水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)的研究進(jìn)展

王紅麗，王錫昌*，施文正，周 紛，王玥科

（上海海洋大學(xué)食品學(xué)院，農(nóng)業(yè)農(nóng)村部水產(chǎn)品貯藏保鮮質(zhì)量安全風(fēng)險(xiǎn)評(píng)估實(shí)驗(yàn)室， 上海水產(chǎn)品加工及貯藏工程技術(shù)研究中心，上海 201306）

水產(chǎn)品主要指魚類、貝類、甲殼類、藻類、海參頭足類等產(chǎn)品及其加工品，它們是食品供應(yīng)的重要組成部分，為人類提供了大量?jī)?yōu)質(zhì)蛋白，而且富含人體必需的不飽和脂肪酸及多種微量元素[1-2]。我國(guó)是水產(chǎn)品（包括淡水和海水）生產(chǎn)、貿(mào)易、消費(fèi)的大國(guó)，2019年我國(guó)水產(chǎn)品總產(chǎn)量達(dá)到6 480萬(wàn) t[3]。

新鮮水產(chǎn)品捕撈后經(jīng)過(guò)運(yùn)輸、貯藏等環(huán)節(jié)才能到達(dá)消費(fèi)者手中，但水產(chǎn)品肉質(zhì)細(xì)膩、營(yíng)養(yǎng)豐富，具有高水分含量和高蛋白活性等特點(diǎn)，且目前生化和微生物分解機(jī)制及水產(chǎn)品低溫保藏技術(shù)及冷鏈物流體系相對(duì)還不夠完善，因此水產(chǎn)品在貯運(yùn)過(guò)程中極易發(fā)生蛋白質(zhì)變性、脂肪氧化、質(zhì)構(gòu)特性等品質(zhì)劣變[4-5]。鮮度決定著水產(chǎn)品品質(zhì)，而消費(fèi)者了解其品質(zhì)主要是通過(guò)貨架期。貨架期指食品在不被消費(fèi)者接受的情況下可以貯存的時(shí)間長(zhǎng)度[6-7]， 它也可以定義為食品可保持其微生物、物理、化學(xué)和感官指標(biāo)的貯存時(shí)間。貨架期的預(yù)測(cè)具有經(jīng)濟(jì)、環(huán)保的優(yōu)點(diǎn)，因?yàn)樗鼪Q定了產(chǎn)品的最大商業(yè)化時(shí)間，同時(shí)避免食物浪費(fèi)[8]。近年來(lái)通過(guò)建模實(shí)現(xiàn)對(duì)水產(chǎn)品貨架期快速預(yù)測(cè)和評(píng)估已成為該領(lǐng)域的研究熱點(diǎn)。

為建立貯運(yùn)過(guò)程中水產(chǎn)品的品質(zhì)變化模型，研究人員應(yīng)用已知模型通過(guò)系統(tǒng)建模方法確定影響水產(chǎn)品品質(zhì)的特性指標(biāo)并進(jìn)行量化，構(gòu)建影響水產(chǎn)品貨架期各個(gè)因素間的預(yù)測(cè)模型，有助于監(jiān)測(cè)整個(gè)貯運(yùn)過(guò)程中水產(chǎn)品的質(zhì)量和安全狀況，更加準(zhǔn)確及時(shí)地預(yù)測(cè)流通過(guò)程中水產(chǎn)品的貨架期[9]。本綜述介紹了水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)內(nèi)涵和方法，闡述了貨架期預(yù)測(cè)模型的研究進(jìn)展，以期為水產(chǎn)品的實(shí)時(shí)品質(zhì)控制提供參考。

1 水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)內(nèi)涵

從食品工業(yè)的角度來(lái)看，貨架期是產(chǎn)品在適當(dāng)?shù)馁A藏條件下可以保持其品質(zhì)的時(shí)間。達(dá)到貨架期終點(diǎn)的食品在感官上可能仍然是可以接受的，而對(duì)于消費(fèi)者來(lái)說(shuō)意味著食品具有不可接受的風(fēng)味[10]。由于食品體系及變質(zhì)機(jī)制復(fù)雜且個(gè)體無(wú)法滿足整體消費(fèi)者的需求，因此不可能建立一個(gè)通用的貨架期定義。盡管如此，根據(jù)某些主要的腐敗變質(zhì)模式可以預(yù)測(cè)食品的貨架期。準(zhǔn)確的貨架期預(yù)測(cè)和計(jì)算產(chǎn)品在特定條件下的貨架期能夠?yàn)楫a(chǎn)品的運(yùn)輸、貯存、分銷策略提供有效依據(jù)。

水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)模型實(shí)際上是集食品科學(xué)、物理、化學(xué)、微生物學(xué)、數(shù)學(xué)和計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科發(fā)展起來(lái)的技術(shù)，對(duì)水產(chǎn)品的品質(zhì)進(jìn)行預(yù)測(cè)，通過(guò)較低的成本對(duì)水產(chǎn)品質(zhì)量和安全實(shí)現(xiàn)快速評(píng)估和預(yù)測(cè)，從而可為水產(chǎn)品的加工和銷售提供理論指導(dǎo)依據(jù)[11]。

水產(chǎn)品貯運(yùn)過(guò)程中品質(zhì)變化通常是理化反應(yīng)與微生物共同作用的結(jié)果，此過(guò)程會(huì)受到溫度、水分、氣體環(huán)境等因素的影響。水產(chǎn)品品質(zhì)變化機(jī)理及貨架期模型的研究思路如圖1所示[12]。貨架期預(yù)測(cè)模型實(shí)際是使用數(shù)字算法，選擇敏感的、關(guān)鍵的水產(chǎn)品品質(zhì)指標(biāo)，基于物理、化學(xué)或微生物學(xué)的相關(guān)原理研究其變化規(guī)律，進(jìn)而研究水產(chǎn)品品質(zhì)的整體變化規(guī)律，實(shí)現(xiàn)貨架期的預(yù)測(cè)[13-14]。Tsironi等[15]研究了冷藏過(guò)程中金頭鯛片相關(guān)品質(zhì)（色澤、總揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量、感官評(píng)價(jià)等）變化并進(jìn)行了動(dòng)力學(xué)建模。吳行印等[16]比較了不同貯藏溫度下小黃魚感官評(píng)價(jià)、TVB-N含量、菌落總數(shù)及K值（鮮度指標(biāo)）等的變化，并運(yùn)用Arrhenius方程對(duì)TVB-N含量、菌落總數(shù)和K值建立動(dòng)力學(xué)預(yù)測(cè)模型。

圖1 水產(chǎn)品品質(zhì)變化機(jī)理及貨架期模型的研究思路[12]Fig.1 Mechanism underlying quality change and strategy for shelf-life modeling of aquatic products[12]

2 水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)的研究方法

貨架期通常由兩種穩(wěn)定性測(cè)試程序來(lái)預(yù)測(cè)：等溫法和貨架期加速實(shí)驗(yàn)（accelerated shelf life testing，ASLT）法。產(chǎn)品開(kāi)發(fā)階段的貨架期測(cè)試全過(guò)程[17]如圖2所示。早期ASLT采用兩步等溫法，即在壓力過(guò)高的環(huán)境中（如高溫、低pH值和高水分活度）進(jìn)行等溫貯藏實(shí)驗(yàn)，根據(jù)加速因子和降解速率之間的關(guān)系利用方程通過(guò)外推法來(lái)預(yù)測(cè)特定貯藏環(huán)境的貨架期[18]，但預(yù)測(cè)數(shù)據(jù)具有不確定性。ASLT法逐漸發(fā)展到非等溫方法，此方法盡量避免外推，充分利用Q10模型、Ea（活化能）等參數(shù)將加速貯藏和Arrhenius方程結(jié)合應(yīng)用于貨架期預(yù)測(cè)。目前ASLT法通常是等溫和非等溫法相結(jié)合，等溫實(shí)驗(yàn)所得模型進(jìn)行了變溫實(shí)驗(yàn)，通常將動(dòng)力學(xué)方程與Arrhenius方程結(jié)合共同評(píng)價(jià)貨架期。

圖2 產(chǎn)品開(kāi)發(fā)階段的保質(zhì)期測(cè)試策略[17]Fig.2 Shelf-life testing strategy for different product development stages[17]

溫度是最常用的加速因子。水產(chǎn)品尤其是冷凍品品質(zhì)損失動(dòng)力學(xué)反應(yīng)速率較慢，ASLT使用苛刻的實(shí)驗(yàn)條件將加速實(shí)驗(yàn)結(jié)合動(dòng)力學(xué)模型在短時(shí)間內(nèi)協(xié)助研究品質(zhì)損失，進(jìn)而進(jìn)行貨架期預(yù)測(cè)[18]。研究表明，-5 ℃是穩(wěn)定冷凍肉制品ASLT的安全測(cè)試溫度。然而，腐敗變質(zhì)可能在達(dá)到消費(fèi)者可接受時(shí)間之前發(fā)生，因此也有研究推薦 -8 ℃作為冷凍品稍高的加速溫度。由于-20 ℃下水產(chǎn)品的貨架期較長(zhǎng)，因此在足夠短的時(shí)間內(nèi)發(fā)生可測(cè)量變化的溫度限制在-15～-5 ℃范圍內(nèi)[19-20]。近年來(lái)對(duì)冷藏溫度下ASLT的研究較多，但用于凍藏條件下預(yù)測(cè)模型較少，可能由于凍結(jié)伴隨著相變，因此將相關(guān)的溫度范圍限制在凝固點(diǎn)以下。貨架期預(yù)測(cè)在冷凍水產(chǎn)品中的研究較少，而在冷凍果蔬等產(chǎn)品中均有報(bào)道[21-22]。等溫法 和ASLT法優(yōu)缺點(diǎn)的比較如表1所示。Li Deyang等[23]采用加速貯藏實(shí)驗(yàn)結(jié)合Arrhenius方程，預(yù)測(cè)了熱風(fēng)干燥和冷凍干燥南美白對(duì)蝦的貨架期，此外，在干蛤的貨架期 預(yù)測(cè)[24]中也有相關(guān)報(bào)道，但并非針對(duì)于冷凍水產(chǎn)品。Tsironi等[25]研究了可變貯藏條件對(duì)凍蝦貨架期品質(zhì)的影響，為了確定其在實(shí)際冷鏈中適用性，對(duì)所建立的模型在溫度波動(dòng)的情況下進(jìn)行了驗(yàn)證。

表1 等溫法和ASLT法的優(yōu)缺點(diǎn)比較[21]Table 1 Comparison of advantages and disadvantages between isothermal method and ASLT method[21]

3 水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)模型的研究進(jìn)展

水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)模型主要分為基于溫度的貨架期預(yù)測(cè)模型、基于化學(xué)反應(yīng)動(dòng)力學(xué)預(yù)測(cè)模型等5 種，近年來(lái)水產(chǎn)品中幾種常見(jiàn)的貨架期預(yù)測(cè)模型如表2所示，進(jìn)而對(duì)貨架期模型的分類及國(guó)內(nèi)外研究進(jìn)展分別進(jìn)行詳細(xì)闡述。

表2 水產(chǎn)品貨架期預(yù)測(cè)的主要模型Table 2 Major prediction models for the shelf life of aquatic products

續(xù)表2

3.1 基于溫度的貨架期預(yù)測(cè)模型

3.1.1 Arrhenius方程

水產(chǎn)品貯運(yùn)過(guò)程中品質(zhì)劣變速率受多種因素的影響，其中溫度對(duì)其影響最大。Labuza等通過(guò)Arrhenius關(guān)系式確定了食品的腐敗變質(zhì)速率與溫度的關(guān)系，其一般反應(yīng)式如式（1）[43]所示。

式中：B表示品質(zhì)指標(biāo)值；t表示時(shí)間；k表示品質(zhì)速率常數(shù)；n表示反應(yīng)的動(dòng)力學(xué)級(jí)數(shù)。

不同反應(yīng)的動(dòng)力學(xué)常數(shù)應(yīng)根據(jù)食品品質(zhì)衰變的指標(biāo)來(lái)描述其品質(zhì)變化規(guī)律[44]。描述化學(xué)反應(yīng)的最常用基準(zhǔn)模型是Arrhenius方程，它表示溫度對(duì)水產(chǎn)品品質(zhì)指標(biāo)的影響，其方程式如式（2）所示。

式中：K0、Ea、T、R分別表示指前因子、 活化能/（kJ/mol）、絕對(duì)溫度/K、摩爾氣體常數(shù)（8.314 4 J/（mol·K））。

Arrhenius方程描述溫度與反應(yīng)速率的關(guān)系，目前主要集中研究化學(xué)反應(yīng)動(dòng)力學(xué)與Arrhenius方程結(jié)合使用，其形式簡(jiǎn)單、適用性比較強(qiáng)，且只考慮溫度的變化。由于微生物生長(zhǎng)是一個(gè)生物化學(xué)過(guò)程，因此在一定的溫度范圍內(nèi)將遵循Arrhenius方程。如果所有其他生態(tài)因素保持不變，生長(zhǎng)速率的溫度依賴性則可用總活化能來(lái)表征。缺點(diǎn)是適用于較小溫度范圍水產(chǎn)品貨架期的預(yù)測(cè)，溫度范圍較大時(shí)準(zhǔn)確度降低。雷志方[45]、Li Weiqing[26]等分別探究了金槍魚、真空包裝扇貝貯藏的貨架期預(yù)測(cè)模型，凍蝦[25]、 草魚[46]等的貨架期預(yù)測(cè)模型也被廣泛研究。Arrhenius方程為水產(chǎn)品品質(zhì)預(yù)測(cè)和優(yōu)化提供了一個(gè)很好的途徑。然而，有研究證明Arrhenius方程不適合預(yù)測(cè)鯽魚、鯉魚等魚類在低溫貯藏過(guò)程中腐敗后期的變化[31,47]。

3.1.2Q10模型

Q10模型是根據(jù)Van’t Hoff經(jīng)驗(yàn)規(guī)則衍生而來(lái)，是指當(dāng)溫度升高10 ℃時(shí)，反應(yīng)速率為原來(lái)速率的倍數(shù)或貨架期的變化率[48]。Q10模型需借助Arrhenius方程求出Ea，且預(yù)測(cè)溫度范圍較小，因此Q10模型預(yù)測(cè)范圍有限[49]。Q10模型可通過(guò)公式（3）表示，一般與Arrhenius方程結(jié)合使用。

式中：Qs為水產(chǎn)品的貨架期壽命，Q10的大小取決于食品系統(tǒng)、溫度和絕對(duì)范圍。

冷凍食品Q10值一般在2～20之間[50]。Q10模型實(shí)際是一種簡(jiǎn)單的加速貨架期實(shí)驗(yàn)方法，優(yōu)點(diǎn)是不需要考慮反應(yīng)級(jí)數(shù)，只側(cè)重于溫度對(duì)貨架期的影響，但應(yīng)用范圍較窄，且僅適用于較小的溫度范圍，而導(dǎo)致其預(yù)測(cè)精度較低[51]，在水產(chǎn)品貨架期預(yù)測(cè)方面應(yīng)用較少，而在罐頭食品相對(duì)較多。佟懿等[27]利用電子鼻技術(shù)結(jié)合理化指標(biāo)建立了鯧魚Q10貨架期的預(yù)測(cè)模型。

3.1.3Z值模型

Z值模型側(cè)重于以微生物改變?yōu)橹鞯纳兓^(guò)程，主要用于基于殺菌效果的罐頭貨架期分析中，而在水產(chǎn)品貨架期預(yù)測(cè)研究空白，Z值模型預(yù)測(cè)精度較高[44]，通常與Arrhenius方程結(jié)合用于貨架期的預(yù)測(cè)，兩者都能反映溫度與品質(zhì)速率變化的關(guān)系[28]。Z值模型克服了水產(chǎn)品貯運(yùn)過(guò)程中實(shí)際微生物的生長(zhǎng)并非理想的狀態(tài)，而Arrhenius方程中微生物的生長(zhǎng)默認(rèn)為理想狀態(tài)，因此Z值模型常用來(lái)進(jìn)行殺菌致死預(yù)測(cè)[52]，但此模型僅適用于較小溫度范圍水產(chǎn)品貨架期預(yù)測(cè)，因此應(yīng)用相對(duì)較少。

基于溫度的貨架期預(yù)測(cè)模型能夠預(yù)測(cè)不同溫度下水產(chǎn)品品質(zhì)變化規(guī)律，可為減少生產(chǎn)、貯運(yùn)過(guò)程中環(huán)境溫度變化導(dǎo)致的腐敗變質(zhì)提供參考。

3.2 基于化學(xué)反應(yīng)動(dòng)力學(xué)的預(yù)測(cè)模型

化學(xué)反應(yīng)動(dòng)力學(xué)模型的建立是基于水產(chǎn)品相關(guān)品質(zhì)變化會(huì)受到化學(xué)反應(yīng)的影響，忽略了環(huán)境因素的變化，而在貯運(yùn)過(guò)程中溫度、濕度、微生物、pH值、氣體環(huán)境等都會(huì)影響化學(xué)反應(yīng)速率，只考慮水產(chǎn)品貯運(yùn)過(guò)程中理想狀態(tài)下的變化[53]，其應(yīng)用范圍有一定局限性且依賴剛性模型，但品質(zhì)變化規(guī)律可為貯運(yùn)過(guò)程中水產(chǎn)品品質(zhì)提供參考[54]。

水產(chǎn)品化學(xué)反應(yīng)動(dòng)力學(xué)模型的建立一般分為3 步：1）根據(jù)樣品性質(zhì)設(shè)定貯藏溫度梯度，依據(jù)不同溫度的貯藏時(shí)間點(diǎn)對(duì)相關(guān)指標(biāo)進(jìn)行測(cè)定，其變化規(guī)律則通過(guò)零級(jí)或一級(jí)反應(yīng)方程進(jìn)行描述；2）根據(jù)敏感指標(biāo)進(jìn)行曲線擬合分析，從而獲得Arrhenius方程中未知參數(shù)的值，同時(shí)驗(yàn)證模型的有效性確定水產(chǎn)品變溫條件下品質(zhì)變化動(dòng)力學(xué)模型；3）結(jié)合貯藏實(shí)驗(yàn)貨架期終點(diǎn)品質(zhì)指標(biāo)值，實(shí)現(xiàn)對(duì)水產(chǎn)品剩余貨架期的預(yù)測(cè)[12]。水產(chǎn)品在貯運(yùn)過(guò)程中的質(zhì)構(gòu)、色澤、營(yíng)養(yǎng)風(fēng)味等變化的反應(yīng)規(guī)律大多數(shù)遵循零級(jí)、一級(jí)或二級(jí)化學(xué)反應(yīng)動(dòng)力學(xué)[54]，其中一級(jí)反應(yīng)動(dòng)力學(xué)應(yīng)用最廣泛，在鯽魚[29]、花蛤[31]等中都有相關(guān)研究。

3.3 基于微生物學(xué)的預(yù)測(cè)模型

因?yàn)槲⑸锸怯绊懰a(chǎn)品貨架期的重要因素，所以微生物生長(zhǎng)動(dòng)力學(xué)模型得以廣泛應(yīng)用[55]。水產(chǎn)品微生物學(xué)預(yù)測(cè)模型主要是以特定腐敗菌的生長(zhǎng)規(guī)律為基礎(chǔ)，如冰藏海魚中的腐敗希瓦氏菌、冰鮮淡水魚類中的假單胞菌和二氧化碳、冷鮮魚類中的發(fā)光桿菌[56]，具有較高的預(yù)測(cè)準(zhǔn)確度。Whiting等[57]將微生物生長(zhǎng)動(dòng)力學(xué)分為初級(jí)、二級(jí)和三級(jí)模型，其中初級(jí)模型適用于描述微生物數(shù)量隨時(shí)間變化的關(guān)系，常用來(lái)建立不同溫度下微生物生長(zhǎng)預(yù)測(cè)模型；環(huán)境因素（溫度、水分活度、pH值等）對(duì)微生物生長(zhǎng)動(dòng)力學(xué)參數(shù)的影響常用二級(jí)模型表示；三級(jí)模型則是進(jìn)一步建立在一級(jí)和二級(jí)模型基礎(chǔ)上的應(yīng)用軟件程序，進(jìn)一步增加了模型的快捷及實(shí)際應(yīng)用功能[58]。 常見(jiàn)的微生物生長(zhǎng)動(dòng)力學(xué)模型分類如表3所示。

表3 微生物生長(zhǎng)動(dòng)力學(xué)模型的分類及特點(diǎn)Table 3 Classification and characteristics of microbial growth kinetic models

初級(jí)模型中Gompertz模型、Baranyi模型和Logistic模型等是最常用的微生物貨架期生長(zhǎng)預(yù)測(cè)模型[60]。藍(lán)蔚青等[32]采用修正的Gompertz方程建立了流化冰貯藏 （-1.8 ℃）、碎冰貯藏（0 ℃）、冷藏1（4 ℃）與冷藏2 （10 ℃）條件下鱸魚的希瓦氏菌與假單胞菌數(shù)動(dòng)態(tài)變化，并分別以Belehradek平方根方程和Arrhenius方程建立微生物生長(zhǎng)預(yù)測(cè)模型，為鱸魚流通貨架期的預(yù)測(cè)提供理論依據(jù)。運(yùn)用Belehradek平方根方程和Rakowsky模型進(jìn)行微生物貨架期生長(zhǎng)預(yù)測(cè)在大西洋鮭魚[33]、熱帶咸淡水蝦[34]等中也有應(yīng)用。通過(guò)水產(chǎn)品特定腐敗菌的生長(zhǎng)特性的模擬構(gòu)建微生物預(yù)測(cè)模型是目前研究的重點(diǎn)。盡管利用微生物預(yù)測(cè)模型進(jìn)行水產(chǎn)品貨架期已得到廣泛應(yīng)用，但仍然存在以下問(wèn)題：1）研究大多數(shù)是針對(duì)新鮮水產(chǎn)品微生物生長(zhǎng)繁殖引起的品質(zhì)衰變而進(jìn)行的貨架期模型預(yù)測(cè)，對(duì)凍品而言，水產(chǎn)品的品質(zhì)的劣變主要是由于蛋白質(zhì) 變性、脂肪氧化水解及冰晶的形成遷移等，但溫度波動(dòng)下的水產(chǎn)品品質(zhì)劣變又與微生物有較大關(guān)系，對(duì)溫度波動(dòng)下水產(chǎn)品的貨架期則是需要深入研究的方向之一；2）水產(chǎn)品貯運(yùn)過(guò)程中品質(zhì)劣變通常是多種腐敗菌共同作用的結(jié)果，僅靠幾種特定腐敗菌準(zhǔn)確性大大降低；3）通過(guò)大量數(shù)據(jù)模擬的微生物建模主要為經(jīng)驗(yàn)性模型，而數(shù)據(jù)的來(lái)源對(duì)微生物貨架期預(yù)測(cè)的準(zhǔn)確性和實(shí)用性有著較大的影響。

3.4 基于統(tǒng)計(jì)學(xué)的預(yù)測(cè)模型

3.4.1 威布爾危害分析法

為了評(píng)估食品的品質(zhì)，研究者使用微生物測(cè)試和客觀的理化分析方法，最后與感官分析數(shù)據(jù)相關(guān)聯(lián)，以此提高品質(zhì)評(píng)價(jià)的準(zhǔn)確性。大多數(shù)食品的貨架期只能通過(guò)觀察其發(fā)生感官品質(zhì)劣變或微生物變化所需的時(shí)間來(lái)評(píng)估，樣品集內(nèi)個(gè)別單元的損壞率的極端差異表明，對(duì)多個(gè)樣品的感官分析是評(píng)價(jià)貨架期最合理、最簡(jiǎn)單的標(biāo)準(zhǔn)。WHA是一種圖形方法，也稱為最大似然法，是由Gacula等提出的運(yùn)用感官評(píng)價(jià)手段對(duì)相對(duì)誤差進(jìn)行模型驗(yàn)證一的種新的貨架期預(yù)測(cè)方法，首次將食品失效時(shí)間引入WHA能直接預(yù)測(cè)水產(chǎn)品的貨架期，但僅能處理食品感官實(shí)驗(yàn)數(shù)據(jù)，不能對(duì)理化或微生物指標(biāo)進(jìn)行分析，且對(duì)感官人員的實(shí)驗(yàn)技術(shù)水平和專業(yè)知識(shí)要求較高[61]，常用于肉制品、乳制品、化妝品等食品貨架期的預(yù)測(cè)。

由于消費(fèi)者對(duì)滋味和氣味的敏感性具有主觀性，因此需要大量的感官人員來(lái)進(jìn)行統(tǒng)計(jì)分析，進(jìn)而用統(tǒng)計(jì)技術(shù)來(lái)確定所需預(yù)測(cè)模型的準(zhǔn)確性。目前將WHA用于水產(chǎn)品貯運(yùn)過(guò)程中貨架期模型的預(yù)測(cè)研究較少。陳慧斌[35]、 戴陽(yáng)軍[36]等研究了牡蠣速凍、草魚片微波速凍過(guò)程中的危害因素和關(guān)鍵控制點(diǎn)，建立了相應(yīng)的預(yù)防措施。 Aguile等[62]應(yīng)用WHA模型較好地?cái)M合了4 種凍藏溫度下大西洋鮭魚質(zhì)構(gòu)特性及鹽溶性蛋白含量。

3.4.2 最小偏二乘法

最小偏二乘法能綜合處理和分析數(shù)據(jù)得到函數(shù)關(guān)系式從而來(lái)確定未知參數(shù)的一種基于統(tǒng)計(jì)的方法。它能消除隨機(jī)成分和噪音，通過(guò)降低均方誤差和提高模型的相關(guān)系數(shù)來(lái)提高預(yù)測(cè)模型的穩(wěn)定性[63]，通常與快速檢測(cè)技術(shù)（近紅外光譜技術(shù)、電子鼻分析等）聯(lián)合共同預(yù)測(cè)水產(chǎn)品的貨架期。

最小偏二乘法因使用過(guò)程中已經(jīng)默認(rèn)了是線性估計(jì)，因此使用具有一定局限性。勵(lì)建榮等[37]以K值作為鮮度預(yù)測(cè)的變量，采用偏最小二乘法選取大黃魚近紅外光譜的特征光譜區(qū)進(jìn)行建模分析。張欣欣等[38]通過(guò)近紅外光譜技術(shù)測(cè)定了鏡鯉的相關(guān)鮮度指標(biāo)，分別用偏最小二乘法和人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）進(jìn)行預(yù)測(cè)模型的比較建立。

3.5 基于人工智能的預(yù)測(cè)模型

3.5.1 人工神經(jīng)網(wǎng)絡(luò)

新興的貨架期預(yù)測(cè)方法ANN是一種模仿生物神經(jīng)網(wǎng)絡(luò) 結(jié)構(gòu)和功能的數(shù)學(xué)或計(jì)算模型，主要包括BP-ANN和徑向-ANN[59]。通過(guò)學(xué)習(xí)過(guò)程在輸入和輸出變量之間建立有意義的關(guān)系，針對(duì)非公式化和非穩(wěn)定性計(jì)算結(jié)果的信息分析技術(shù)，能夠處理復(fù)雜的、相互關(guān)聯(lián)的過(guò)程及線性和非線性回歸問(wèn)題[64]。通過(guò)對(duì)已知數(shù)據(jù)的反復(fù)學(xué)習(xí)、網(wǎng)絡(luò)訓(xùn)練的方式能較好地解決多指標(biāo)預(yù)測(cè)問(wèn)題，具有自學(xué)能力，且可同時(shí)研究多個(gè)環(huán)境因子，為了實(shí)現(xiàn)數(shù)據(jù)的高度擬合，達(dá)到均方誤差最小化需要不斷修改網(wǎng)絡(luò)的權(quán)值和閾值，已用于加工后的水產(chǎn)品貨架期預(yù)測(cè)[65]。但軟件開(kāi)發(fā)費(fèi)時(shí)，用于數(shù)據(jù)回歸的數(shù)據(jù)量較大，相比于傳統(tǒng)動(dòng)力方程對(duì)自身算法過(guò)程沒(méi)辦法解釋，容易丟失信息，需要進(jìn)一步完善，一旦開(kāi)發(fā)出來(lái)，經(jīng)過(guò)數(shù)據(jù)的整合和解釋說(shuō)明可以很容易地在程序、電子表格、計(jì)算器或硬件設(shè)備中得以應(yīng)用[66]。

近年來(lái)ANN在水產(chǎn)品中逐漸得到應(yīng)用，未來(lái)也必將是水產(chǎn)品貨架期預(yù)測(cè)的趨勢(shì)。與其他預(yù)測(cè)模型相比，它的優(yōu)勢(shì)在于不需要確定品質(zhì)指標(biāo)變化規(guī)律，能綜合多個(gè)指標(biāo)而非單一綜合評(píng)價(jià)，且不需考慮參數(shù)之間的關(guān)系，從而減少系統(tǒng)誤差，通過(guò)不斷學(xué)習(xí)從而提高預(yù)測(cè)的準(zhǔn)確性。Siripatrawan等[67]對(duì)常壓空氣和體積比4∶3∶3的二氧化碳、氧氣、氮?dú)獾幕旌蠚怏w改性空氣包裝條件下鮑魚肉從氣味、色澤、外觀等感官特征進(jìn)行評(píng)價(jià)開(kāi)發(fā)了一種新的新鮮指數(shù)法，用于ANN算法以新鮮度指數(shù)校準(zhǔn)生化和儀器分析，該神經(jīng)網(wǎng)絡(luò)能夠?qū)⑸治龊蛢x器分析與新鮮度指標(biāo)相關(guān)聯(lián)。Shi Ce等[39]建立了BP-ANN，可作為預(yù)測(cè)鰱魚在0～3 d熱處理期間肌苷酸損失的潛在工具。Liu Χiaochang等[64]基于運(yùn)用Arrhenius和ANN兩種模型對(duì)不同貯藏溫度下虹鱒魚肉的感官評(píng)價(jià)、電導(dǎo)率和K值等指標(biāo)的變化進(jìn)行了比較分析，結(jié)果表明與Arrhenius方程相比，ANN模型能更準(zhǔn)確地預(yù)測(cè)虹鱒魚的貨架期。

3.5.2 TTT理論和TTI的研發(fā)

早期冷凍貯藏實(shí)驗(yàn)特點(diǎn)是數(shù)據(jù)密集冗雜且缺乏組織性數(shù)據(jù)結(jié)果，導(dǎo)致結(jié)果較難比較分析，因?yàn)槭褂昧瞬煌臏囟群蜆?biāo)準(zhǔn)來(lái)保持食品的品質(zhì)，而關(guān)于初始品質(zhì)、加工過(guò)程和包裝（initial product, process and packaging，3P） 的數(shù)據(jù)往往不足。van Arsdel[68]在1957年對(duì)凍結(jié)食品（水果、蔬菜、家禽等）在不同的凍藏溫度下選擇各種指標(biāo)進(jìn)行了不同時(shí)間長(zhǎng)度的測(cè)試，即TTT，也稱為“Albany”系列實(shí)驗(yàn)，經(jīng)過(guò)歸納總結(jié)揭示了冷凍食品3P與TTT的關(guān)系，對(duì)食品凍藏具有實(shí)際理論指導(dǎo)意義。上述貨架期預(yù)測(cè)模型多數(shù)是在恒定溫度下，TTT理論可用于實(shí)際水產(chǎn)品貯運(yùn)過(guò)程中溫度波動(dòng)條件下貨架期預(yù)測(cè)，因?yàn)閮鼋Y(jié)過(guò)程中品質(zhì)下降是累積的、不可逆的，品質(zhì)累積下降程度和剩余貨架期可根據(jù)TTT曲線計(jì)算。TTT理論為計(jì)算水產(chǎn)品品質(zhì)下降提供了最簡(jiǎn)便的方法，且可用于溫度波動(dòng)下水產(chǎn)品貨架期的預(yù)測(cè)，曲線的繪制需要耗費(fèi)大量的人力和物力，且需要對(duì)貯運(yùn)過(guò)程中水產(chǎn)品的溫度進(jìn)行實(shí)時(shí)監(jiān)控。

冷藏和凍藏水產(chǎn)品在貯運(yùn)過(guò)程中需要對(duì)其從生產(chǎn)到消費(fèi)整個(gè)過(guò)程的品質(zhì)和安全進(jìn)行持續(xù)監(jiān)控，因此智能包裝系統(tǒng)應(yīng)運(yùn)而生，它可以提供有關(guān)食品品質(zhì)的直接信息（如新鮮度指示器）和間接信息（如時(shí)間-溫度積分器/指示器）。TTI是一種可以跟蹤從制造點(diǎn)到零售店的陳列架整個(gè)分銷過(guò)程所經(jīng)歷的累積時(shí)間-溫度分布函數(shù)設(shè)備或標(biāo)簽。它是基于機(jī)械、化學(xué)或酶系統(tǒng)不可逆轉(zhuǎn)地發(fā)生變化，通過(guò)黏附在食品包裝上顏色變化或者機(jī)械變形等多種不可逆變化原理直接顯示水產(chǎn)品貯運(yùn)過(guò)程中的剩余貨架期，而顏色的變化與溫度條件直接相關(guān)[69]。TTI反應(yīng)速率常數(shù)通常遵循Arrhenius理論，常用于新鮮、易腐水產(chǎn)品貨架期預(yù)測(cè)，具有方便、智能優(yōu)勢(shì)，為生產(chǎn)者、運(yùn)輸者以及消費(fèi)者提供了準(zhǔn)確檢測(cè)和評(píng)估，但制作成本較高且需要智能精確化操作[70]。Taoukis等[41]報(bào)道了地中海金槍魚天然菌群的溫度行為，用Arrhenius和平方根函數(shù)模擬了菌群的最大生長(zhǎng)速率與溫度的關(guān)系，對(duì)來(lái)自相似 貯藏實(shí)驗(yàn)的幾種TTI的響應(yīng)進(jìn)行了建模。Tsironi等[42]研究應(yīng)用副溶血性弧菌和創(chuàng)傷弧菌在牡蠣中生長(zhǎng)的預(yù)測(cè)模型，并設(shè)計(jì)了具有反應(yīng)動(dòng)力學(xué)的酶促TTI智能標(biāo)簽，用于指示弧菌的生長(zhǎng)潛力。近年來(lái)水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)的方法應(yīng)用對(duì)比如表4所示。

表4 水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)的方法應(yīng)用對(duì)比Table 4 Comparison of various methods for shelf life predictive modeling of aquatic products during storage and transportation

4 結(jié) 語(yǔ)

在水產(chǎn)品貯運(yùn)流通中過(guò)程中，基于消費(fèi)者認(rèn)可度的貨架期才有實(shí)際意義，從這個(gè)角度講，水產(chǎn)品的貨架期不僅取決于水產(chǎn)品自身，還取決于消費(fèi)者的感官評(píng)價(jià)。水產(chǎn)品貯運(yùn)過(guò)程中貨架期模型的建立能更好地對(duì)水產(chǎn)品的品質(zhì)進(jìn)行預(yù)測(cè)，從而對(duì)水產(chǎn)品貯運(yùn)保鮮提供理論支撐。

目前，大多數(shù)水產(chǎn)品貯運(yùn)過(guò)程中貨架期預(yù)測(cè)主要基于特定的溫度，而在實(shí)際貯運(yùn)過(guò)程中，溫度波動(dòng)對(duì)水產(chǎn)品貨架期影響較大，應(yīng)試圖尋找能實(shí)時(shí)監(jiān)測(cè)水產(chǎn)品新鮮度的有效方法來(lái)量化水產(chǎn)品的品質(zhì)，以此提高預(yù)測(cè)模型的準(zhǔn)確性；貨架期一級(jí)和二級(jí)模型應(yīng)用較廣泛，研究應(yīng)將其與三級(jí)模型進(jìn)行結(jié)合，建立更加準(zhǔn)確、方便、快捷、完善的貨架期監(jiān)控預(yù)測(cè)模型；不同貨架期模型、快速檢測(cè)技術(shù)結(jié)合動(dòng)力學(xué)方程[77-78]、智能包裝 系統(tǒng)[79-81]、新傳感器的研制等都為水產(chǎn)品新鮮度的判斷及貨架期預(yù)測(cè)提供了新思路。