預(yù)測微生物學(xué)在鮮切果蔬產(chǎn)品質(zhì)量安全控制中的應(yīng)用

馮 可，胡文忠，姜愛麗，徐永平，薩仁高娃

（1.大連理工大學(xué)生命科學(xué)與技術(shù)學(xué)院，遼寧大連116024；2.大連民族學(xué)院生命科學(xué)學(xué)院，遼寧大連116600）

鮮切果蔬（Fresh-cut fruits and vegetables）是以新鮮水果或者蔬菜為原料，經(jīng)清洗、去皮、切割、修整、包裝等加工過程而制成的即食產(chǎn)品[1]。在美國、英國、法國等發(fā)達(dá)國家，鮮切果蔬產(chǎn)業(yè)已經(jīng)得到了蓬勃發(fā)展。20世紀(jì)90年代，鮮切產(chǎn)品在農(nóng)產(chǎn)品總銷售額的占有率為25.8%，在零售和食品服務(wù)業(yè)的銷售額已達(dá)到100多億美元。目前，鮮切產(chǎn)品的年產(chǎn)量和銷售額正在以每年10%的速度遞增。工業(yè)化生產(chǎn)的鮮切果蔬品種主要有生菜、蘋果、胡蘿卜等多種產(chǎn)品[2]。

在果蔬切割過程中會(huì)對果蔬組織結(jié)構(gòu)造成損傷，破壞原有的自然保護(hù)系統(tǒng)，較大的切割表面和多汁液的特性為微生物生長和繁殖提供了的營養(yǎng)條件[3]。近年來，有關(guān)鮮切果蔬產(chǎn)品受到食源性致病菌侵染并引發(fā)食物中毒的事件時(shí)有報(bào)道[4]。如，2011年美國暴發(fā)由于食用受單增李斯特菌污染的甜瓜產(chǎn)品，而引起的食物中毒事件，該事件涉及并危害了美國的24個(gè)州，感染病例為109例，死亡21例，是10多年來美國最嚴(yán)重的食源性疾病暴發(fā)事件，該類疾病將嚴(yán)重危害人們的身體健康及生命安全[5]。因此，了解和控制鮮切果蔬中的微生物的生長情況是保障食品安全和提高品質(zhì)的關(guān)鍵。傳統(tǒng)的微生物學(xué)檢測分析方法因其耗時(shí)長，工作量大等缺點(diǎn)無法對鮮切果蔬產(chǎn)品貯藏、配送、銷售等環(huán)節(jié)進(jìn)行實(shí)時(shí)監(jiān)控。而預(yù)測微生物學(xué)（Predictive M icrobiology）可在不對鮮切果蔬產(chǎn)品取樣檢測的前提下運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)和應(yīng)用計(jì)算機(jī)科學(xué)等知識對該產(chǎn)品流通過程中的主要致病菌或腐敗菌的延遲、生長、殘存和消亡情況做出快速評估并建立生長預(yù)測模型[6]。實(shí)現(xiàn)從原料、加工到產(chǎn)品的貯存、銷售整個(gè)體系的計(jì)算機(jī)智能化管理和監(jiān)控，保證食品的安全。本文主要對預(yù)測微生物學(xué)在鮮切果蔬產(chǎn)品的貨架期，風(fēng)險(xiǎn)評估以及質(zhì)量安全控制中的應(yīng)用進(jìn)行了闡述，為預(yù)測微生物學(xué)在鮮切果蔬產(chǎn)品中的應(yīng)用提供了參考依據(jù)。

1 預(yù)測微生物學(xué)發(fā)展概況

數(shù)學(xué)模型很早就開始在微生物學(xué)中應(yīng)用，預(yù)測微生物學(xué)的歷史最早可以追溯到20世紀(jì)20年代初，學(xué)者們觀察到孢子的熱滅活現(xiàn)象具有動(dòng)力學(xué)趨勢，由此開發(fā)了微生物的熱致死模型，如，Arrhenius方程和Bigelow模型[7]。60年代，Olley等提出了一個(gè)通用腐敗模型，可描述多種受溫度影響的腐敗過程，這些都為預(yù)測微生物學(xué)的發(fā)展奠定了基礎(chǔ)。80年代初期，由食源性病原菌侵染食品引起的中毒事件不斷暴發(fā)，公眾要求能夠吃到安全、健康的食品，這引起了政府的廣泛關(guān)注。在Ross等[8]首次提出“微生物預(yù)測技術(shù)”之后，由30多名微生物學(xué)家組成的科研小組，用計(jì)算機(jī)預(yù)測了食品的貨架期、保質(zhì)期，并對腐敗菌的生長建立了數(shù)據(jù)庫，從此正式開啟了預(yù)測微生物學(xué)的大門[9]。隨著計(jì)算機(jī)技術(shù)的不斷成熟，預(yù)測微生物學(xué)在食品領(lǐng)域的應(yīng)用也得到了迅猛發(fā)展[10]。對食品貯藏過程中單增李斯特菌、沙門氏菌、大腸桿菌O157∶H7等食源性致病菌以及一些腐敗菌的研究也逐漸發(fā)展起來，并建立了這些細(xì)菌生長的數(shù)據(jù)庫。目前，每年在Food Microbiology、International Journal of Food M icrobiology、Journal of Food Protection等期刊均有大量預(yù)測微生物的相關(guān)論文發(fā)表。美國、英國、澳大利亞、丹麥等發(fā)達(dá)國家更是致力于微生物預(yù)測軟件的開發(fā)[11]。預(yù)測微生物學(xué)已成為食品微生物、食品安全等領(lǐng)域的研究熱點(diǎn)之一。

2 微生物預(yù)測模型分類

預(yù)測微生物學(xué)的核心目標(biāo)是根據(jù)微生物生長情況建立完善的數(shù)學(xué)模型，通過分類方法可將所建立的數(shù)學(xué)模型分為動(dòng)力學(xué)模型、概率模型、經(jīng)驗(yàn)?zāi)Ｐ?、理論模型等[12]。目前，認(rèn)可度較高的是Buchanan和Whiting[13]提出的初級、次級和三級模型。初級模型是描述微生物數(shù)量變化與時(shí)間的函數(shù)關(guān)系，可以得出起始菌數(shù)量、生長延遲期、比生長速率、最大菌數(shù)量等參數(shù)；次級模型是描述初級模型中的各參數(shù)與環(huán)境因子（如pH、溫度、氧氣濃度、二氧化碳濃度、水分活度、營養(yǎng)物質(zhì)濃度和防腐劑濃度等）之間的函數(shù)關(guān)系；三級模型也稱為專家系統(tǒng)，是在初級模型和次級模型的基礎(chǔ)上，通過計(jì)算機(jī)編程制作的微生物預(yù)測軟件，它可以預(yù)測相同或不同環(huán)境條件下同一種微生物的生長或失活情況[14]。每一類級別的模型中都含有多種不同的數(shù)學(xué)模型，這些預(yù)測模型可以描述特定情況下微生物生長和失活情況，表1為主要模型種類的統(tǒng)計(jì)結(jié)果。

3 預(yù)測微生物學(xué)在鮮切果蔬中的應(yīng)用

3.1 貨架期預(yù)測

微生物生長是導(dǎo)致鮮切果蔬產(chǎn)品腐敗變質(zhì)，影響貨架期的主要因素。確定產(chǎn)品的貨架期是一個(gè)復(fù)雜的過程，需要全面了解貯藏環(huán)境變化對果蔬產(chǎn)品中微生物數(shù)量和生理生化指標(biāo)的影響程度。微生物預(yù)測模型可以通過統(tǒng)計(jì)學(xué)原理結(jié)合計(jì)算機(jī)語言描述動(dòng)態(tài)環(huán)境食品中致腐、致病微生物潛在的存活狀態(tài)，可作為一種有效的監(jiān)控鮮切果蔬產(chǎn)品儲存的評價(jià)手段，能夠快速，準(zhǔn)確的評估產(chǎn)品的貨架期。

運(yùn)用微生物預(yù)測模型對鮮切果蔬產(chǎn)品貨架期進(jìn)行評估需要考慮三個(gè)方面：a.了解微生物生長數(shù)量和繁殖情況；b.結(jié)合溫度、水分活度、pH、包裝中氣體成分等因素建立微生物生長的動(dòng)態(tài)模型；c.再參考已經(jīng)建立的數(shù)據(jù)庫和實(shí)驗(yàn)數(shù)據(jù)開發(fā)方便快捷的貨架期預(yù)測軟件。

表1 預(yù)測模型的分類[15]Table1 Classification of predictivemodels

LU等[21]利用響應(yīng)面模型分析方法描述了不同氯濃度、清洗時(shí)間和水三個(gè)因素對鮮切萵苣上需氧嗜常溫菌的影響，建立了該菌在不同條件下的生長模型，隨后利用改良的Gompertz模型描述了0、4、25℃條件下該菌的生長情況，通過模型曲線可以看出，經(jīng)氯處理的鮮切萵苣貯藏于0℃條件下可有效延長產(chǎn)品的貨架期。樊振江等[22]利用Gompertz模型擬合了4、8、20℃貯藏條件下，鮮切蓮藕中細(xì)菌的生長趨勢，并結(jié)合感官分析評分得出，可在4℃下貯藏12d，8℃下貯藏8d，20℃下貯藏4d，感官分析評分均為5分。同樣，韓巍巍等[23]利用Gompertz模型描述了4、10、20℃環(huán)境下鮮切蘋果中細(xì)菌的生長情況，從而確定在細(xì)菌總數(shù)小于104cfu/m L時(shí)，20℃可貯存1d，10℃可貯藏3d，4℃可貯藏7d。Corbo等[24]利用修正的Gompertz模型擬合了鮮切刺梨在不同溫度下嗜冷菌和嗜常溫菌的生長情況，通過擬合曲線可以看出，當(dāng)鮮切刺梨儲存于低溫環(huán)境時(shí)貨架期可以達(dá)到8d。綜上所述，鮮切果蔬產(chǎn)品的貨架期與貯藏溫度具有一定的相關(guān)性，并且選擇Gompertz模型及修正的Gompertz模型可以客觀的描述及確定果蔬產(chǎn)品的貨架期，這為模擬貨架期貯藏時(shí)微生物預(yù)測模型的選擇提供了參考。

3.2 風(fēng)險(xiǎn)評估

對鮮切果蔬產(chǎn)品安全的風(fēng)險(xiǎn)評估主要分為危害識別、危害描述、暴露評估和風(fēng)險(xiǎn)描述。其中，暴露評估需要考慮致病性微生物在樣品中出現(xiàn)的概率、污染程度，及在特定溫度和貯藏時(shí)間條件下病原菌的生長情況[25]。預(yù)測微生物學(xué)是暴露評估的常用工具，可以用計(jì)算機(jī)手段結(jié)合數(shù)學(xué)模型相關(guān)知識對以上情況進(jìn)行有效的定量評估[26]，可在不進(jìn)行檢驗(yàn)的情況下，最大限度保證食品的安全和品質(zhì)，也可為易感染人群提供風(fēng)險(xiǎn)預(yù)警。如Walter等[27]研究了不同溫度下，單增李斯特菌在即食椰汁中的生長情況，并利用Baranyi模型對該菌的生長動(dòng)力學(xué)參數(shù)進(jìn)行了評估。通過模型曲線可以看出，即便是在低溫（4℃）環(huán)境下，單增李斯特菌也會(huì)出現(xiàn)一定的增長趨勢?？梢?，市場上低溫貯存的即食椰汁也會(huì)給消費(fèi)者帶來一定的安全危害。Danyluk等[28]利用Baranyi and Roberts模型擬合了鮮切哈密瓜、香瓜和西瓜中單增李斯特菌的生長情況，Ratkowsky模型描述了該菌隨溫度變化的線性關(guān)系。通過模型可以看出，在低溫環(huán)境下單增李斯特菌的生長速率高于沙門氏菌和大腸桿菌，在5℃時(shí)單增李斯特菌的生長量可在15d里增長104倍。在4℃時(shí)，生長量仍可提高10倍，可見，即使是低溫貯藏鮮切瓜類食品仍可給產(chǎn)品帶來一定的微生物侵染風(fēng)險(xiǎn)。

有研究表明，單一的微生物預(yù)測模型往往無法提供準(zhǔn)確的風(fēng)險(xiǎn)評估結(jié)果，將多種預(yù)測模型相結(jié)合可更真實(shí)的模擬實(shí)際情況，有效并準(zhǔn)確的評估鮮切果蔬產(chǎn)品的危害風(fēng)險(xiǎn)。如，Koseki等[29]利用Baranyi模型和Ratkowsky平方根模型描述了0～15℃條件下，鮮切卷心萵苣中單增李斯特菌的生長情況。通過該組合模型可對鮮切卷心萵苣產(chǎn)品受污染情況進(jìn)行初步評估，從而為實(shí)際物流配送中的貯藏環(huán)境提供了一定的參考價(jià)值。同樣，Ting Fang等[30]利用3-參數(shù)logistic模型和三個(gè)次級模型（Ratkowsky模型、Cardinal模型、Arrhenius模型）準(zhǔn)確描述了4～43℃動(dòng)態(tài)溫度條件下，三種血清型（1/2a、1/2b和4b）的單增李斯特菌和致腐菌在鮮切哈密瓜上的生長情況。通過生長曲線可以看出，單增李斯特菌并沒有出現(xiàn)生長延遲期，而是直接進(jìn)入了指數(shù)生長期，并且小于4℃的貯存條件，Arrhenius模型仍可準(zhǔn)確擬合出致病和致腐菌的生長情況。可見，在選擇預(yù)測模型時(shí)不可局限于用單一模型擬合鮮切果蔬產(chǎn)品中微生物的生長曲線，應(yīng)比較多種預(yù)測模型擬合的曲線后進(jìn)行擇優(yōu)選擇，以便提供更準(zhǔn)確的風(fēng)險(xiǎn)評估預(yù)測結(jié)果。

3.3 質(zhì)量安全管理

食源性致病菌能夠在胡蘿卜、西瓜、木瓜[31]、橘子片[32]、火龍果[33]等低酸性鮮切果蔬產(chǎn)品中生長，所以，在果蔬貯藏、流通等環(huán)節(jié)需要考慮并防控致病菌的污染，這對食品質(zhì)量安全管理提出了新的挑戰(zhàn)[34]。在HACCP管理體系中，可利用微生物預(yù)測模型描述特定條件下鮮切果蔬產(chǎn)品中致病菌或腐敗菌的生長情況，從而確定貯藏、運(yùn)輸、配送等環(huán)節(jié)中質(zhì)量安全的關(guān)鍵控制點(diǎn)，這也為加工生產(chǎn)和零售行業(yè)提供了參考依據(jù)。如，Rodriguez等[35]研究了不同溫度（2、4、8、12、20℃），氣調(diào)（CO2、O2）濃度和pH條件下，單增李斯特菌在包裝的鮮切蘆筍中的生長情況，利用Baranyi模型、Arrhenius模型和Ratkowsky模型描述了該菌的生長曲線，結(jié)果發(fā)現(xiàn)4℃貯藏和運(yùn)輸環(huán)境為該菌生長的臨界點(diǎn)，在低于4℃條件下LM的生長速率為負(fù)值。同樣，Anderson等[36]利用Baranyi模型與Square root模型描述了鮮切萵苣中沙門氏菌和單增李斯特菌的生長速率與滯后期之間的關(guān)系，從生長曲線上可以看出，貯藏溫度小于5℃時(shí)，兩種食源性致病菌均無生長和繁殖能力，所以，可將鮮切萵苣貯藏于5℃以下的環(huán)境中。Guiomar等[37]模擬了企業(yè)加工生產(chǎn)過程中，經(jīng)氯水殺菌處理后鮮切萵苣中病原菌的生長情況，利用Baranyi模型擬合了殺菌后不同溫度（4、8、13、16℃）下大腸桿菌O157∶H 7的生長曲線，結(jié)果表明，高溫環(huán)境（13、16℃）下大腸桿菌O157∶H 7可在2d后呈指數(shù)增長；8℃時(shí)，會(huì)在15d后呈指數(shù)增長；而4℃時(shí)，菌落數(shù)會(huì)在15d內(nèi)降低10倍?？梢?，鮮切果蔬產(chǎn)品即使經(jīng)過殺菌處理后仍需要貯藏于4℃的低溫環(huán)境下，這樣才會(huì)為消費(fèi)者的安全提供保障。此外，一些預(yù)測微生物學(xué)軟件仍可為鮮切果蔬產(chǎn)品的控制及管理提供參考依據(jù)。如，PMP、Combase等軟件，均可通過調(diào)節(jié)溫度、酸度、以及鹽濃度等相關(guān)數(shù)據(jù)定量分析不同環(huán)境對產(chǎn)品中微生物的生長和殘存的影響。

4 展望

預(yù)測微生物學(xué)是用計(jì)算機(jī)語言描述微生物行為的新興預(yù)測工具，可對鮮切果蔬產(chǎn)品物流，貯藏過程中的品質(zhì)和安全做出合理的推測，為鮮切果蔬產(chǎn)品貨架期提供一定的判斷和預(yù)警信號，有利于質(zhì)量控制和市場開拓，在鮮切果蔬產(chǎn)品質(zhì)量安全方面也具有獨(dú)特優(yōu)越性，可直觀的了解產(chǎn)品包裝中微生物消長的數(shù)量化信息，從而對其進(jìn)行合理氣調(diào)，確定貯藏、物流配送過程中可能導(dǎo)致產(chǎn)品品質(zhì)下降的控制點(diǎn)，為開展HACCP管理體系提供了重要手段，并可確定鮮切果蔬產(chǎn)品貯藏的臨界溫度。

目前，預(yù)測微生物學(xué)所研究的范圍主要是環(huán)境因素與微生物消長之間的關(guān)系，已開發(fā)的預(yù)測軟件數(shù)據(jù)庫中多數(shù)是實(shí)驗(yàn)室培養(yǎng)基水平上建立起來的數(shù)據(jù)信息，與真實(shí)環(huán)境食品組織中的營養(yǎng)成分對微生物生長的影響有一定的差距，往往會(huì)高估產(chǎn)品中的微生物的生長速率。近幾年，有關(guān)鮮切果蔬中食源性致病菌以及腐敗菌的生長模型的建立已得到廣泛研究，但仍需建立完整的建模數(shù)據(jù)庫，加強(qiáng)并完善該類產(chǎn)品中微生物預(yù)測軟件的開發(fā)。預(yù)測是預(yù)測微生物學(xué)永恒的魅力，而預(yù)測準(zhǔn)確度的提高取決于所建立的數(shù)學(xué)模型。鮮切果蔬產(chǎn)品的多汁成分能夠?yàn)槲⑸锷L提供充足的營養(yǎng)條件，使得微生物在其生長情況呈現(xiàn)S形增長趨勢，經(jīng)研究發(fā)現(xiàn)，在多種初級模型中，選擇Gompertz模型、Logistic模型和Baranyi模型來擬合鮮切果蔬產(chǎn)品中微生物生長曲線的情況較為常見。該類模型的主要特點(diǎn)是在曲線拐點(diǎn)之前的增長速度越來越快，在拐點(diǎn)之后的增長速度越來越慢，而且最終趨于一個(gè)有限值，總的曲線呈S形。因此，可合理并且準(zhǔn)確的擬合鮮切果蔬產(chǎn)品中微生物的生長曲線。但是，考慮到多種環(huán)境因素（如pH、溫度、氧氣濃度、NaCl濃度等）對微生物生長的影響，還應(yīng)在現(xiàn)有模型基礎(chǔ)上開發(fā)更多合適的預(yù)測模型以及具有自我思維判斷功能的模型，如Baranyi-Ratkowsky模型[38]、人工智能的綜合判斷的預(yù)警系統(tǒng)，建立這樣的模型可以更準(zhǔn)確的預(yù)測微生物的實(shí)際生長情況，同時(shí)也為鮮切果蔬產(chǎn)品中的食源性疾病暴發(fā)提供了一定的預(yù)判性。

[1]Rico D，Mart A B，Barat JM，et al.Extending and measuring the quality of fresh-cut fruit and vegetables：a review[J].Trends in Food Science and Technology，2007，18（7）：373-386.

[2]韓俊華，李全宏，牛天貴，等.切割果蔬的微生物及其生物控制[J].食品科學(xué)，2005，26（10）：262-267.

[3]Ongeng D，Devlieghere F，Debevere J，et al.The efficacy of electrolysed oxidizing water for inactivating spoilage microorganism in process water and on minimally processed vegetables[J].International Journal of Food Microbiology，2006，109（3）：187-197.

[4]Abadias M，Usall J，Anguera M，et al.Microbiological quality of fresh minimally-processed fruit and vegetables，and sprouts from retail establishments[J].International Journal of Food Microbiology，2008，123（1-2）：121-129.

[5]Martin-Belloso O，Soliva-Fortuny R.Advances in fresh-cut fruit and vegetables processing[M].Printed in the United States of America：CRC press，2011：63.

[6]Yu C，Davidson V J，Yang SX.A neural network approach to predict survival/death and growth/no-growth interfaces for Escherichia coli O157∶H7[J].Food Microbiology，2006，23（6）：552-560.

[7]李文茹，謝小保，施慶珊，等.預(yù)測微生物學(xué)及其在食品科學(xué)中的應(yīng)用[J].食品與發(fā)酵工業(yè)，2009，35（4）：136-140.

[8]ROSS T，MCMEEKIN T A.Predictive microbiology[J].International Journal of Food Microbiology，1994，23（3-4）：241-264.

[9]張秋勤，徐幸蓮.預(yù)測微生物學(xué)在禽肉質(zhì)量安全控制中的應(yīng)用[J].食品科學(xué)，2010，31（13）：292-296.

[10]Mafart P.Food engineering and predictive microbiology：on the necessity to combine biological and physical kinetics[J].International Journal of Food Microbiology，2005，100（1-3）：239-251.

[11]MembréJM，Lambert R JW.Application of predictive modeling techniques in industry：From food design up to risk assessment[J].International Journal of Food Microbiology，2008，128（1）：10-15.

[12]唐佳妮，張愛萍，劉東紅.預(yù)測微生物學(xué)的研究進(jìn)展及其在食品中的應(yīng)用[J].中國食品學(xué)報(bào)，2012，10（6）：162-166.

[13]Buchanan R L，Whiting R C.A classification ofmodels for predictive microbiology[J].Food Microbiology，1993，10：175-177.

[14]李苗云，朱應(yīng)舉，趙改名.微生物預(yù)測模型研究及其在肉品工業(yè)中的應(yīng)用[J].食品科技，2008（2）：57-60.

[15]Ding T，Shim Y H，Choi N J，et al.Mathematicalmodeling on the growth of Staphylococcus aureus in sandwich[J].Food Science Biotechnology，2010，19（3）：763-768.

[16]Buchanan R L.Predictive foodmicrobiology[J].Trends Food Science Technology，1993，4（1）：6-11.

[17]Nyati H.Survival characteristics and the applicability of predictive mathematical modeling to Listeria monocytogenes growth in sous vide products[J].International Journal of Food Microbiology，2000，56（2-3）：123-132.

[18]Ferrer J，Prats C，Lopez D，et al.Mathematicalmodeling methodologies in predictive food microbiology：a SWOT analysis [J].International Journal of Food Microbiology，2009，134（1/2）：2-8.

[19]楊憲時(shí)，鐘許，郭全友.養(yǎng)殖魚類貨架期預(yù)測系統(tǒng)的設(shè)計(jì)與評估[J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22（8）：129-134.

[20]Leporq B，Membr JM，Dervin C，et al.The“SymPrevius”software，a tool to support decisions to the foodstuff safety[J].International Journal of Food Microbiology，2005，100（1-3）：231-237.

[21]Lu Z X，Lu F X，Zhang K L，et al.Predictivemodeling and growth models of aerobic mesophilic bacteria on fresh-cut lettuce by hypochlorite-washing[J].Journal of Food Safety，2007，27（2）：157-168.

[22]樊振江，郝亞勤，張素君，等.鮮切蓮藕微生物模型的建立及貨架壽命預(yù)測[J].中國農(nóng)學(xué)通報(bào)，2007，23（1）：326-329.

[23]韓巍巍，劉程惠，胡文忠，等.鮮切蘋果微生物生長模型研究及貨架期預(yù)測[J].食品工業(yè)科技，2010，31（12）：104-108.

[24]Corbo M R，AltieriC，D’Amato D，etal.Effectof temperature on shelf life and microbial population of lightly processed cactus pear fruit[J].Postharvest Biology and Technology，2004（31）：93-104.

[25]胡潔云，歐杰，李柏林.預(yù)報(bào)微生物學(xué)在食品安全風(fēng)險(xiǎn)評估中的作用[J].微生物學(xué)通報(bào)，2009，36（9）：1397-1403.

[26]Vose D J.The application of quantitative risk assessment to microbial food safety[J].J Food Protection，1998，61（5）：640-648.

[27]Walter E H，Kabuki D Y，Esper LM，et al.Modelling the growth of Listeria monocytogenes in fresh green coconut（Cocos nucifera L.）water[J].Food Microbiology，2009（26）：653-657.

[28]Danyluk M D，F(xiàn)riedrich L M，Schaffner D W.Modeling the growth of Listeria monocytogenes on cut cantaloupe，honeydew and watermelon[J].Food Microbiology，2014（38）：52-55.

[29]Shigenobu K，Seiichiro I.Growth of Listeria monocytogenes on iceberg lettuce and solid media[J].International Journal of Food Microbiology，2005，101（2）：217-225.

[30]Fang T，Liu Y H，Huang L H，Growth kinetics of Listeria monocytogenes and spoilage microorganisms in fresh-cut cantaloupe[J].Food Microbiology，2013（34）：174-181.

[31]Penteado AL，Mauro MF.Growth of Listeriamonocytogenesin melon，watermelon and papaya pulps[J].International Journal of Food Microbiology，2004，92（1）：89-94.

[32]Caggia C，Scifo G O，Restuccia C，et al.Growth of acidadapted Listeriamonocytogenes in orange juice and inminimally processed orange slices[J].Food Control，2009，20（1）：59-66.

[33]Sim H L，Hong Y K，Yoon W B，et al.Behavior of Salmonella spp.and natural microbiota on fresh-cut dragon fruits at different storage temperatures[J].International Journal of Food Microbiology，2013，160（3）：239-244.

[34]Abadias M，Alegre I，Oliveira M，et al.Growth potential of Escherichia coli O157∶H7 on fresh-cut fruits（melon and pineapple）and vegetables（carrot and escarole）stored under different conditions[J].Food Control，2012，27（1）：37-44.

[35]Rodriguez A M，Alcala E B，Garcia Gimeno R.M，et al.Growth modeling of Listeria monocytogenes in packaged fresh green asparagus[J].Food Microbiology，2000，17（4）：421-427.

[36]Sant’Ana A S，F(xiàn)ranco B D，Schaffner D W.Modeling the growth rate and lag time of different strains of Salmonella enteric and Listeria monocytogenes in ready-to-eat lettuce[J].Food Microbiology，2012，30（1）：267-273.

[37]Guiomar D，F(xiàn)ernando P，F(xiàn)rancisco L，etal.Modelling growth of Escherichia coli O157∶H7 in fresh-cut lettuce submitted to commercial process conditions：Chlorine washing and modified atmosphere packaging[J].Food Microbiology，2013，33：131-138.

[38]Shorten PR，Membre JM，Pleasants A B，et al.Partitioning of the variance in the growth parameters of Erwinia carotovora on vegetable products[J].International Journalof Food Microbiology，2004，93（2）：195-208.