述描述微生物生长的一级模型，拟合得到描述微生 物生长的假单胞菌数量最大值N_max和假单胞菌生长速率U；

S24.根据假单胞菌数量的生长参数及所述温度环境的温度，建 立描述所述假单胞菌数量的生长参数与温度关系的二级模型，所述 二级模型为：

N₀＝C₅×T+C₆、N_max＝C₇×T+C₈、N_s＝C₉×T+C₁₀、U＝C₁₁×T+C₁₂；

其中，初始假单胞菌数量N₀、最低腐败量N_s、假单胞菌数量最大值 N_max和假单胞菌生长速率U为所述假单胞菌数量的生长参数，T为 温度，C₅～C₁₂为所述二级模型拟合得到的常数；

S25.根据所述一级模型及所述二级模型，建立假单胞菌数量预 测模型，所述预测模型为：

N_t＝N₀+(C₁×T+C₂)×t

其中，t为时间，N_t为经过t时间后假单胞菌数量，N₀为初始假 单胞菌数量，C₁和C₂为预设常数，T为温度。

可选的，该方法还包括对所述假单胞菌数量预测模型的可靠性 验证的步骤，具体包括：

在至少两个不同温度环境下定时对冷却肉进行假单胞菌数量检 测并通过所述假单胞菌数量预测模型预测假单胞菌数量，得到假单 胞菌数量实测值N_实测与假单胞菌数量预测值N_预测；

根据所述N_实测与N_预测，采用相对误差评价所述假单胞菌数量预 测模型可靠性，所述相对误差的计算公式如下：

若所述相对误差在预设误差范围内，则所述假单胞菌数量预测 模型可靠；否则，所述假单胞菌数量预测模型不可靠。

第二方面，本发明还提出一种冷却肉中假单胞菌数量预测系统， 其特征在于，该系统包括：

服务器端和至少一个客户端；所述服务器端和客户端通信连接；

所述客户端实时检测冷却肉在物流过程的温度数据，根据温度 数据和初始假单胞菌数量利用假单胞菌数量预测模型计算假单胞菌 预测数量并实时传输至所述服务器端，服务器端根据所述假单胞菌 预测数量统计并分析假单胞菌数量变化并传送至所述客户端。

可选的，所述客户端包括：

数据采集模块和假单胞菌数量预测模块；

所述假单胞菌数量预测模块根据初始假单胞菌数量和所述数据 采集模块实时采集的温度数据利用假单胞菌数量预测模型计算假单 胞菌预测数量。

可选的，所述客户端还包括：假单胞菌数量检测模块，所述假 单胞菌数量检测模块检测冷却肉的初始假单胞菌数量。

第三方面，本发明还提出一种冷却肉中假单胞菌数量预测系统， 该系统包括：

服务器端和客户端；所述服务器端和客户端通信连接；

所述客户端实时检测冷却肉在物流过程的温度数据并实时传输 至所述服务器端；

所述服务器端根据温度数据和初始假单胞菌数量利用假单胞菌 数量预测模型计算假单胞菌预测数量，服务器端根据所述假单胞菌 预测数量统计并分析假单胞菌数量变化并传送至所述客户端。

可选的，所述服务器端包括：假单胞菌数量预测模块，用于根 据初始假单胞菌数量和所述数据采集模块实时采集的温度数据利用 假单胞菌数量预测模型计算假单胞菌预测数量。

相比于现有技术，本发明的冷却肉中假单胞菌数量预测方法及 系统有效利用现有的环境信息监测数据，尤其是温度数据，来对冷 却肉的质量进行监测，实现实时预测冷却肉中假单胞菌数量的功能。

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 面将对实施例或现有技术描述中所需要使用的附图作一简单地介 绍，显而易见地，下面描述中的附图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的前提下，还可以 根据这些附图获得其他的附图。

图1示出了实施例一的冷却肉中假单胞菌数量预测方法流程图；

图2示出了实施例一中不同冷藏温度下冷鲜猪肉假单胞菌的生 长状况示意图；

图3示出了实施例一中温度变化对初始菌数的影响示意图；

图4示出了实施例一中温度变化对生长速率的影响示意图；

图5示出了实施例一中温度变化对最大生长数量的影响示意图；

图6示出了实施例一中温度变化对最低腐败量的影响示意图；

图7示出了实施例一中假单胞菌的预测值与实际测量值比较图；

图8示出了实施例二的冷却肉中假单胞菌数量预测系统结构图；

图9示出了实施例二的冷却肉中假单胞菌数量预测系统结构图；

图10示出了实施例三的冷却肉中假单胞菌数量预测系统结构 图；

图11示出了实施例三的冷却肉中假单胞菌数量预测系统结构 图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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 楚地描述，显然，所描述的实施例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。

实施例一：

本实施例公开一种冷却肉中假单胞菌数量预测方法，如图1所示， 该方法可包括：

S1.定时对冷却肉进行假单胞菌数量检测，得到假单胞菌数量；

S2.根据所述假单胞菌数量，建立假单胞菌数量预测模型；

S3.根据实时采集的温度，利用所述预测模型实时预测冷却肉中 假单胞菌数量。

在S2中，所述预测模型为：

N_t＝N₀+(C₁×T+C₂)×t；

其中，t为时间，N_t为经过t时间后假单胞菌数量，N₀为初始假 单胞菌数量，C₁和C₂为预设常数，T为温度。

所述步骤S1具体包括：在至少三个不同温度环境下定时对冷却 肉进行假单胞菌数量检测，得到不同时间段的假单胞菌数量；本实 施例中的，定时可以为定相同时长或定不同时长。

所述步骤S2具体包括：

S21.在至少三个不同温度环境下定时对冷却肉进行感官评价和 理化分析，得到最低腐败量N_s；

S22.根据所述不同时间段的假单胞菌数量，建立描述微生物生 长的一级模型，所述一级模型为：

N_t＝C₃×t+C₄；

其中，t为时间，N_t是经过t时间后假单胞菌数量，C₃和C₄为所述 一级模型拟合得到的常数；

S23.根据所述描述微生物生长的一级模型，拟合得到描述微生 物生长的假单胞菌数量最大值N_max和假单胞菌生长速率U；

S24.根据假单胞菌数量的生长参数及所述温度环境的温度，建 立描述所述假单胞菌数量的生长参数与温度关系的二级模型，所述 二级模型为：

N₀＝C₅×T+C₆、N_max＝C₇×T+C₈、N_s＝C₉×T+C₁₀、U＝C₁₁×T+C₁₂；

其中，初始假单胞菌数量N₀、最低腐败量N_s、假单胞菌数量最大值 N_max和假单胞菌生长速率U为所述假单胞菌数量的生长参数，T为 温度，C₅～C₁₂为所述二级模型拟合得到的常数；

S25.根据所述一级模型及所述二级模型，建立假单胞菌数量预 测模型，所述预测模型为：

N_t＝N₀+(C₁×T+C₂)×t

其中，t为时间，N_t为经过t时间后假单胞菌数量，N₀为初始假 单胞菌数量，C₁和C₂为预设常数，T为温度。

具体应用中，该方法还包括对所述假单胞菌数量预测模型的可 靠性验证的步骤，具体包括：

在至少两个不同温度环境下定时对冷却肉进行假单胞菌数量检 测并通过所述假单胞菌数量预测模型预测假单胞菌数量，得到假单 胞菌数量实测值N_实测与假单胞菌数量预测值N_预测；

根据所述N_实测与N_预测，采用相对误差评价所述假单胞菌数量预 测模型可靠性，所述相对误差的计算公式如下：

若所述相对误差在预设误差范围内，则所述假单胞菌数量预测 模型可靠；否则，所述假单胞菌数量预测模型不可靠。本实施例中 预设误差范围数值表示为开区间(0％，20％)。

具体应用中，冷却肉采用冷鲜猪肉，将冷鲜猪肉样品贮藏于0℃、 2℃、4℃、7℃、6℃、10℃高精度低温培养箱中，每隔一段时间采 集猪肉样品进行微生物数量检测。

微生物数量检测参照国家标准食品卫生微生物学检验方法，假 单胞菌采用CFC培养基于25℃培养48h，计算典型菌落数量。

一级模型采用线性方程描述0℃、4℃、7℃、10℃不同贮藏温度 下冷鲜猪肉中假单胞菌的数量随时间的变化，如图2所示；二级模 型采用线性方程描述U等生长参数随温度的变化，如图3-6所示； 将一级模型与二级模型相结合获得假单胞菌数量预测模型：

N_t＝N₀+(0.0013×T+0.0109)×t

N_t为t时假单胞菌数量，N₀为初始假单胞菌数量，T为温度，t 为时间(单位：h)。

从图2可看出，假单胞菌的初始菌数随着温度的升高而增大，生 长速度也随之加快，而延滞期随着温度的升高而缩短，最大生长数量 相对稳定。采用线性模型拟合得到以下模型公式见表1。

表1不同冷藏温度下的假单胞菌线性生长模型

温度℃ 一级模型 0 N_t＝0.0121t+2.2957 4 N_t＝0.0132t+3.6235 7 N_t＝0.0212t+3.9701 10 N_t＝0.0236t+4.0846

注：N_t是t时的假单胞菌数量(lgcfu/g)，t是任意时间(h)。

根据假单胞菌在不同冷藏温度条件下的生长情况，获得以下几 个重要的生长参数，如表2所示，其中N_s是通过现有的感官评价和 现有的理化分析综合得到的结果。

表2不同贮藏温度下的微生物生长参数

温度℃ N₀N_maxN_sU 0 2.30 8.18 5.83 0.0121 4 3.62 9.26 6.65 0.0132 7 3.97 9.23 6.79 0.0212 10 4.08 9.57 7.10 0.0236 平均 3.89 9.06 6.59 -

注：N₀是初始假单胞菌数量(lgcfu/g)，N_max是增加到稳定期时 最大的生长数量(lgcfu/g)，N_s为最低腐败量(lgcfu/g)，U是微生 物的生长速率(lgcfu/h)，t是任意时间(h)。

从图3-6中可以得出二级模型为：

N₀＝0.1192×T+2.8718；U＝0.0013×T+0.0109；

N_max＝0.1296x+8.3772；N_s＝0.1221x+5.9512。

根据预测模型求得2℃、6℃贮藏条件下假单胞菌的预测值与实 际测量值进行比对，如图7所示；通过平均相对误差评价模型的可 靠性。

从图7中可得，2℃和6℃的预测值和实际测量值的回归方程分 别为y＝0.9845x+0.2674，R²＝0.836；y＝0.7719x+1.1604，R²＝0.8224， 其中R²表示方程的决定系数，R²值越大，拟合优度越大，即自变量 对因变量的解释程度越高。模型中验证样品次数n≥10，2℃和6℃的 预测假单胞菌数量的平均相对误差分别为14％和12％，均在预设误 差范围(0％，20％)内，表明所建立的0～10℃的生长预测模型可以 较好地预测0～10℃范围内任意温度的假单胞菌的生长数量。

实际物流过程中模型的应用与修正：根据实际物流环节中是否 具备参数N₀选择预测模型的种类，根据实际物流过程中0～10℃范围 内任意一个温度条件下的时间-温度履历预测假单胞菌的数量，同时 根据N_max和N_s来确定假单胞菌生长数量的有效性及猪肉腐败进程。

通过模型分析，平均N₀＝3.89lgcfu/g，平均N_max＝9.06lgcfu/g， 根据感官评价和理化分析结果获得平均最低腐败量N_s＝6.59lgcfu/g。 在实际应用过程中，在模型中输入0～10℃任何一个温度(T)及经 历的时间(t)均可预测假单胞菌的数量。其中分为两种情况：

未知物流环节N₀时的假单胞菌预测方程：

N_t＝(0.1192×T+2.8718)+(0.0013×T+0.0109)×t

已知物流环节N₀时的假单胞菌预测方程：

N_t＝N₀+(0.0013×T+0.0109)×t

其中N_t为任意t时假单胞菌数量，N₀为初始假单胞菌数量，T 为0～10℃范围的任何一个温度(℃)，t为任何时刻(h)。

在0～10℃贮藏范围内，当假单胞菌的预测N_t≥9.06(lgcfu/g)时， 其实际N_t≤9.06(lgcfu/g)；当假单胞菌的预测N_t≥6.59时，即达到最 低腐败量N_s，猪肉开始处于初期腐败。因此，可根据贮藏温度-时间 和N₀实时预测假单胞菌的生长数量，进而评估猪肉的新鲜度状况。

实施例二：

本实施例公开一种应用实施例一的预测方法的冷却肉中假单胞 菌数量预测系统，如图8所示，该系统包括：

服务器端和客户端；所述服务器端和客户端通信连接；

所述客户端实时检测冷却肉在物流过程的温度数据，根据温度 数据和初始假单胞菌数量利用假单胞菌数量预测模型计算假单胞菌 预测数量并实时传输至所述服务器端，服务器端根据所述假单胞菌 预测数量统计并分析假单胞菌数量变化，绘制时间-假单胞菌数量线 状图以及时间-温度-假单胞菌数量三维柱状图并传送至所述客户端。

所述客户端包括：

数据采集模块和假单胞菌数量预测模块；

所述假单胞菌数量预测模块根据初始假单胞菌数量和所述数据 采集模块实时采集的温度数据利用假单胞菌数量预测模型计算假单 胞菌预测数量。

在本实施例中，所述客户端还包括：假单胞菌数量检测模块， 所述假单胞菌数量检测模块检测冷却肉的初始假单胞菌数量。在实 际应用中，客户端也可以没有假单胞菌数量检测模块，则初始假单 胞菌数量是由服务器端发送至客户端。

具体应用中，所述客户端还可包括假单胞菌数量预测模型评价 模块(图8中未示出)，具体用于：

在至少两个不同温度环境下定时对冷却肉进行假单胞菌数量检 测并通过所述假单胞菌数量预测模型预测假单胞菌数量，得到假单 胞菌数量实测值N_实测与假单胞菌数量预测值N_预测；

根据所述N_实测与N_预测，采用相对误差评价所述假单胞菌数量预 测模型可靠性，所述相对误差的计算公式如下：

若所述相对误差在预设误差范围内，则所述假单胞菌数量预测 模型可靠；否则，所述假单胞菌数量预测模型不可靠。

在具体应用中，如图9所示，服务器端也可同时与多个客户端 通信连接，实现多个客户端的假单胞菌预测数量的分析。服务器可 以将某一客户端的分析结果发送到不同客户端。

实施例三：

本实施例公开一种应用实施例一的预测方法的冷却肉中假单胞 菌数量预测系统，如图10所示，该系统包括：

服务器端和客户端；所述服务器端和客户端通信连接；

所述客户端实时检测冷却肉在物流过程的温度数据并实时传输 至所述服务器端；所述客户端包括：数据采集模块，用于实时采集 的温度数据。

所述服务器端根据温度数据和初始假单胞菌数量利用假单胞菌 数量预测模型计算假单胞菌预测数量，服务器端根据所述假单胞菌 预测数量统计并分析假单胞菌数量变化，绘制时间-假单胞菌数量线 状图以及时间-温度-假单胞菌数量三维柱状图并传送至所述客户端。

所述服务器端包括：假单胞菌数量预测模块，用于根据初始假 单胞菌数量和所述数据采集模块实时采集的温度数据利用假单胞菌 数量预测模型计算假单胞菌预测数量。

具体应用中，所述服务器端还可包括假单胞菌数量预测模型评 价模块(图10中未示出的)，具体用于：

在至少两个不同温度环境下定时对冷却肉进行假单胞菌数量检 测并通过所述假单胞菌数量预测模型预测假单胞菌数量，得到假单 胞菌数量实测值N_实测与假单胞菌数量预测值N_预测；

根据所述N_实测与N_预测，采用相对误差评价所述假单胞菌数量预 测模型可靠性，所述相对误差的计算公式如下：

若所述相对误差在预设误差范围内，则所述假单胞菌数量预测 模型可靠；否则，所述假单胞菌数量预测模型不可靠。

在具体应用中，如图11所示，服务器端也可同时与多个客户端 通信连接，实现多个客户端的假单胞菌预测数量的分析。

实施例二和三提供的冷却肉中假单胞菌数量预测系统，一方面 应用了实施例一中建立假单胞菌数量预测模型，所述假单胞菌数量 预测模型可模拟假单胞菌在不同温度下的生长情况；基于假单胞菌 数量预测模型以及实时测量的温度和时间计算冷却肉中假单胞菌数 量；另一方面通过客户端及服务器端对冷鲜猪肉假单胞菌数量的实 时监测和记录，实现了对冷鲜猪肉物流配送、交易过程中实时假单 胞菌数量的测算，并提供了远程监测功能，为用户实时掌握假单胞 菌生长情况提供了解决方案。

需要说明的是，在本文中，所述C₁～C₁₂仅仅用来将一个常数值 和另一个常数值区分开来，而不是暗示这些常数值之间的关系或者 顺序。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员 可以在不脱离本发明的精神和范围的情况下做出各种修改和变型， 这样的修改和变型均落入由所附权利要求所限定的范围之内。