一種確定調理水產品低溫貨架期的鮮度聯合檢測方法與流程

本發明涉及一種確定調理水產品低溫貨架期的鮮度聯合檢測方法，用于調理水產品低溫儲藏過程中貨架期終點的判斷，屬于食品保鮮技術領域。

背景技術：

近年來，人們對調理水產品貨架期的判斷準確度要求越來越高，希望能夠直觀快速地了解水產品不同儲藏時間的產品新鮮度。在這樣的需求下，調理水產品的貨架期安全性和準確性已成為人們日益關注的焦點。

調理水產品新鮮度評價方法包括感官評價、腐敗分解產物及細菌的污染程度等。其中感官檢驗評估調理水產品新鮮度的方法簡便易行，但存在主觀性，不能準確判斷。而理化技術檢測程序復雜，用時過長，無法滿足大批量現場快速檢測的要求。因此，選擇快速有效的無損檢測方法應用于調理水產品貨架期預測具有重要的意義。

電子鼻技術作為一種新興的現代化分析儀器，利用氣體傳感器陣列的響應圖譜來識別氣味的電子系統，具有價格適中、操作簡單、攜帶方便、靈敏度高等優點，更突出的是它可以連續地、不間斷的監測水產品的氣味變化情況。因此而受到食品風味分析領域更多的關注，并具有更廣闊的應用前景。但是電子鼻傳感器數量有限，與人類嗅覺神經元細胞數量相差較大，并且因其傳感器陣列固定，從而無法針對不同檢測對象選擇不同傳感器，因此僅用電子鼻儀器無法涵蓋食品的所有信息，需與其他分析儀器的數據如光譜、核磁共振等融合分析；低場核磁共振技術檢測樣品快速、無損、實時、無需任何化學試劑，且價格低廉，與其他檢測技術相比具有很大的優勢，因此在諸多方面都有廣泛的應用。將電子鼻風味檢測技術與低場核磁共振技術結合監測調理水產品品質變化，實現了食品品質變化動態監測與快速檢測的有效集成與相互驗證，并且將以上兩種快速檢測方法用于模型建立，可真正實現食品剩余貨架期的快速判定。

目前，調理水產品貨架期預測的研究方法主要有兩種類型。第一種是以溫度為基礎的動力學預測模型，即在不考慮調理水產品品質變化過程中所發生的具體化學變化的基礎上，僅通過相關性分析研究儲藏溫度與水產品整體品質變化的關系模型，包括Arrhenius方程、WLF(Williams-Landel-Ferry)方程和Z值模型等，其中最常用的是Arrhenius方程。Arrhenius方程不受產品儲藏溫度的限制，可在常溫或高溫條件下加速實驗，采集數據，然后采用外推的方法求得在較低溫度下的貨架期。該方法雖然可實現直接建模，系統誤差少，但預測模型適用范圍有限。第二種是以產品品質的關鍵化學或微生物指標為研究基礎，探究水產品在儲藏過程中品質的整體變化規律，建立模型，實現剩余貨架期預測。該方法不僅可根據食品種類選定選擇掛件評價指標，而且得到的預測模型具有準確度高和應用范圍廣的優點。

謝晶等（專利申請號201410394531.3）公開了“一種用TBA建立河卿魚貨架期預測模型的方法”。該發明通過對河卿魚在不同溫度下的感官評定和硫代巴比妥酸值（TBA）隨著貯藏時間的延長而變化進行研究，利用Arrhenius方程根據TBA建立河卿魚的貨架期預測模型。雖然這類的動力學模型是水產品品質預測的常用模型，但模型對水產品低溫貯藏后期的預測誤差較大。而本發明中采用的RBF神經網絡模型數據采集更加迅速合理，分析模式更加接近實際，預測結果更加快速準確。

謝晶等（專利申請號201510237877.7）公開了“一種預測金槍魚貨架期的模型”。該發明通過對貯藏于不同溫度下金槍魚進行研究，通過測定金槍魚的紅度值a*、高鐵肌紅蛋白百分含量、鮮度指標K值、揮發性鹽基氮（TVB-N）、微生物和感官品質隨時間變化規律確定了金槍魚品質變化動力學模型，并根據金槍魚品質指標K值和揮發性鹽基氮(TVB-N)建立了金槍魚貨架期預測模型，該模型能快速有效的預測金槍魚在269K~285K溫度范圍內的剩余貨架期。雖然品質變化指標選擇越多，貨架期預測結果更為準確，但是檢測任務繁雜，耗費大量人力、物力和時間，無法滿足快速無損的檢測要求。本發明中選擇低場核磁共振技術和電子鼻技術代替大部分的理化指標，檢測時間短，檢測重復性高，并且檢測不受樣品形狀大小及狀態的限制。

董慶利等（專利申請號200810034916.3）公開了“基于BP神經網絡預測熏煮香腸質構感官評定的方法”。該發明采取計算機系統以客觀的機械測定為輸入，主觀的感官評定為輸出，可以通過儀器測定的準確量值來實現預測，既可以解放勞動力，排除人的主觀因素干擾，又能快速而準確地實時對熏煮香腸的質構指標進行判定，實現機械測定全部或部分代替感官評定檢測。本發明中所采用的RBF神經網絡預測模型是一種更加高效的前饋人工神經網絡，具有BP神經網絡所不具有的最佳逼近性能和全局最優特性，并且結構簡單，訓練速度更快。并與檢測更加準確的低場核磁共振技術和電子鼻技術相結合，最終模型所得預測值和實驗值已十分接近。

李秀男等（專利申請號201510097111.3）公開了“一種應用低場核磁共振技術測定凝膠化時間的方法”。該發明采用CPMG序列測定在特定溫度下加熱不同時間的水凝膠的核磁共振衰減曲線，并采用多指數方程進行擬合，獲得T₂分布曲線；計算每個時間點凝膠內部水對應的T₂分布峰的加權平均值，繪制T₂值隨時間變化的曲線；并使用雙線型回歸模型對T₂-t曲線進行擬合，確定體系的溶液-凝膠轉變點，并得到凝膠化時間。提供了一種能夠簡單快速無損的測定凝膠化時間的新方法。該發明僅選用了較為簡單的雙線性回歸模型擬合實驗參數，沒有根據低場核磁數據庫建立屬于物料本身特有的預測模型，系統誤差較大。本發明中采用的RBF神經網絡模型具有特有的非線性適應性信息處理能力，具有自學習功能、聯想存儲功能和高速尋找優化解能力等優勢，低場核磁數據、電子鼻數據與TVB-N值能夠達到一一對應，系統誤差大大降低。

王欣等（專利申請號201210435185.X）公開了“一種大豆油煎炸使用極限的低場核磁共振檢測方法”。該方法采用低場核磁共振分析儀分析大豆油的多組分弛豫時間變化規律，對大豆油的多組分弛豫時間數據與總極性化合物（TPC）數據建立數學模型，實現對大豆油煎炸使用極限的準確判斷。但是該發明選擇多元線性回歸分析方法，無法按照兩組數據之間特點建立較為復雜的非線性關系，得出的模型不能真實反映大豆油煎炸后的氧化狀態。本發明中的神經網絡模型的自學習功能可以在應用中繼續不斷的提高預測模型準確性，這是傳統回歸模型無法實現的。

陳雷等（專利申請號201510111292.0）公開了“基于氫核磁共振結合偏最小二乘法鑒別蜂蜜真假的方法”。該發明首先建立了純蜂蜜數據庫和糖漿摻假蜂蜜數據庫，然后構建鑒別模型，并對鑒別模型進行可靠性檢驗，最后進行對待測蜂蜜樣品的鑒別。低場核磁技術準確可靠，操作簡單，并且可在短時間內處理大量樣品，能夠快速篩查出可疑蜂蜜樣品，避免了主觀因素、人為誤差。低場核磁共振技術應用于食品科學領域的研究中，主要是通過對弛豫時間的測量，可以更好地了解食品中水分等流動相與有機物等固相的結合狀態，以及了解食品的組織結構和物化狀態，并和產品化學指標相對應，得到的預測模型也會更加準確。

陳小娥等（專利申請號201511031019.3）公開了一種基于電子鼻分析的金槍魚油儲藏過程中腐敗程度的測定方法。該發明通過電子鼻技術對儲藏過程中金槍魚油的揮發性氣味進行研究，運用主成分分析（PCA）、線性判別分析(LDA)區分不同儲藏時間的魚油樣品，并通過偏最小二乘法(PLS)建立酸價、過氧化值的預測模型，從而對金槍魚油在儲藏過程中腐敗程度進行有效測定。與現有技術相比，電子鼻檢測具有操作簡單，檢測時間短，檢測效率高等優點。該發明將電子鼻技術應用到幾種常用的預測模型中，為電子鼻技術的模型預測提供了很好的思路。本發明選擇將電子鼻技術、核磁共振技術結合水產品TVB-N值進行RBF神經網絡模型預測，對調理水產品的預測效果相對誤差小于1％。

惠國華等（專利申請號201210013547.6）公開了“一種利用電子鼻檢測草魚新鮮度的方法”。該發明將被測草魚樣品揮發出的氣體作用于電子鼻傳感器陣列，引起各傳感器的電導率發生變化，該變化與各傳感器特異性敏感氣體的種類、濃度有關，該相互關系可以作為標定被測樣品信息的依據。傳感器把氣體輸入轉換成電信號，多個傳感器對一種氣體的響應便構成了傳感器陣列對該氣味的響應譜，每種氣體都會有它的特征響應。根據多傳感器的特征響應便可區分氣體的種類、濃度，實現草魚新鮮度的檢測。本發明也選用電子鼻快速技術結合低場核磁共振技術，建立兩者與TVB-N值的非線性關系，了解水產品儲藏過程中水分、氣味和化學指標的變化規律，進而更精準的預測調理水產品的貨架期終點。

屠康等（專利申請號200910183546.4）公開了“一種氣體傳感器檢測雞蛋新鮮度的方法”。該方法以電子鼻傳感器特征值Sn為指標，代入到雞蛋貨架期預測模型或者雞蛋新鮮度等級預測模型中，分別得到雞蛋貨架期為20℃、70%RH條件下雞蛋的貯藏時間和得到無損判別雞蛋新鮮度的等級。但是該發明中的新鮮度模型為典型的經驗模型，因產品的營養成分和儲藏環境都略有不同，套用經驗模型得出的新鮮度模型系統誤差無法忽略。而本發明中選擇的模型是按照產品各個指標每組數據進行反復訓練，得到的RBF神經網絡模型不受經典模型和是否線性回歸的約束，從而使得預測值和實驗值更加接近，能夠快速了解不同儲藏時間的產品品質及變化規律。

技術實現要素：

本發明的目的是提供一種確定調理水產品低溫貨架期的鮮度聯合檢測方法，將低場核磁共振技術、電子鼻快速檢測技術與調理水產品TVB-N值結合，同時利用RBF神經網絡模型研究水產品品質變化規律，具有充分的合理性和準確性，可用于準確地預測調理水產品的剩余貨架期，掌握和了解調理水產品的營養狀態和新鮮度，同時也為其它水產品的保鮮技術和貨架期預測模型的研究提供了一定的理論參考。

本發明的技術方案，一種確定調理水產品低溫貨架期的鮮度聯合檢測方法，步驟為：將調理水產品置于低場核磁共振工作腔內，對調理水產品的T₂₃位移進行檢測，其次對樣品風味進行電子鼻快速測定，并計算T₂₃曲線的峰加權值和電子鼻S1值，另外選擇半微量凱氏定氮法測定調理水產品不同儲藏時間的TVB-N值變化。以TVB-N值、T₂曲線的峰加權值和電子鼻S1值為輸入層，通過Matlab編程軟件，經反復計算后輸出低溫儲藏調理水產品RBF神經網絡貨架期預測模型。最后將待測調理水產品進行TVB-N值、低場核磁共振和電子鼻檢測，得出實驗值，將RBF神經網絡得出的預測值和實驗值進行比較，該神經網絡預測模型對調理水產品的預測效果相對誤差值小于1％。

具體步驟如下：

（1）標準樣品的揮發性鹽基氮值的測定：按照SC/T 3032-2007規定的標準，用半微量凱氏定氮法檢測調理水產品經過不同儲藏時間后的TVB-N值，建立調理水產品的TVB-N值隨儲藏時間而變化的標準樣品數據庫。

（2）標準樣品的低場核磁共振檢測：利用低場核磁共振儀的CPMG脈沖序列測定調理水產品在低溫儲藏過程中的縱向弛豫時間T₂，通過數據分析獲得其低場核磁共振檢測數據，所述檢測數據包括結合水的起始時間T₂₁、束縛水的起始時間T₂₂、自由水的起始時間T₂₃。其中T₂₁和T₂₂在儲藏過程中沒有明顯變化，而T₂₃（自由水部分）在儲藏過程中呈現有規律的變化，所以選擇T₂₃作為研究對象。

所述的T₂₃采用加權的辦法計算，通過計算每個時間點T₂₃峰的加權平均值來繪制T₂不同儲藏時間的變化曲線，T₂₃加權平均值的計算公式為

T₂₃=∑（X_i*A_i/A_t）

其中X_i及A_i分別代表T₂₃中每個點的橫、縱坐標，A_t為曲線中各個點縱坐標的總和。

（3）標準樣品的電子鼻檢測：首先將調理水產品放入密封容器中，常溫狀態下靜置40~60min； 隨后電子鼻的進樣針頭吸取密封容器內的氣體，電子鼻氣室內的14組氣體傳感器陣列對樣品所散發出的氣體進行檢測，檢測時間為20~40s。

（4）低場核磁共振和電子鼻數據與TVB-N值建立RBF預測模型：RBF數據模型采用Matlab語言編程，并調用遺傳算法工具箱建立三層RBF模型。遺傳算法的參數設置：交叉概率為0.9，變異概率為0.09。并將選取的訓練樣本輸入到網絡中，對網絡進行訓練，將網絡的輸出值與實測值進行對比，直到網絡訓練的均方誤差達到要求，確定網絡各層的權值和閾值。對不同儲藏時間的調理水產品的低場核磁弛豫時間、電子鼻數據和TVB-N值作為輸入層進行分析。

（5）待測調理水產品的檢測：將待測樣品按照步驟（2）、步驟（3）進行低場核磁共振和電子鼻風味檢測，將測得的數據代入步驟 (4) 建立的RBF預測模型中，計算該樣品的預測TVB-N值，若預測值≥13 mg/100g，判斷待測樣品為優質保質期（一級鮮度）；若預測值≥30 mg/100g，判斷待測樣品為次優質保質期（二級鮮度）。

所述調理水產品包括以水產品為主要原料，添加調味料后經半干燥、腌制和/或烤制等加工處理后出廠，經簡單烹飪后即可食用的調理水產半成品。

所述低溫儲藏條件為溫度0-4℃，RH 70％。

所述的14組氣體傳感器陣列中S1（胺類物質傳感器）在不同儲藏時間調理水產品呈有規律的變化，因此選擇S1電子鼻輸出值為研究對象。

本發明的有益效果：

①基于RBF神經網絡預測調理水產品貨架期終點的方法模擬人的大腦判斷系統，用高精度實時的模式處理數據，具有快速、準確、實時的特點，與傳統的預測模型相比，預測誤差較小，預測精度較高，得到的信息更全面。

②本發明選擇低場核磁共振技術和電子鼻技術作為調理水產品品質的檢測手段，測定精準度高，快速無損，并且價格相對低廉，能夠滿足大批量樣品快速精準的檢測要求。

③RBF神經網絡模型結合低場核磁技術和電子鼻技術，不需要精確地數學模型的基礎上，建立起低場核磁共振縱向弛豫時間、電子鼻風味和調理水產品化學指標TVB-N值之間的非線性映射關系，實現了低溫儲藏調理水產品剩余貨架期的快速檢測，避免減少了實驗操作過程的一些弊端和局限性，直接達到快速準確的預測仿真效果。

附圖說明

圖1 調理水產品的T₂曲線。

具體實施方式

下面通過實施例對本發明做進一步詳細說明，這些實施例僅用來說明本發明，并不限制本發明的范圍。

實施例1：一種確定調理魚糜制品低溫貨架期的鮮度聯合檢測方法。

首先將解凍后的10%冷凍魚糜加入0.5%食鹽擂潰15min，隨后加入6％大豆油、6％蛋清、7%大豆蛋白、5％馬鈴薯淀粉和冰水繼續擂潰5min混勻，最后放入蒸鍋（100℃蒸制15min），即得調理魚糜制品，并放入0-4℃環境儲藏。檢測步驟為：首先檢測調理魚糜制品不同儲藏時間后的TVB-N值變化，并進行低場核磁技術和電子鼻風味測定，計算T₂曲線的峰的加權值和電子鼻S1值。最后以TVB-N值、T₂曲線的峰加權值和電子鼻S1值為輸入層，通過Matlab編程軟件，經反復計算后輸出調理水產品RBF神經網絡貨架期預測模型。最后將待測魚糜制品進行TVB-N值、低場核磁共振和電子鼻檢測，得出實驗值，將RBF神經網絡得出的預測值和實驗值進行比較，因魚糜制品成分較為復雜，對低場核磁共振T₂₃稍有干擾，但相對誤差仍可控制在3％以內，經儲藏45天后，其RBF模型輸出TVB-N預測值為13.4mg/100g，超出一級鮮度標準（13 mg/100g），儲藏162天后，其RBF模型輸出TVB-N預測值為31.7mg/100g，超出二級鮮度標準（30 mg/100g），調理魚糜產品貨架期結束。

實施例2：一種確定調理草魚塊低溫貨架期的鮮度聯合檢測方法。

首先將新鮮草魚洗凈、切塊，隨后切成標準塊狀瀝干的生魚塊盛入到調料液中浸漬，浸漬后的魚塊盛盤在100℃～125℃溫度下煮熟，最后將煮熟的魚塊進行塑料袋封裝，并放入冷藏環境（0-4℃）。將調理草魚塊不同儲藏時間后的TVB-N值變化，并進行低場核磁技術和電子鼻風味測定，計算T₂曲線的峰的加權值和電子鼻S1值。最后以TVB-N值、T₂曲線的峰加權值和電子鼻S1值為輸入層，通過Matlab編程軟件，經反復計算后輸出RBF神經網絡貨架期預測模型。最后將待測水產品進行TVB-N值、低場核磁共振和電子鼻檢測，得出實驗值，其相關系數最大為0.995，兩者相對誤差可控制在1％。經儲藏66天后，其RBF模型輸出TVB-N預測值為14.1mg/100g，超出一級鮮度標準（13 mg/100g），儲藏213天后，其RBF模型輸出TVB-N預測值為30.9mg/100g，超出二級鮮度標準（30 mg/100g），調理草魚塊貨架期結束。

實施例3：一種確定調理對蝦低溫貨架期的鮮度聯合檢測方法。

首先將南美白對蝦清洗除去泥沙雜質，隨后進行水煮處理，蝦的數量以水煮液淹沒南美白對蝦為限；沸騰后煮2～4分鐘即撈起南美白對蝦，并冷卻瀝干水分，最后稱重裝袋后抽真空包裝，即得調理對蝦制品，放入0~4℃條件下冷藏。將調理對蝦不同儲藏時間后的TVB-N值變化，并進行低場核磁技術和電子鼻風味測定，計算T₂曲線的峰的加權值和電子鼻S1值。最后以TVB-N值、T₂曲線的峰加權值和電子鼻S1值為輸入層，通過Matlab編程軟件，經反復計算后輸出調理水產品RBF神經網絡貨架期預測模型。最后將待測調理對蝦進行TVB-N值、低場核磁共振和電子鼻檢測，得出實驗值，將RBF神經網絡得出的預測值和實驗值進行比較，兩者相對誤差可控制在1％。經儲藏38天后，其RBF模型輸出TVB-N預測值為13.6mg/100g，超出一級鮮度標準（13 mg/100g），儲藏120天后，其RBF模型輸出TVB-N預測值為30.3mg/100g，超出二級鮮度標準（30 mg/100g），調理對蝦制品貨架期結束。