鮮切生菜品質指標和菌落總數(shù)貨架期預測模型的建立與比較

喬永祥 - 謝 晶 雷 昊

(1. 上海冷鏈裝備性能與節(jié)能評價專業(yè)技術服務平臺，上海 201306；2. 食品科學與工程國家級實驗教學示范中心﹝上海海洋大學﹞，上海 201306；3. 上海海洋大學食品學院，上海 201306)

生菜又稱葉用萵苣，是一種營養(yǎng)豐富的綠葉蔬菜，由于生菜中富含維生素、碳水化合物和礦物質等營養(yǎng)物質，常作為蔬菜沙拉食用[1-2]。然而，鮮切產(chǎn)品的退化速度比未加工的原料快得多，由于最小加工方法(去皮、切片、切塊、切碎等)造成了損害，如組織軟化、切割表面褐變，降低營養(yǎng)價值，存在異味和微生物腐敗，在貯藏過程中通常會縮短鮮切果蔬的貨架期[3-4]。近年來，鮮切產(chǎn)品的需求量迅速增長，但貨架期的限制仍然是鮮切果蔬產(chǎn)業(yè)進一步發(fā)展的最大障礙。因此，本試驗擬通過貨架期模型預測鮮切蔬菜流通中品質變化，對其貨架期進行實時監(jiān)測。

以溫度為基礎的預測模型是食品貨架期預測最常用的一種方法，其中常用的方法是Arrhenius方程，該方程可以反映速率常數(shù)與溫度之間的關系，可以用來描述品質衰變動力學[5-6]。王超等[7]利用Arrhenius方程對鮮切菠菜的失重率和葉綠素進行建模，其動力學回歸模型的相關系數(shù)R2>0.90，具有很高的擬合精度，可以準確預測鮮切菠菜流通過程中的因品質變化而引起的貨架期變動；胡位歆等[8]通過Arrhenius方程對草莓的VC和可滴定酸等品質指標進行建模，得到的預測模型的相對誤差分別為2.86%，2.43%，可以很好地預測草莓在流通過程中的貨架期。

然而，對于由微生物引起的食品衰敗，雖然Arrhenius方程也可以對其進行建模預測貨架期，但其準確性不如Logistic方程、Gompertz方程、Richards方程、Stannard方程、Schnute方程等，其中Gompertz方程可以簡單且有效地描述微生物生長趨勢[9]。鞏玉芬等[10]在不同溫度下分別對鮮切胡蘿卜、鮮切馬鈴薯、鮮切菠菜的菌落總數(shù)通過修正的Gompertz方程進行曲線擬合，R2均大于0.92，擬合度較高，較好地反映了貯藏過程中菌落總數(shù)的變化情況；肖璐等[11]利用修正的Gompertz方程在不同溫度下對鮮切西蘭花構建微生物動力模型，研究發(fā)現(xiàn)修正的Gompertz方程能較好地描述其假單胞菌的生長趨勢(R2>0.95)，通過建模的貨架期模型的相對誤差為-6.86%，可以較準確地預測0～20 ℃范圍內鮮切西蘭花的貨架期。

雖然前人對鮮切蔬菜的貨架期做了很多預測，但是Arrhenius方程在預測蔬菜貨架期時往往受到蔬菜特性等條件限制，不能兼顧內部反應的真實性，導致蔬菜貨架期的準確性受到影響，而相對于指標測定，很難控制準確度，微生物更穩(wěn)定，通過Gompertz方程預測貨架期更準確[12]。本試驗通過Arrhenius方程對鮮切生菜的葉綠素以及VC等品質指標與修正的Gompertz方程對其菌落總數(shù)在0，5，15，20 ℃進行建模，并利用10 ℃下的品質指標和菌落總數(shù)對其進行驗證，比較2個模型的準確度，以期能找到更為準確地預測鮮切生菜貨架期的模型，為其在流通過程中的品質變化進行實時監(jiān)測。

1 材料與方法

1.1 試驗材料

新鮮生菜：購自上海市浦東新區(qū)臨港新城某菜市場，挑選顏色鮮亮、脆嫩、無腐爛蟲害、大小一致的生菜為試驗原料。

1.2 儀器與設備

低溫恒溫培養(yǎng)箱：MIR-554-PC型，日本三洋電機株式會社；

超凈工作臺：VS-1300L-U型，蘇凈集團安泰有限公司；

電熱鼓風干燥箱：DHG-9053A型，上海一恒科學儀器有限公司；

全自動壓力蒸汽滅菌器：YXQ-LS-30SH型，上海博訊實業(yè)有限公司；

紫外可見分光光度計：WFZ UV-2100型，上海龍尼柯儀器有限公司。

1.3 試驗方法

1.3.1 生菜預處理 將新鮮購買的生菜及時進行處理，挑選光鮮飽滿、大小均勻、無蟲害無缺損的生菜在自來水中浸泡5 min，于通風陰涼處瀝干1 h，將整顆生菜切成3～5 cm小段，盛放在塑料托盤中，每個托盤80 g左右，用保鮮膜封口，分別保存在0，5，10，15，20 ℃的恒溫恒濕箱中，每組大約準備8～10盒，以備后續(xù)指標測定。每次試驗每組樣品隨機選擇3盒，測量其葉綠素含量、VC含量、菌落總數(shù)以及感官品質評分。

1.3.2 試驗設計 試驗將鮮切生菜分別貯藏于0，5，10，15，20 ℃的恒溫恒濕箱中，試驗初期分別隔3.0，3.0，1.5，1.0，0.5 d 測試一次，末期則依據(jù)品質變化情況調整頻率。每個指標均進行3次平行試驗，以確保試驗數(shù)據(jù)穩(wěn)定可用，最后計算平均值及標準差。

1.3.3 感官質量評價 參照King等[13]的方法，修改如下：每次邀請3名經(jīng)過培訓具有一定蔬菜感官評價經(jīng)驗的葉菜感官評價員組成評定小組，分別從色澤、質地、氣味等方面進行打分：9分為清香飽滿、色澤鮮亮、質地脆嫩；腐敗褐變嚴重，有異味為1分。

1.3.4 菌落總數(shù)的測定 按GB/T 4789.2—2016執(zhí)行。

1.3.5 理化指標測定

(1) 葉綠素含量測定：采用分光光度計測量[14]。

(2) VC含量測定：采用2,6-二氯靛酚法[15]。

1.3.6 數(shù)據(jù)處理與統(tǒng)計分析 各指標均做3次平行，均采用Microsoft Excel 2013軟件進行數(shù)據(jù)整理，試驗結果以“平均值±標準差”表示；用Origin 8.0軟件繪圖并擬合曲線，用SPSS Statistics 19.0進行差異顯著性分析(P<0.05為差異顯著)。

2 貨架期模型的構建

2.1 品質變化的模型構建

Arrhenius方程作為描述化學反應速率和溫度關系的經(jīng)典模型已被廣泛應用于預測貨架期?；颈磉_式為：

K=Aexp(-Ea/RT)，

(1)

式中：

K——速率常數(shù)；

A——指前因子；

Ea——活化能，J/mol；

R——氣體常數(shù)，8.314 4 J/(mol·K)；

T——絕對溫度，K。

將品質變化動力學模型和Arrhenius方程聯(lián)合應用，可以確定特征指標的反應速率K與貯藏溫度T之間的關系：

lnK=lnA0+(-Ea/RT)。

(2)

從而得到零級反應模型下鮮切生菜的貨架期：

(3)

式中：

SL0——鮮切生菜的貨架期，d；

C0——特征指標初始值；

C——貯藏td時特征指標值。

一級反應模型下的鮮切生菜的貨架期(SL1)：

(4)

2.2 細菌總數(shù)生長模型構建

應用修正的Gompertz模型對鮮切生菜微生物的生長曲線進行擬合，其表達式為：

Nt=N0+(Nmax-N0)×exp{-exp[2.718μmax(Lag-t)/(Nmax-N0)+1]}，

(5)

式中：

Nt——貯藏td時菌落數(shù)，lg CFU/g；

Nmax、N0——最大和初始微生物數(shù)量，lg CFU/g；

μmax——細菌的最大比生長速率；

Lag——延滯期，h。

2.2.1 溫度影響微生物生長的動力學模型 溫度對微生物生長參數(shù)影響的模型以Belehradek方程應用最為廣泛[16]，表達式為：

(6)

(7)

式中：

bμ、bλ——常數(shù)；

T——貯藏溫度，℃；

Tminμ、Tminλ——微生物生長的最低溫度，℃。

2.2.2 菌落總數(shù)貨架期預測模型的構建 將式(6)和式(7)代入式(5)可以求得貨架期的預測模型SL2，見式(8)。

(8)

式中：

SL2——菌落總數(shù)的貨架期，d；

N0——初始菌落總數(shù)，lg CFU/g；

Ns——達到貨架期終點的菌落總數(shù)，lg CFU/g。

2.2.3 預測貨架期模型的評價 菌落總數(shù)的貨架期模型通常用準確因子(Af)和偏差因子(Bf)來驗證所建預測模型的可靠性[17]。Af和Bf分別表示為：

(9)

(10)

式中：

Nobs——試驗實際值；

Npre——利用預測模型得到的預測值；

n——試驗次數(shù)。

3 結果與分析

3.1 品質指標及總菌的變化

由圖1(a)可知，感官評分隨著貯藏溫度的上升呈現(xiàn)下降趨勢，溫度越高下降速率越快。在較高溫度下貯藏，鮮切生菜呼吸作用增強，導致品質惡化較快，失去食用價值，而低溫可以很好地保持其良好的外觀。

圖1 溫度對鮮切生菜品質和菌落總數(shù)的影響Figure 1 Effects of different temperatures on quality and colony count of fresh-cut lettuce

圖1(b)顯示，鮮切生菜貯藏在15,20 ℃下，其VC含量急劇下降，而在0,5 ℃下，下降速率較緩，且差異不顯著(P>0.05)。VC不穩(wěn)定，容易受氧氣、酶、水分活度等因素的影響而被降解[18]，在0,5 ℃等低溫條件下抑制其酶的活性，延緩組織代謝，從而降低了VC的損失。

貯藏期間葉綠素含量的變化如圖1(c)所示，鮮切生菜在貯藏過程中，葉綠素含量隨溫度的升高逐漸下降，與其他處理相比，0，5 ℃處理組葉綠素損失速率較緩，差異不顯著(P>0.05)。在貯藏期間光照、溫度、pH等因素是影響葉菜葉綠素含量變化的主要原因，高溫有利于脫鎂反應的進行，加快葉綠素的降解，而低溫條件下可以抑制化學反應的進程，對葉綠素具有保護作用[19]。

從圖1(d)中可以看出，鮮切生菜在高溫條件(10，15，20 ℃)下與低溫條件(0，5 ℃)下的菌落總數(shù)變化顯著(P<0.05)，其中高溫條件下第3天菌落總數(shù)就已經(jīng)達到腐敗上限6 lg CFU/g，失去商業(yè)價值，而低溫條件下第9天菌落總數(shù)才超過6 lg CFU/g，因此低溫更適合鮮切生菜的貯藏。

3.2 化學反應動力學模型的建立

3.2.1 動力學分析 果蔬中特征營養(yǎng)指標的反應動力學大多數(shù)為零級反應或一級反應，本研究采用Origin 8.0 軟件對葉綠素和VC進行線性和非線性擬合，得到不同溫度下的動力學參數(shù)見表1。由表1可知，一級動力學的相關系數(shù)∑R2比零級動力學的更大，說明采用一級動力學模型對葉綠素和VC進行擬合回歸曲線更準確，因此本研究采用一級動力學研究鮮切生菜品質的動力學變化并進行建模。

表1 零級和一級動力學反應速率常數(shù)K及決定系數(shù)R2Table 1 Zero and first-order kinetic reaction rate constants K and coefficient of determination R2

3.2.2 貨架期模型的建立 根據(jù)鮮切生菜在0，5，15，20 ℃下貯藏過程中的葉綠素和VC的變化規(guī)律，按照式(4)，以1/T為橫坐標，lnK為縱坐標，進行線性回歸，由于葉綠素和VC一級動力學模型速率K均為負數(shù)，因此本試驗以ln(-K) 為縱坐標進行擬合，從而求得指前因子A0、活化能Ea等貨架期預測模型參數(shù)，見表2。

表2 品質指標貨架期預測模型參數(shù)Table 2 The parameter of prediction model for the shelf-life

依據(jù)一級反應模型下鮮切生菜的貨架期[式(4)]，得到貨架期模型如下：

葉綠素含量貨架期預測模型：

(11)

VC含量貨架期預測模型：

(12)

式中：

SLchlo、SLVc——葉綠素和VC的貨架期，d；

C0、C——葉綠素的初始含量和貯藏第t天時的測量值，mg/g；

V0、V——VC的初始含量和貯藏第t天時的測量值，mg/100 g。

3.3 菌落總數(shù)貨架期模型的建立

3.3.1 菌落總數(shù)生長的預測方程 圖2為利用修正的Gompertz方程擬合，得到鮮切生菜在0，5，15，20 ℃下貯藏的菌落總數(shù)的生長曲線，不同溫度下的擬合參數(shù)見表3。由表3可知，不同溫度的決定系數(shù)R2均高于0.95，說明Gompertz模型可以較好地描述不同溫度下鮮切生菜菌落總數(shù)生長的S型曲線。鮮切生菜在貯藏過程中最大菌落總數(shù)變化幅度不大，隨著貯藏溫度的升高，最大生長速率增大，延滯期縮短。

(13)

(14)

圖2 不同溫度下菌落總數(shù)的生長曲線Figure 2 Growth curves of total viable count at different temperatures表3 不同溫度下鮮切生菜菌落總數(shù)生長曲線擬合參數(shù)

Table 3 Fitting parameters of colony growth curve of fresh-cut lettuce at different temperatures

貯藏溫度T/℃最大菌落數(shù)Nmax/lg(CFU·g-1)最大生長速率μmax/d-1延滯時間λ/h決定系數(shù)R207.120.0076738.62850.980657.820.0087232.90390.9732156.980.022020.82660.9829206.880.039116.34910.9667

圖3 μmax與溫度的關系Figure 3 Relationship between μmax and temperature

圖4 λ與溫度的關系Figure 4 Relationship between λ and temperature

3.3.3 鮮切生菜菌落總數(shù)貨架期模型的建立 有研究[20]表明，當生菜中菌落總數(shù)達到6 lg CFU/g時，組織會腐爛變質。結合感官評價可知，當菌落總數(shù)達到6 lg CFU/g時，鮮切生菜色澤暗淡，萎焉褐變嚴重，達到感官終點，因此本試驗以菌落總數(shù)增殖到6 lg CFU/g為貨架期終點，此時其最低腐敗水平Ns為6.35 lg CFU/g。將上述參數(shù)代入式(8)得到菌落總數(shù)的貨架期SLG如下：

(15)

依據(jù)式(4)得到Arrhenius方程擬合下的菌落總數(shù)的貨架期預測模型SLD如下：

(16)

3.4 貨架期模型的驗證與評價

選取樣品在10 ℃條件下的貨架期實測值，驗證該預測模型的準確性。鮮切生菜在貯藏運輸過程中容易褐變黃化、腐敗產(chǎn)生等產(chǎn)生不良感官變化，微生物的污染也會加快其腐爛變質。本試驗以葉綠素和VC損失20%時的狀態(tài)和菌落總數(shù)達到6 lg CFU/g為鮮切生菜貨架期終點[20-22]，通過比較實測值與預測值來驗證模型SLchlo、SLVc、SLD和SLG的準確性，結果見表4。由表4可知，貨架期模型SLchlo、SLVc和SLG的相對誤差分別為8.89%，4.44%，6.67%，均在10%以內，可被接受，而貨架期模型SLD相對誤差為11.7%，不被接受。與貨架期預測模型SLchlo相比，貨架期模型SLVc和SLG的相對誤差更小，預測值更準確，分別為4.3，4.2 d，說明以VC和菌落總數(shù)為特征指標建立的貨架期模型優(yōu)于以葉綠素為特征指標建立的。

偏差因子和準確因子可以評價以菌落總數(shù)為特征指標建立的貨架期預測模型的可靠性。表5為根據(jù)式(9)、式(10) 得到的在10 ℃下鮮切生菜的菌落總數(shù)的偏差因子和準確因子。Ross等[16]研究表明當0.90

表4 10 ℃下鮮切生菜的實測值與預測值Table 4 The measured values and predicted values of fresh-cut lettuce under 10 ℃

表5 10 ℃下貨架期模型SLG和SLD的準確因子

和偏差因子

Table 5 The deviation and accuracy of the predicted values of fresh-cut lettuce under 10 ℃

貨架期模型貯藏溫度/℃試驗次數(shù)(n)偏差因子(Bf)準確因子(Af)SLG10120.881.25SLD10121.521.98

型SLD的偏差因子為1.52，誤差較大，這也進一步說明Gompertz模型較Arrhenius方程能更好地反映0～20 ℃時微生物的生長趨勢。

4 結論

本試驗通過Arrhenius方程和Gompertz模型分別對鮮切生菜的品質指標和菌落總數(shù)建立的不同溫度下的貨架期模型可以很好地監(jiān)測其在貯藏過程中的品質變化和安全性。利用Arrhenius方程對葉綠素和VC建模得到的品質指標的貨架期預測模型的相關系數(shù)分別為0.989 1，0.988 0，均大于0.95，說明該預測模型可以很好地通過葉綠素和VC等品質指標的變化情況預測鮮切生菜在0～20 ℃范圍內的貨架期；Gompertz模型較準確地描述了鮮切生菜在0～20 ℃范圍內的菌落總數(shù)的S型生長趨勢，相關系數(shù)均高于0.95，同時結合Belehradek方程建立了菌落總數(shù)的貨架期模型。通過測定10 ℃溫度下各指標的變化情況，驗證貨架期的準確性，結果表明：貨架期模型SLVc的相對誤差比SLchlo小，以Gompertz模型建立的貨架期模型SLG的相對誤差比SLD小，說明以Arrhenius方程和Gompertz模型為基礎分別對鮮切生菜的VC和菌落總數(shù)建模得到的貨架期模型能較準確地對0～20 ℃范圍內鮮切生菜的貨架期進行實時監(jiān)測。

[1] 馮雙慶, 趙玉梅. 水果蔬菜保鮮實用技術[M]. 北京: 化學工業(yè)出版社, 2004: 172.

[2] CHEN Zhao, ZHU Chuan-he, ZHANG Yan, et al. Effects of aqueous chlorine dioxide treatment on enzymatic browning and shelf-life of fresh-cut asparagus lettuce (Lactucasativa, L.)[J]. Postharvest Biology & Technology, 2010, 58(3): 232-238.

[3] KIM D H, KIM H B, CHUNG H S, et al. Browning control of fresh-cut lettuce by phytoncide treatment[J]. Food Chemistry, 2014, 159(11): 188-192.

[4] FERRARIO M, ALZAMORA S M, GUERRERO S. Study of the inactivation of spoilage microorganisms in apple juice by pulsed light and ultrasound[J]. Food Microbiology, 2015, 46: 635.

[5] NOURIAN F, RAMASWAMY H S, KUSHALAPPA A C. Kinetics of quality change associated with potatoes stored at different temperatures[J]. LWT-Food Science and Technology, 2003, 36(1): 49-65.

[6] OWENR F. 食品化學[M]. 3版. 王璋, 許時嬰, 江波, 等, 譯. 北京: 中國輕工業(yè)出版社, 2003: 849-875.

[7] 王超, 劉斌, 鞏玉芬, 等. 鮮切菠菜在不同冷藏溫度下品質變化的動力模型[J]. 制冷學報, 2015, 36(6): 98-103.

[8] 胡位歆, 丁甜, 劉東紅. 草莓采后貨架期預測模型的構建[J]. 中國食品學報, 2017, 17(3): 186-193.

[9] 史波林, 趙鐳, 支瑞聰. 基于品質衰變理論的食品貨架期預測模型及其應用研究進展[J]. 食品科學, 2012, 33(21): 345-350.

[10] 鞏玉芬. 不同溫度貯藏對鮮切蔬菜品質變化的影響及其貨架期預測模型的建立[D]. 天津: 天津商業(yè)大學, 2014: 40-42.

[11] 肖璐, 范新光, 王美蘭, 等. 基于預報微生物學理論的鮮切西蘭花貨架期預測模型[J]. 中國食品學報, 2014, 14(9): 141-146.

[12] 張利平, 謝晶. Arrhenius方程結合特征指標在蔬菜貨架期預測中的應用[J]. 食品與機械, 2012, 28(5): 163-168.

[13] KING A D, MAGNUSON J, T?R?K T, et al. Microbial flora and storage quality of partially processed lettuce[J]. Journal of Food Science, 1991, 56(2): 459-461.

[14] INSKEEP W P, BLOOM P R. Extinction coefficients of chlorophyll a and B inn,n-dimethylformamide and 80% acetone[J]. Plant Physiology, 1985, 77(2): 483-485.

[15] 李合生. 植物生理生化試驗原理和技術[M]. 北京: 高等教育出版社, 2001: 134-138.

[16] RATKOWSKY D A, OLLEY J, MCMEEKIN T A, et al. Relationship between temperature and growth rate of bacterial cultures[J]. Journal of Bacteriology, 1982, 149(1): 1-5.

[17] ROSS T. Indices for performance evaluation of predictive models in food microbiology[J]. Journal of Applied Bacteriology, 1996, 81(5): 501-508.

[18] 謝晶, 張利平, 高志立, 等. 雞毛菜的品質動力學分析及貨架期預測模型[J]. 食品科學, 2014, 35(10): 268-272.

[19] 林永艷. 典型葉類蔬菜低溫冷藏工藝的研究[D]. 上海: 上海海洋大學, 2013: 8-15.

[20] 張立奎, 陸兆新, 汪宏喜. 鮮切生菜在貯藏期間的微生物生長模型[J]. 食品與發(fā)酵工業(yè), 2004, 30(2): 107-110.

[21] THEOFANIA T, EFIMIA D, MARIANNA G, et al. Shelf-life prediction models for ready-to-eat fresh cut salads: Testing in real cold chain[J]. International Journal of Food Microbiology, 2016, 240(2 017): 131-140.

[22] 范新光. 鮮切西蘭花減壓冷藏保鮮技術與貨架期預測模型的研究[D]. 煙臺: 煙臺大學, 2014: 42-43.

[23] 董慶利, 曾靜, 丁甜, 等. 豬肉中氣單胞菌生長與失活的Gompertz模型構建[J]. 食品科學, 2011, 32(11): 118-122.