红烧卤牛肉货架期预测模型的建立_李彦.pdf

核 农 学 报 2023，37（5）：10051011Journal of Nuclear Agricultural Sciences红烧卤牛肉货架期预测模型的建立李彦1 符慧靖1 邵乐乐2 路玉倩1 梁丽雅1 吴子健3 马俪珍1，*（1天津农学院食品科学与生物工程学院，天津 300384；2中国农业大学食品科学与营养工程学院，北京 100083；3天津商业大学生物技术与食品科学学院，天津 300134）摘 要：为了探究红烧卤牛肉在不同温度下的货架期，本试验将加工好的红烧卤牛肉真空包装，进行二次沸水煮制杀菌（中间相隔48 h）。以菌落总数为指标建立货架期预测模型，将二次杀菌后的红烧卤牛肉产品分别贮藏在4、10、15、20、25 的恒温培养箱中，测定贮藏期间菌落总数的变化。结果表明，随着贮藏温度的升高，微生物的最大生长比率增大，迟滞期和货架期缩短；建立一级模型（修正Gompertz模型）与二级模型（Belehradek模型），修正Gompertz模型除4 下微生物生长曲线无法拟合之外，其余4个温度拟合效果良好（相关系数R20.9），并通过了模型验证（准确因子Af与偏差因子Bf的范围分别在1.11.9与0.751.25之间）；结合一、二级模型建立红烧卤牛肉货架期预测模型，模型通过了验证（预测值与实测值相对误差在 10%以内），预测得到的 10、15、20、25 贮藏的红烧卤牛肉货架期分别为185.76、64.05、31.00、15.08 d。本研究获得了红烧卤牛肉在1025 的货架期预测模型，为红烧卤牛肉在不同温度下的贮藏时间选择提供了理论依据。关键词：红烧卤牛肉；菌落总数；微生物生长预测模型；货架期预测DOI：10.11869/j.issn.1000-8551.2023.05.1005红烧卤牛肉是我国传统菜品，为达到常温销售的目的，常常对真空包装的牛肉酱卤制品进行高温高压杀菌，然而经高温杀菌后的肉制品会出现令人不愉悦的“蒸煮味”，影响产品的口感。肉制品采用低温杀菌方式（杀菌温度低于 100）可以保持较好的感官品质，但难以将微生物全部杀灭，产品中残存的微生物会在一定的贮藏条件下生长繁殖，从而导致产品腐败变质，不仅会降低产品的品质，而且也会影响人体健康1。研究表明，温度是影响微生物生长繁殖最重要的环境因素，1052 是微生物生长繁殖较快的温度范围2，因此欧洲国家对低温肉制品生产过程中的冷却时间有严格的规定，必须在 2.5 h 内将产品的中心温度从75 降到10 以下3。在产品的贮运和销售过程中，可通过控制低温肉制品的贮藏温度达到延长产品货架期的目的。因此，研究红烧卤牛肉在不同温度下贮藏过程中的微生物数量变化，预测其货架期，对指导低温肉制品的生产具有重要意义。在肉制品品质评价的指标中，pH值、硫代巴比妥酸值、挥发性盐基氮等都可以反映肉制品的品质优劣，而这些指标的变化归根结底是由于微生物的变化引起的4，因此，利用微生物变化构建产品货架期的预测模型更为直接。食品预测微生物学是基于微生物学、数学、统计学并结合计算机技术建立数学模型，预测一定环境下食品中微生物的消长情况，从而判定食品的货架期5。Whiting和Buchanan按预测模型的变量类别将预测模型分为三类6，一级模型是用于描述食品中微生物生长的数量和时间关系而建立的函数模型，能够计算出食品菌落的最大生长速率、最大生长密度等；二级模型是将一级模型的参数和环境因素（如温度、水分活度等）建立函数关系；三级模型是将一、二级模型结合起来，预测不同环境下食品的货架期7。在肉制品研究中，大多学者都以产品的微生物数量变化为参数建立货架期预测模型。刘浩越等8将酱卤鸭肉进行气调包装，根据乳酸菌在不同温度（4、10、15、20、25）条件下的繁殖数目，采用修正的Gompertz方程和平方根方程建立了一、二级模型，并验证了模型的可靠性。Dalgaard9利用Gompertz模型与Baranyi模型建立了包装鳕鱼的一级预测模型。赵丽艳等4以肉糕为研究对象，测定了不同温度（4、10、15、20、25）下菌落总数的变化，并利用修正的Gompertz方程和平方根文章编号：1000-8551（2023）05-1005-07收稿日期：2022-06-21 接受日期：2022-12-27作者简介：李彦，女，主要从事加工与安全方向研究。E-mail：*通讯作者：马俪珍，女，教授，主要从事肉品科学与技术方向研究。E-mail：malizhen-1005核农学报37 卷 方程建立了肉糕的货架期预测模型。本试验以经过二次水煮杀菌的真空包装红烧卤牛肉为研究对象，分别测定其在4、10、15、20、25 恒温培养下菌落总数随贮藏时间的变化情况，利用修正的Gompertz模型进行一级模型的拟合，再利用Belehradek进行二级模型的拟合，并利用统计学对拟合的效果进行评价，再结合一、二级模型建立红烧卤牛肉的货架期预测模型，旨在为红烧卤牛肉在不同温度下的贮藏时间选择提供理论依据。1材料与方法1.1材料与试剂牛肋腹部肉、食盐、白糖、味精、八角、花椒、丁香、小茴香、草果、桂皮、豆蔻、葱、豆瓣酱、白酒，天津市王顶堤商贸城世纪华联超市；葡萄糖、复合磷酸盐、抗坏血酸钠，郑州凯之裕食品添加剂有限公司；大豆蛋白粉、亚硝酸钠，郑州裕和食品添加剂有限公司；花椒精油、八角精油、麻椒精油、丁香精油、迷迭香精油，天津市春合科技开发有限公司；氯化钠，天津市风船化学试剂科技有限公司；营养琼脂，青岛高科技工业园海博生物科技有限公司；配制试剂所用水为超纯水。1.2仪器与设备SX-500多功能高压蒸汽灭菌锅，日本Tomy公司；CLIMACELL恒温恒湿箱，德国艾力特国际贸易有限公司；拍打式JZ-4无菌均质机，天津歆毅翎科技有限公司；CLASS生物安全柜，天美（中国）科学仪器有限公司。1.3试验方法1.3.1样品制备红烧卤牛肉的制作方法参考前期试验10：将原料牛肉（脂肪含量为30%）切分成7080 g的斜方块，经过腌制（腌制液的添加量为20%，腌制液配方见表1，再分别添加花椒精油441.0 Lkg-1、八角精油337.0 Lkg-1、麻椒精油17.0 Lkg-1、丁香精油14.0 Lkg-1、迷迭香精油137.0 Lkg-1）并进行真空滚揉（转速设置为56 rmin-1，滚揉时间1 h）后，将原料肉表面用保鲜膜包裹好放入4 的冷库中腌制12 h，取出后放入煮锅中煮制（大火煮制30 min后改小火焖制1 h），煮制完成后捞出牛肉块，冷却后采用耐高温的蒸煮袋进行真空包装，再进行沸水浴杀菌30 min，一次杀菌结束后在常温下放置48 h后进行第二次沸水浴杀菌30 min。1.3.2试验设计将加工好的产品分成5组，分别置于4、10、15、20、25 的恒温培养箱中培养，在设定的取样点测定产品的菌落总数，取样点的设定见表 2。同时测定二次杀菌处理前样品的菌落总数。1.3.3菌落总数测定按 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11的方法进行检测，每个取样点取3袋样品进行测定，结果取平均值。1.4货架期模型的构建1.4.1一级模型在本研究中，以菌落总数为测定指标，群落结构复杂，微生物生长不具有特定生物学意义12，因此，机理模型（Baranyi）在本研究中不适用。Gompertz函数能够有效地描述食品中微生物的生长与时间的对应关系，其预测较为准确，因此选择已经建立的修正的Gompertz模型来描述食品贮藏时间与微生物生长情况。修正的Gompertz模型函数表达式为13：Nt=N0+(Nmax-N0)Exp-Exp|max 2.718Nmax-N0(-t)+1（1）式中，Nt：t 时刻的菌落总数，lg（CFUg-1）；N0：初表1腌制液配方（以100 kg牛肉计）Table 1Formula of pickling solution（based on 100 kg beef）/g 原辅料Raw and auxiliary materials食盐 Table salt白糖 White sugar葡萄糖 Amylaceum复合磷酸盐 Compound phosphate大豆分离蛋白 Soybean protein isolate数量Quantity2 000800400400120原辅料Raw and auxiliary materials亚硝酸钠 Sodium nitrite味精 Aginomoto白酒 Liquor八角 Anise花椒 Zanthoxylum bungeanum数量Quantity102002006040原辅料Raw and auxiliary materials丁香 Syzygium aromaticum小茴香 Fennel草果 Amomum tsao-ko桂皮 Cassia水 Water数量Quantity2060202020 000表2不同贮藏温度的取样点Table 2Sampling points at different storage temperatures贮藏温度Storage temperature/410152025取样点Sampling point/d0、40、80、120、160、200、240、260、280、300、315、330、3450、30、60、90、120、140、180、200、215、230、245、2600、15、30、50、62、72、78、84、88、92、96、99、1020、10、20、30、34、38、42、46、50、54、56、58、600、5、10、13、14、15、16、17、18、19、20、21、2210065 期红烧卤牛肉货架期预测模型的建立始菌落数，lg（CFUg-1）；Nmax：体系中最大的菌落生长数，lg（CFUg-1）；max：微生物的最大比生长速率，lg（CFUg-1）d-1；：迟滞时间，d；t：贮藏时间，d。1.4.2二级模型选用Belehradek模型14（平方根模型）来描述一级模型的各个参数与环境因素（主要是温度）之间的函数关系。Belehradek模型的表达式为：1/=b(T-Tmin)（2）max=b(T-Tmin)（3）式中，T：环境中的温度，；max：微生物的最大比生长速率，lg（CFUg-1）d-1；Tmin：微生物不进行代谢繁殖活动的温度，；：迟滞时间，d；b：方程常数，迟滞时间；b：方程常数，最大比生长率。1.5模型验证采用回归相关系数R2与均方误差平方根（root mean square error，RMSE）检验模型拟合的优越程度15，并通过统计学参数准确因子（Af）与偏差因子（Bf）对所建立的模型进行验证16。当R2越接近1时，表示模型的拟合效果越好，且认为R2值大于0.8表示模型拟合度可以被接受17，RMSE 值越小，表示模型的拟合程度越好；Af反应了预测值和实测值间的相近程度，Af值在1.11.9之间表示该模型可以被接受，且Af值越低，模型拟合的准确度越高18，Bf则表示实测值与预测值之间的偏差值，Bf值在0.751.25之间表示该模型准确度可被接受19。各参数表示式如下：R2=1-ni=1()Oi-Pi2ni=1()Oi-m2（4）RMSE=ni=1()Oi-Pi2n（5）式中，n：数据测量点的数量；Oi：第i个测量点的实测菌落总数，lg（CFUg-1）；Pi：第i个测量点的预测菌落总数，lg（CFUg-1）。Af=10()|lg(U1/U0)|n（6）Bf=10()|lg(U1/U0)|n（7）式中，U1：实际测量的菌落总数，lg（CFUg-1）；U0：模型预测的菌落总数，lg（CFUg-1）。1.6货架期预测模型的建立与验证选出拟合度最好的一级模型，将特定参数代入货架期预测模型中，建立该产品的货架期预测模型，公式如下20：SL=-Nmax-N02.718 max|ln()-lnNs-N0Nmax-N0-1（8）式中，SL：产品货架期，d；N0：初始菌落数，lg（CFUg-1）；Nmax：微生物生长到稳定期的最大菌落数，lg（CFUg-1）；Ns：产品的腐败限量值，lg（CFUg-1）；：迟滞时间，d；max：微生物的最大比生长速率，lg（CFUg-1）d-1。用货架期实测值与预测值的相对误差值对所建立的货架期模型进行验证，公式如下：相对误差值=预测值-实测值实测值 100%（9）。1.7数据处理采用 SPSS 21.0 软件的 ANOVA 分析对数据进行方差分析，用邓肯多重比较进行差异显著性分析；采用Origin 9.0软件进行微生物生长曲线的拟合。2结果与分析2.1不同贮藏温度下红烧卤牛肉的菌落总数变化情况二次杀菌处理前样品的菌落总数为2.93 lg（CFUg-1），经过二次杀菌后，菌落总数降至1 lg（CFUg-1）以下，说明二次杀菌方式能够有效降低产品的菌落总数，杀菌较彻底，可延长红烧卤牛肉货架期。不同贮藏温度下红烧卤牛肉菌落总数变化情况如图 15所示。结果表明，在 5个不同的贮藏温度下，随着贮藏时间的延长，产品的菌落总数生长曲线呈现“S”形，并且存在明显的迟滞期、指数期和稳定期，随着贮藏温度的降低，菌落总数曲线的迟滞期延长，这是因为贮藏温度越低，对微生物生长的抑制作用越强，而产品初始菌落总数0.9）.The model validation was also passed（the range of accurate factor Af and deviation factor Bf were between 1.11.9 and 0.751.25 respectively）.Combining the first and second level models，the shelf life prediction model of braised beef with brown sauce was established.The model also passed the validation（the relative error between the predicted value and the measured value was within 10%）.The predicted shelf life at 25，20，15 and 10 was 15.93，31.00，64.05 and 185.76 days respectively.In this study，the shelf life prediction model of braised beef at 1025 was obtained，which provided a theoretical basis for the storage time of braised beef at different temperatures.Keywords：braised beef，total bacterial count，microbial growth prediction model，shelf life prediction1011