导读:本文包含了货架期模型论文开题报告文献综述及选题提纲参考文献，主要关键词:冷却牛肉,假单胞菌,货架期,预测模型
货架期模型论文文献综述
张玉华,孟一,郭风军,陈东杰[1]（2019）在《基于预测微生物学的冷却牛肉货架期预测模型的建立》一文中研究指出为实时监测冷却牛肉贮藏期间的品质变化与货架期,分别测定冷却牛肉0、4、7、10℃贮藏过程中假单胞菌菌数、总挥发性盐基氮含量和感官评分。利用修正的Gompertz方程建立不同贮藏温度下假单胞菌生长的动力学模型,以Belehradek方程为二级模型,描述贮藏温度对假单胞菌生长的影响,并利用2、5、8℃条件下贮藏的冷却牛肉验证货架期预测模型的准确性。结果表明:所建立的Gompertz模型拟合相关系数均在0.99以上,预测结果准确度在1.013～1.126之间,偏差度在0.926～1.057之间,贮藏温度与μ_(max)~(1/2)和(1/λ)~(1/2)均呈良好的线性关系,说明建立的一级和二级模型能够真实、有效地预测0～10℃贮藏条件下冷却牛肉中假单胞菌的生长情况;货架期的预测值与实测值相对误差在±10%以内,该货架期模型可有效预测冷却牛肉在0～10℃贮藏条件下任意温度下的货架期。(本文来源于《肉类研究》期刊2019年11期）
李莹,李建,夏伟荣,王荣,黄午阳[2]（2019）在《罗氏沼虾仁制品货架期模型的建立》一文中研究指出以罗氏沼虾仁为研究对象,探讨其在不同贮藏温度(4、20、40℃)下总挥发性盐基氮(TVB-N)值、菌落总数以及感官指标随时间的变化趋势及相关性。通过分析,选取TVB-N值作为其反应动力学模型的指标因子,建立阿伦尼乌斯(Arrhenius)方程。结果表明,罗氏沼虾仁制品的菌落总数、TVB-N值随着贮藏时间的延长而增加,其感官品质随着贮藏时间的延长而降低。货架期随着贮藏温度的升高而变短,贮藏温度越高各项指标变化越快。根据Arrhenius方程建立的货架期模型的预测值和实测值具有较高的拟合度,其反应活化能为21.11 kJ/mol。经验证,罗氏沼虾仁制品货架期模型的相对误差在10%以内。(本文来源于《江苏农业科学》期刊2019年17期）
唐红梅,李玉斌,王浩文,吴华昌,任锋[3]（2019）在《基于电子鼻与电子舌建立青稞格瓦斯货架期预测模型》一文中研究指出采用电子鼻与电子舌技术,结合ASLT加速实验,建立青稞格瓦斯货架期预测模型。将青稞格瓦斯储藏于25、35、45℃条件下,以感官、pH、可溶性固形物、透光率为主要指标,综合分析在不同温度下青稞格瓦斯品质随时间的变化,并应用Q10模型建立货架期预测模型。结果表明:在25、35、45℃下青稞格瓦斯货架期为18、12、6 d。将储藏温度与货架期进行拟合得到货架期预测模型:Y=—0.6X+33,R~2=1(Y为货架期;X为储藏温度)。选取28、38℃验证模型准确性,结果表明预测值与实际值差异较小,说明此模型可初步预测青稞格瓦斯的货架期,该模型的建立为格瓦斯的工业化生产奠定了基础。(本文来源于《食品科技》期刊2019年08期）
李雄,刘燕德,欧阳爱国,孙旭东,姜小刚[4]（2019）在《酥梨货架期的高光谱成像无损检测模型研究》一文中研究指出水果新鲜度是反映水果是否新鲜、饱满的重要品质指标,为了探讨水果不同货架期的预测和判别方法,以酥梨为研究对象,利用高光谱成像技术,结合偏最小二乘判别法(PLS-DA)和偏最小二乘支持向量机(LS-SVM)算法对酥梨货架期进行判别。由光源、成像光谱仪、电控位移平台和计算机等构成的高光谱成像装置采集样品光谱,装置光源采用额定功率为200 W四个溴钨灯泡成梯形结构设计,光谱范围为1 000～2 500 nm,分别率为10 nm。选取优质酥梨30个,货架期设置为1, 5和10 d,对30个样品完成3次光谱图像的采集,并矫正原始图像。实验结果表明:基于图像的酥梨货架期定性分析时,对不同货架期样品的原始图像进行PCA压缩,得到叁种不同货架期的权重系数数据, PC1图像提取特征波长点为1 280, 1 390, 1 800, 1 880和2 300 nm,以特征图像的平均灰度值作为自变量且以货架期作为因变量建立定性判别模型,建模集68个,预测集22个。最小二乘支持向量机以RBF为核函数时,预测集中样品的误判个数为1,误判率为4.5%。而当采用lin核函数时,样品的误判个数为0,误判率为0。PLS-DA定性分析时RMSEC为1.24,R_c为0.93。RMSEP为1,R_p为0.96,预测集误判率为0。特征图像对酥梨货架期判别LS-SVM中的lin核函数所建立的模型结果较好,优于RBF核函数的建模效果,也优于PLS-DA判别模型。ENVI软件提取实验样品光谱后建立LS-SVM和PLS-DA判别模型, LS-SVM利用RBF和lin核函数误判率分别为4.5%和0。与RBF核函数相比, lin核函数所建立的模型预测酥梨货架期的效果更好。PLS-DA方法主成分因子数为12, RMSEC和RMSEP分别为0.48和0.78,R_c和R_p分别为0.99和0.97,建模集与预测集的误判率均为零。LS-SVM中的lin核函数所建立的模型结果较好,依然优于PLS所建立的检测模型。酥梨的光谱信息结合LS-SVM可以实现对酥梨货架期的检测和判别。基于图像建立酥梨的货架期预测模型与光谱相比,都实现了酥梨货架期的判别,而特征图像法,选择区域较少流失部分信息,计算量小,建模结果相对略差。酥梨货架期的高光谱成像检测模型研究为消费者正确评价水果新鲜度提供了理论指导,也为后期果水果货架期检测仪器的开发提供了技术支持。(本文来源于《光谱学与光谱分析》期刊2019年08期）
刘锋,梅俊,谢晶[5]（2019）在《不同贮藏温度下大菱鲆品质变化及货架期预测模型的建立》一文中研究指出为探究大菱鲆(Scophthalmus maximus)在不同贮藏温度下品质特性与货架期的关系,将大菱鲆贮藏在-3℃、0℃、4℃、10℃和15℃温度下,测定其感官品质、挥发性盐基总氮(TVB-N)、菌落总数、硫代巴比妥酸值(TBA)、电导率的变化,并且观测肌肉的微观结构;采用低场核磁共振技术(Low-field nuclear magnetic resonance, LF-NMR)分析鱼肉中水分迁移状况,并且建立了TVB-N及菌落总数与贮藏时间和温度的动力学模型。研究发现,随着贮藏时间的延长,5种不同贮藏温度下鱼肉中不易流动水均减少,货架期终点各贮藏温度下的样品相对于新鲜鱼肉,其肌纤维结构均由紧密变得疏松;TVB-N和菌落总数变化预测模型中的活化能和指前因子分别为79.50、75.07 kJ/mol和1.3×10~(14)、7.62×10~(12)。选用10℃进行验证性试验,结果显示实测值与预测值相对误差在10%以内。因此,可根据TVB-N值及菌落总数对大菱鲆贮藏在-3℃～15℃的货架期进行实时预测。(本文来源于《渔业现代化》期刊2019年04期）
宋佳玮,巩建华,罗嗣育,郁志芳[6]（2019）在《宅配小青菜贮藏期间货架期预测模型的建立》一文中研究指出为明确不同宅配条件对小青菜品质的影响及准确预测小青菜的货架期,测定了3、10和20℃条件下盒装和袋装小青菜的失重率、Vc含量、黄化率、a*值、b*值和ΔE值的变化,采用动力学分析和主成分分析、相关性分析等方法建立基于颜色、黄化率和Vc含量变化的综合预测模型。结果表明,3、10和20℃条件下,小青菜的黄化率、a*值、b*值、ΔE值变化均符合零级反应,Vc降解均符合一级动力学反应;以单指标分别建立了货架期预测模型,验证试验表明,各模型的拟合性良好(R~2>0. 9),实测值与预测值相关性高(>0. 93);基于主成分和动力学分析,建立了更准确的货架期预测混合模型,该模型相对误差小于10%,适用于宅配期间小青菜货架期的预测。本研究结果为小青菜的冷链宅配提供理论依据和技术支持。(本文来源于《核农学报》期刊2019年09期）
李兆雯,吴新,王志海[7]（2019）在《含生鲜辣根芥末酱货架期预测模型的建立》一文中研究指出为了预测含生鲜辣根芥末酱的货架期,研究了其在278、298、310 K温度储藏条件下辣度、过氧化值及菌落总数的变化情况,并建立了对应指标的动力学模型来预测芥末酱的货架期,模型的活化能Ea分别为24.54、2.59、30.85 kJ/mol。经验证,此动力学模型可快速预测贮藏温度在278～310 K贮藏条件下芥末酱的货架期。(本文来源于《安徽农业科学》期刊2019年13期）
徐秀义[8]（2019）在《复配发芽糙米方便米饭生产工艺优化及其货架期预测模型构建》一文中研究指出以东北粳米为原料,复配不同量的发芽糙米,根据发芽糙米的添加量,按不同比例添加水,依据感官评价优化生产工艺,制成方便米饭。密封后置于室温贮藏。对米饭贮藏期间的感官评价、质构、碘蓝值、透光率、色差、水分含量、pH值、风味变化及老化度进行测定,研究确定产品工艺的可行性和市场价值。经过单因素和双因素实验设计优化工艺参数,进行无重复双因素分析,并采用新复极差法进行多重比较,得到最优工艺:发芽糙米添加量15%、发芽糙米米水用量比1:1.2。理化分析表明:与对照相比,常温贮藏期间复配发芽糙米的方便米饭在气味上有糙米的清香味,色泽上有糙米的淡黄色,在适口性和滋味及冷饭质地方面都有很好的感官评价,硬度值升高、弹性值下降趋势缓慢,胶着度波动变化幅度小于空白对照,粘聚性呈现波动下降,趋势较稳定,咀嚼度波动上升,回复性下降趋势缓慢,贮藏期间米饭的水分含量、pH值,碘兰值均低于对照,说明复配处理在保持米饭物性稳定性方面表现出一定效果。电子鼻的分析结果表明:复配样品的风味物质与对照样品相比较,除芳香成分较多外,其风味成分差别不大,一定程度上说明,复配样品的气味非常接近于对照样品,只是风味强度有所增加。老化度的测定结果表明:随着采取复配工艺而降低,且后期老化速度变慢,说明通过复配发芽糙米从一定程度上延缓了方便米饭的老化度进程。货架期预测模型构建结果表明:通过对最优工艺复配产品不同贮藏天数的老化度反应速率动力学模型的构建,以DR为指标建立发芽糙米方便米饭在25℃贮藏过程中的老化度DR与贮藏时间t的Arrhenius方程,对其货架期进行预测。按照GBT31323-2014规定,将老化度≤10%定义为货架寿命的耐受值,可以计算出25℃贮藏时的货架寿命为363 d。方便米饭经过发芽糙米的复配工艺处理可以改善常温贮藏下方便米饭的感官和食用品质,一定程度上延缓了常温方便米饭的老化速度,在方便米饭品质改良方面有潜在应用价值。(本文来源于《渤海大学》期刊2019-06-01）
任晓俊[9]（2019）在《苹果采后风味物质变化及货架期模型构建》一文中研究指出苹果在采后贮藏过程中,品质及风味持续变化。研究了辽西地区8种常见鲜食苹果品种的品质及风味的差异性,并进行了聚类分析;以‘金冠’和‘华富’这两种不同类别的苹果为研究对象,考察了其在不同温度条件(4℃和20℃)下品质及风味的变化规律,进而构建货架期预测模型。本研究揭示了苹果贮藏过程中风味物质的变化规律,分析了苹果风味指标和品质指标变化的相关性,并基于电子鼻构建了苹果货架期预测模型,丰富了苹果保鲜机理,为苹果采后货架期的快速检测提供参考。主要结论如下:1.对辽西地区常见的‘望山红’、‘寒富’、‘华富’、‘国光’、‘乔纳金’、‘金冠’、‘王林’和‘印度’这8种常见鲜食苹果品种的品质及风味的差异性进行分析。研究表明,8种苹果的果皮、果肉色差较显着。‘华富’和‘国光’的果皮和果肉硬度较大。‘国光’果实中水分含量较高,其次是‘华富’和‘乔纳金’。果实中不同形式的糖类、可滴定酸和糖酸比与电子舌测定的酸味、鲜味和咸味相关性较好,对果实滋味的评定影响显着。由电子鼻传感器雷达图分析表明,电子鼻对苹果果实的香气成分反应灵敏,可以快速、无损地检测果实香气成分,PCA和LDA能够很好地对8种苹果风味进行区分,‘望山红’和‘王林’的果实风味与其它品种差异较大。电子舌分析表明,8种苹果果实的酸味、鲜味和咸味存在较大差异。利用SPME/GC-MS对8种苹果挥发性风味物质含量的差异性分析表明,8种果实香气成分的含量差异显着。通过香气阈值分析表明,2-甲基丁基乙酸酯、乙酸己酯、正己醛和(E)-2-己烯醛对8种苹果整体的香气有重要影响;丁酸乙酯仅对‘王林’香气成分有贡献。基于风味物质的主成分分析结果表明,双戊烯、壬醛、香叶基丙酮、植烷、间二甲苯、乙酸己酯、(E)-2-己烯醛、α-法呢烯和甲苯是苹果中主要的特征挥发性物质。基于风味物质的系统聚类分析将8种苹果分为两类,一类为‘望山红’、‘华富’、‘国光’、‘王林’和‘寒富’,另一类为‘乔纳金’、‘金冠’和‘印度’。2.以两种典型风味的苹果品种‘金冠’和‘华富’为研究对象,考察了其常温和低温贮藏过程中风味物质的变化规律。由电子鼻分析可知,‘金冠’和‘华富’苹果在4℃和20℃贮藏末期香气成分变化显着,且‘华富’果实4℃和20℃贮藏末期的香气成分呈现趋势明显不同;就传感器来说,4℃贮藏贡献率较大的传感器为R2和R6,而20℃贮藏贡献率较大的传感器为R2、R6和R8;20℃贮藏的香气成分种类较多。电子舌分析表明,‘华富’贮藏期间滋味变化较为显着。4℃贮藏期间,酸味、苦味、涩味和咸味变化明显,20℃贮藏期间酸味、苦味和涩味变化明显。由SPME/GC-MS分析可知,酯类、醇类和醛类是‘金冠’和‘华富’苹果贮藏期间主要变化的香气成分。‘金冠’4℃贮藏期间主要变化的香气成分是乙酸丁酯、2-甲基丁基乙酸酯、丁酸丁酯、乙酸己酯、丁酸2-甲基丁酯、丁酸己酯、异戊酸己酯、正丁醇和正己醛,20℃贮藏主要变化的香气成分是乙酸己酯、己酸丙酯,丙酸己酯、异丁酸己酯、丁酸己酯、异戊酸己酯、己酸己酯、正己醇、α-法呢烯等。‘华富’4℃贮藏主要变化的香气成分是乙酸己酯、丁酸己酯、2-甲基丁醇和α-法呢烯,20℃贮藏主要变化的香气成分是丁酸丁酯、丁酸戊酯、异丁酸己酯、丁酸己酯、正庚醇、(E)-2-己烯醛等。综合来看,‘金冠’和‘华富’苹果4℃贮藏期间检测的主要香气成分较少,而20℃贮藏期间检测的香气成分较多。3.基于电子鼻分析利用偏最小二乘法(partial least squares regressions,PLS)建立了的‘金冠’和‘华富’苹果货架期预测模型。首先对两种苹果的电子鼻传感器与感官品质的相关性进行了分析,以筛选合适的传感器进行货架期模型的构建。PLS预测模型结果表明,‘金冠’4℃贮藏建立的货架期预测模型的R~2=0.86,RMSEC=3.94;20℃贮藏建立的货架期预测模型的R~2=0.83,RMSEC=2.98。用此模型对货架期进行预测,4℃和20℃贮藏的预测值与测量值的R~2分别为0.98和0.92。由此说明,此模型相对精确。‘华富’4℃贮藏相关性强的6个传感器建立的货架期预测模型的R~2=0.80,RMSEC=3.08,10个传感器建立的货架期预测模型的R~2=0.65,RMSEC=4.01,用两个模型对4℃贮藏‘华富’货架期进行预测,R~2分别为0.92和0.84;20℃贮藏相关性强的4个传感器预测模型的R~2=0.83,RMSEC=3.78,10个传感器预测模型的R~2=0.74,RMSEC=4.33,用两个模型对20℃贮藏货架期进行预测,R~2分别为0.94和0.90。综合来看,基于与感官品质相关性强的电子鼻响应值传感器构建的货架期预测模型优于全部传感器共同构建的模型。(本文来源于《渤海大学》期刊2019-06-01）
杨欢,刘毅,邵乐乐,戴瑞彤[10]（2019）在《真空包装狮子头货架期预测模型的建立》一文中研究指出为建立真空包装狮子头货架期预测模型,分析不同温度贮藏期间狮子头中菌落总数的变化情况,分别用线性模型、修正的Gompertz模型、修正的Logistic模型和Baranyi模型对狮子头中菌落总数进行一级模型的拟合,在此基础上使用平方根模型建立二级模型。通过比较各模型的评价参数选择最优模型,并进一步建立货架期预测模型。结果表明在一级模型中,修正的Gompertz模型对真空包装狮子头中菌落总数生长曲线的拟合优度最高;基于修正的Gompertz模型建立的平方根模型可较好地描述温度对狮子头最大比生长速率和迟滞期的影响。在4、10、15、20、25℃条件下贮藏狮子头的货架期分别为80.79、45.22、10.96、4.96、4.01 d,货架期实测值与预测值的相对误差值均在10%以内,表明建立的模型可以较准确地对贮藏在4～25℃条件下的狮子头进行货架期预测。(本文来源于《食品工业科技》期刊2019年19期）
货架期模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以罗氏沼虾仁为研究对象,探讨其在不同贮藏温度(4、20、40℃)下总挥发性盐基氮(TVB-N)值、菌落总数以及感官指标随时间的变化趋势及相关性。通过分析,选取TVB-N值作为其反应动力学模型的指标因子,建立阿伦尼乌斯(Arrhenius)方程。结果表明,罗氏沼虾仁制品的菌落总数、TVB-N值随着贮藏时间的延长而增加,其感官品质随着贮藏时间的延长而降低。货架期随着贮藏温度的升高而变短,贮藏温度越高各项指标变化越快。根据Arrhenius方程建立的货架期模型的预测值和实测值具有较高的拟合度,其反应活化能为21.11 kJ/mol。经验证,罗氏沼虾仁制品货架期模型的相对误差在10%以内。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
货架期模型论文参考文献
[1].张玉华,孟一,郭风军,陈东杰.基于预测微生物学的冷却牛肉货架期预测模型的建立[J].肉类研究.2019
[2].李莹,李建,夏伟荣,王荣,黄午阳.罗氏沼虾仁制品货架期模型的建立[J].江苏农业科学.2019
[3].唐红梅,李玉斌,王浩文,吴华昌,任锋.基于电子鼻与电子舌建立青稞格瓦斯货架期预测模型[J].食品科技.2019
[4].李雄,刘燕德,欧阳爱国,孙旭东,姜小刚.酥梨货架期的高光谱成像无损检测模型研究[J].光谱学与光谱分析.2019
[5].刘锋,梅俊,谢晶.不同贮藏温度下大菱鲆品质变化及货架期预测模型的建立[J].渔业现代化.2019
[6].宋佳玮,巩建华,罗嗣育,郁志芳.宅配小青菜贮藏期间货架期预测模型的建立[J].核农学报.2019
[7].李兆雯,吴新,王志海.含生鲜辣根芥末酱货架期预测模型的建立[J].安徽农业科学.2019
[8].徐秀义.复配发芽糙米方便米饭生产工艺优化及其货架期预测模型构建[D].渤海大学.2019
[9].任晓俊.苹果采后风味物质变化及货架期模型构建[D].渤海大学.2019
[10].杨欢,刘毅,邵乐乐,戴瑞彤.真空包装狮子头货架期预测模型的建立[J].食品工业科技.2019