基于神经网络的冷鲜猪肉品质预测方法

摘要

本发明公开了一种基于神经网络的冷鲜猪肉品质预测方法，包括：采用神经网络模型分别构建冷鲜猪肉菌落总数预测初始模型、冷鲜猪肉挥发性盐基氮含量预测初始模型和冷鲜猪肉pH值预测初始模型；将冷鲜猪肉的贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，分别以冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值作为期望输出，输入到上述三个模型中进行训练，得到冷鲜猪肉菌落总数预测模型、冷鲜猪肉挥发性盐基氮含量预测模型和冷鲜猪肉pH值预测模型，将待测猪肉数据输入到上述预测模型，即可得到猪肉的菌落总数、挥发性盐基氮含量和pH值；本发明根据冷鲜猪肉的贮藏温度、气体环境、湿度和时间对冷鲜猪肉的品质进行综合预测。

说明书

技术领域

本发明涉及肉品质量预测领域。更具体地说，本发明涉及一种基于神经网络的冷鲜猪肉品质预测方法。

背景技术

目前，市售猪肉主要有冷鲜肉、热鲜肉和冷冻肉三种。冷鲜肉又称为冷却肉，在整个加工和物流运输过程中，此类猪肉始终处于0-4℃低温环境下。冷鲜猪肉因其美味的口感和高营养价值等优点，正逐步占据传统热鲜肉和冷冻肉的市场，消费比例逐渐增加。中商产业研究院《2016-2021年中国猪肉行业市场调研与投资机会研究报告》中指出，2005-2015年间，猪肉产量的年增长率为1.88％，其中冷鲜肉的增长速度最快，由2％增至20％，而热鲜肉则由89％降至60％，并预计冷鲜肉将会保持增长的趋势，成为未来生鲜猪肉生产和消费的主要发展方向。目前市场上针对合理的冷鲜猪肉品质的预测方法，现有的预测方法都只能根据冷鲜猪肉某一方面的特性对其品质进行预测，这种预测方法无法准确的反映出冷鲜猪肉的综合品质。

发明内容

本发明的目的是提供一种基于神经网络的冷鲜猪肉品质预测方法，根据冷鲜猪肉的贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间对冷鲜猪肉的品质进行综合预测。

为了实现根据本发明的这些目的和其它优点，提供了一种基于神经网络的冷鲜猪肉品质预测方法，包括：

采用神经网络模型分别构建冷鲜猪肉菌落总数预测初始模型、冷鲜猪肉挥发性盐基氮含量预测初始模型和冷鲜猪肉pH值预测初始模型；

获得多份冷鲜猪肉样品的初始菌落总数、初始挥发性盐基氮含量和初始pH值，以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的菌落总数、挥发性盐基氮含量和pH值；

将冷鲜猪肉的初始菌落总数以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的菌落总数作为期望输出，输入到所述冷鲜猪肉菌落总数预测初始模型中进行训练，得到冷鲜猪肉菌落总数预测模型；

将冷鲜猪肉的初始挥发性盐基氮含量以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的挥发性盐基氮含量作为期望输出，输入到所述冷鲜猪肉挥发性盐基氮含量预测初始模型中进行训练，得到冷鲜猪肉挥发性盐基氮含量预测模型；

将冷鲜猪肉的初始pH值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的pH值作为期望输出，输入到所述冷鲜猪肉pH值预测初始模型中进行训练，得到冷鲜猪肉pH值预测模型；将需要预测的冷鲜猪肉的初始菌落总数、初始挥发性盐基氮含量和初始pH值以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到所述冷鲜猪肉菌落总数预测模型、所述冷鲜猪肉挥发性盐基氮含量预测模型和所述冷鲜猪肉pH值预测模型中，即可分别得到该冷鲜猪肉的预测菌落总数、预测挥发性盐基氮含量和预测pH值。

优选的是，所述的一种基于神经网络的冷鲜猪肉品质预测方法中，还包括：

根据所述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值对其进行评级，得到冷鲜猪肉的品质等级。

优选的是，所述的一种基于神经网络的冷鲜猪肉品质预测方法中，根据所述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值对其进行优良中差四个等级的评级，包括：

建立菌落总数评价指标，对冷鲜猪肉的菌落总数A进行优良中差四个等级的评判：

当A＜A

当A

当A

当A＞A

建立挥发性盐基氮含量评价指标，对所述冷鲜猪肉的挥发性盐基氮含量B进行优良中差四个等级的评判：

当B＜B

当B

当B

当B＞B

建立pH值评价指标，对所述冷鲜猪肉的pH值C进行优良中差四个等级的评判：

当C＜C

当C

当C

当C＞C

将待评价的冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值分别代入所述菌落总数评价指标、挥发性盐基氮含量评价指标和pH值评价指标中，得到所述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值的评级，并以所述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值的评级中的最低评级，作为所述冷鲜猪肉的品质等级。

优选的是，所述的一种基于神经网络的冷鲜猪肉品质预测方法中，还包括：

采用神经网络模型构建冷鲜猪肉白度预测初始模型；

获得多份冷鲜猪肉样品的初始白度以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的白度；

将冷鲜猪肉的初始白度以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的白度作为期望输出，输入到所述冷鲜猪肉白度预测初始模型中进行训练，得到冷鲜猪肉白度预测模型；

将需要预测的冷鲜猪肉的初始白度以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到冷鲜猪肉白度预测模型，即可得到该冷鲜猪肉的预测白度。

优选的是，所述的一种基于神经网络的冷鲜猪肉品质预测方法中，还包括：

采用神经网络模型构建冷鲜猪肉水分活度值预测初始模型；

获得多份冷鲜猪肉样品的初始水分活度值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的水分活度值；

将冷鲜猪肉的初始水分活度值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的水分活度值作为期望输出，输入到所述冷鲜猪肉水分活度值预测初始模型中进行训练，得到冷鲜猪肉水分活度值预测模型；

将需要预测的冷鲜猪肉的初始水分活度值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到冷鲜猪肉水分活度值预测模型，即可得到该冷鲜猪肉的预测水分活度值。

本发明基于神经网络模型，分别建立冷鲜猪肉菌落总数预测模型、冷鲜猪肉挥发性盐基氮含量预测模型和冷鲜猪肉pH值预测模型，从而根据冷鲜猪肉的贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间获得冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值，从而对冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值进行预测。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

具体实施方式

下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明的实施例提供一种基于神经网络的冷鲜猪肉品质预测方法，包括：

采用神经网络模型分别构建冷鲜猪肉菌落总数预测初始模型、冷鲜猪肉挥发性盐基氮含量预测初始模型和冷鲜猪肉pH值预测初始模型；

获得多份冷鲜猪肉样品的初始菌落总数、初始挥发性盐基氮含量和初始pH值，以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的菌落总数、挥发性盐基氮含量和pH值；

将冷鲜猪肉的初始菌落总数以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的菌落总数作为期望输出，输入到所述冷鲜猪肉菌落总数预测初始模型中进行训练，得到冷鲜猪肉菌落总数预测模型；

将冷鲜猪肉的初始挥发性盐基氮含量以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的挥发性盐基氮含量作为期望输出，输入到所述冷鲜猪肉挥发性盐基氮含量预测初始模型中进行训练，得到冷鲜猪肉挥发性盐基氮含量预测模型；

将冷鲜猪肉的初始pH值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的pH值作为期望输出，输入到所述冷鲜猪肉pH值预测初始模型中进行训练，得到冷鲜猪肉pH值预测模型；将需要预测的冷鲜猪肉的初始菌落总数、初始挥发性盐基氮含量和初始pH值以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到所述冷鲜猪肉菌落总数预测模型、所述冷鲜猪肉挥发性盐基氮含量预测模型和所述冷鲜猪肉pH值预测模型中，即可分别得到该冷鲜猪肉的预测菌落总数、预测挥发性盐基氮含量和预测pH值；

根据所述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值对其进行优良中差四个等级的评级，包括：

建立菌落总数评价指标，对冷鲜猪肉的菌落总数A进行优良中差四个等级的评判：

当A＜A

当A

当A

当A＞A

建立挥发性盐基氮含量评价指标，对所述冷鲜猪肉的挥发性盐基氮含量B进行优良中差四个等级的评判：

当B＜B

当B

当B

当B＞B

建立pH值评价指标，对所述冷鲜猪肉的pH值C进行优良中差四个等级的评判：

当C＜C

当C

当C

当C＞C

将待评价的冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值分别代入所述菌落总数评价指标、挥发性盐基氮含量评价指标和pH值评价指标中，得到所述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值的评级，并以所述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值的评级中的最低评级，作为所述冷鲜猪肉的品质等级。

该实施例中，用于食品的腐败变质是指食品成分在以微生物为主的各种因素的作用下，食品原有物理或化学性质发生改变，食品表现为营养价值降低且无法食用的状态。其实质是腐败微生物产生的酶分解食品中蛋白质、脂肪和碳水化合物等的过程。影响冷鲜肉腐败有内部因素和外部因素两大类，肉品组织自身的含水量、营养成分、pH值、生物结构和抗菌成分等，称为内部因素。外部因素主要包括环境温度、相对湿度、包装技术、竞争性菌群、防腐剂和抗氧化剂等。对于特定的冷鲜肉而言，影响冷鲜肉的品质主要是外在影响因素。所以本实施例中选取贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，对于上述因素：

1、低温环境通常可有效抑制冷鲜肉中大部分微生物的增殖速度，但若冷链控制系统出现故障，环境温度将随之升高，将导致微生物的快速增殖及酶活性提高，加快鲜肉腐败变质的速度。温度作为影响猪肉品质变化的环境因素之一，肉品中所发生的酶促反应、生物化学变化、解僵成熟时间、微生物生长繁殖均受温度的制约；

2、冷鲜猪肉中常见的包装方式包括气调包装、托盘包装、真空包装和活性包装等。气调包装作为目前最受关注的包装方式，其通过将肉类食品密封于优良的混合气体环境中，抑制腐败微生物增殖的同时隔离外界污染，达到延长肉品货架期的目的。气调包装的常用气体主要包括氧气(O

3、水分在肉类原料成分中占据重要的比例，约为总量的50％-70％。肉类中的水分通常被分为蛋白结合水(Protein-associated water)、不易流动水(Immobilized water)和自由水(Free water)三种。蛋白结合水与蛋白质结合紧密，流动性很小，不易受到强烈理化因素的影响，且可与包括不易流动水在内的其他水分子进行相互转换；在肉类僵直及成熟阶段，存在于纤丝、肌原纤维及膜之间的不易流动水的转变可导致肌肉细胞结构发生改变；自由水也叫毛细管水，存在于肌质间，具有溶解各种溶质的特性，可被微生物利用从而导致肉品腐败。在畜禽宰后肌肉僵直收缩阶段，自由水被挤出，造成汁液流失。食品中自由水的含量可随环境中温湿度的改变而改变，因此控制贮藏环境中的相对湿度对肉品质量和食用安全显得十分重要。有研究表明发现牛肉表面微生物的生长速率受冰箱内相对湿度的影响。水分活度(water activity，Aw)是指食品在恒定的温度和压力下、密闭容器中达到平衡状态时的水分蒸汽压与该温度下纯水的饱和蒸汽压的比值，是影响肉品保鲜的重要栅栏因子。水分活度描述了与食品安全稳定性直接相关的那部分“可用性”水，对食品安全检验有一定的意义。有研究表明：化学反应速率和微生物生长速率随着Aw值的升高而加快，进而食品的保存期缩短。

鲜肉的腐败是指肉中各种成分被分解，导致色泽、气味、质地等发生变化，如颜色变为绿色、黄色，产生腐臭味，肉表面出现粘液等现象。鲜肉的腐败主要有三个原因，一是微生物代谢活动产生的活性酶引起的，二是自身酶的活性造成的，三是物理化学因素，其中微生物代谢活动是造成鲜肉腐败变质的主要原因。新鲜肉内部是无菌的，因此肉中存在的微生物是在加工流通过程中由环境微生物造成的二次污染。由《食品安全国家标准鲜(冻)畜、禽产品》(GB 2707-2016)和《分割鲜、冻猪瘦肉》(GB/T 9959.2-2008)以及国外的研究可知，评价肉类品质的指标主要包括感官品质(色泽、气味、组织状态等)、微生物菌落总数、挥发性盐基氮(Total volatile basic nitrogen，TVB-N)、pH等。其中，TVB-N常作为评价肉类品质的重要指标，TVB-N值＞15mg/100g，即为变质肉。TVB-N值增长与猪肉中微生物活动和内源酶的活性密切相关，其成分是微生物分解蛋白质或非蛋白质物质形成的；pH的变化表明了微生物生长以及分解食品基质的速度；色差是替代人的感官评价的客观评价指标。

本实施例中以冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值作为其品质的评价指标，并分别以三者作为期望输出，采用神经网络模型分别构建冷鲜猪肉菌落总数预测初始模型、冷鲜猪肉挥发性盐基氮含量预测初始模型和冷鲜猪肉pH值预测初始模型，上述模型采用现有的RBF神经网络模型即可，本处不再累述；

然后将需要预测的冷鲜猪肉的贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到上述冷鲜猪肉菌落总数预测模型、冷鲜猪肉挥发性盐基氮含量预测模型和冷鲜猪肉pH值预测模型中进行训练，得到冷鲜猪肉菌落总数预测模型、冷鲜猪肉挥发性盐基氮含量预测模型和冷鲜猪肉pH值预测模型；其中在采集数据时，可将单块冷鲜猪肉作为一份样品，置于贮藏温度、贮藏气体环境、贮藏湿度一定的环境中，间隔对其多次进行冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值的化验，即可得到一组数据，再通过改变贮藏温度、贮藏气体环境、贮藏湿度中任意一个或多个，得到多做不同的数据，即可满足训练所需的输入样本的采集。

再将需要预测的冷鲜猪肉的贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到上述冷鲜猪肉菌落总数预测模型、冷鲜猪肉挥发性盐基氮含量预测模型和冷鲜猪肉pH值预测模型中，即可得到该冷鲜猪肉的预测菌落总数、预测挥发性盐基氮含量和预测pH值，然后可通过冷鲜猪肉的冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值对该冷鲜猪肉的品质做出评价，或者通过本实施例中公布的评价体系，分别通过菌落总数评价指标、挥发性盐基氮含量评价指标、pH值评价指标对冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值对其进行优良中差四个等级的评级，并以上述冷鲜猪肉的菌落总数、挥发性盐基氮含量和pH值的评级中的最低评级，作为所述冷鲜猪肉的品质等级。

作为本申请的另一实施例，还包括：

采用神经网络模型构建冷鲜猪肉白度预测初始模型；

获得多份冷鲜猪肉样品的初始白度以及其贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的白度；

将冷鲜猪肉的初始白度以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的白度作为期望输出，输入到所述冷鲜猪肉白度预测初始模型中进行训练，得到冷鲜猪肉白度预测模型；

将需要预测的冷鲜猪肉的初始白度以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到冷鲜猪肉白度预测模型，即可分别得到该冷鲜猪肉的预测白度。

作为本申请的另一实施例，还包括：

采用神经网络模型构建冷鲜猪肉水分活度值预测初始模型；

获得多份冷鲜猪肉样品的初始水分活度值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据，并检测冷鲜猪肉最终的水分活度值；

将冷鲜猪肉的初始水分活度值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据作为输入样本，以冷鲜猪肉最终的水分活度值作为期望输出，输入到所述冷鲜猪肉水分活度值预测初始模型中进行训练，得到冷鲜猪肉水分活度值预测模型；

将需要预测的冷鲜猪肉的初始水分活度值以及贮藏温度、贮藏气体环境、贮藏湿度和贮藏时间数据分别输入到冷鲜猪肉水分活度值预测模型，即可得到该冷鲜猪肉的预测水分活度值。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。