基于智能包装标签的典型生鲜配菜新鲜度无损检测的研究.ppt

基于智能包装标签的典型生鲜配菜新 鲜度无损检测的研究 生鲜食材含水量高、营养丰富 , 经过切割处理后其组织结构受到 不同程度的破坏 , 更易滋生微生物 , 导致食材新鲜度下降 , 影响产 品的安全性。新鲜度的常规理化检测方法耗时耗力 , 因此如何实 现生鲜配菜新鲜度的实时、无损、便捷检测变得尤为重要。 本课题选择三类典型生鲜切割配菜 : 鲜切蔬菜（青椒和西兰花）、 冷鲜肉（猪肉）、生鲜水产品（鳙鱼）作为研究对象 , 制备 CO₂ 敏感型和挥发性含氮化合物敏感型智能包装标 签 , 通过标签颜色指示包装内部环境变化反馈新鲜度信息 , 并结 合化学计量学的方法定性判别生鲜配菜新鲜度等级和定量预测 新鲜度评价指标 , 旨在开发一种基于智能包装标签的生鲜配菜新 鲜度无损实时检测的新方法。主要内容如下 : 首先 , 采用理化、 微生物和感官指标结合电子鼻检测分别对生鲜配菜（鲜切青椒、 冷鲜猪肉和鳙鱼头）在冷藏过程中的品质和新鲜度进行分析 , 为 后续新鲜度指示型智能包装标签的设计提供研究基础。 通过多元统计分析方法 , 将鲜切青椒、冷鲜猪肉和鳙鱼头冷藏过 程中的新鲜度等级分为新鲜级、次新鲜级和腐败级 ; 建立基于常 规品质指标的鲜切青椒、冷鲜猪肉和鳙鱼头新鲜度等级的 Fisher 判别模型 , 预测集的识别率依次为 93.8% 、 81.5% 和 90.0%; 同时结合电子鼻对生鲜配菜冷藏过程中的新鲜度等级进行分析 , 结果与基于常规品质指标的新鲜度划分一致。其次 , 采用溴百里 酚蓝、甲基红、溴甲酚紫等合成指示剂及其混合指示剂制备基 于 pH 变化的 CO₂ 敏感型和挥发性含氮化合物敏感型 的智能包装标签。 结果表明 , 不同指示剂种类和浓度、成膜基质及其酸碱性对颜色 响应均有影响 ; 增塑剂的亲水性越大 , 标签指示膜的吸水性越好 , 其颜色响应越快。（ 1 ）包装内 CO₂ 浓度与鲜切青椒 的菌落总数和感官评分均有高相关性（ p<0.01 ） ;MB2 型 CO₂ 敏感型智能包装标签（甲基红 : 溴百里酚蓝 =3:2 （ v/v ） , 成膜基质初始 pH 7.1 ）对冷藏鲜切青椒新鲜度的识别 效果最好 , 标签颜色范围为黄绿色（表示可食用）到橙色（表示 腐败） ; 建立基于包装标签颜色的鲜切青椒新鲜度等级的 Fisher 判别模型 , 预测集识别率为 87.5% 。 （ 2 ）挥发性含氮化合物敏感型智能包装标签（溴百里酚蓝 : 甲 基红 =3:2 （ v/v ） , 成膜基质初始 pH 5.0 ）对冷鲜猪肉新鲜度识 别效果最好 , 标签颜色范围为红色（表示新鲜）、黄色（表示次 新鲜）到绿色（表示腐败） ; 建立基于包装标签颜色的冷鲜猪肉 新鲜度等级的 Fisher 判别模型（预测集识别率为 95.8% ）及新鲜 度评价指标的多元校正模型 , 其中挥发性盐基氮（ TVB-N ）含量 的最小二乘 - 支持向量机（ LS-SVM ）预测模型效果最好 , 预测集 决定系数（ R_p² ）为 0.9028, 剩余预测 偏差（ RPD ）为 3.1201; 菌落总数的偏最小二乘回归（ PLSR ）预 测模型效果最好 ,R_p² 为 0.8802,RPD 为 2.9515 。（ 3 ）挥发性含氮化合物敏感型智能包装标签（溴甲酚 再次 , 在合成指示剂智能包装标签基础上 , 结合硅窗包装 , 研制适 用于鲜切西兰花新鲜度实时检测的智能硅窗包装标签。结果表 明,4℃下 150 ± 10 g 鲜切西兰花包装盒的最佳硅窗面积为 0.9 cm² 。 根据常规品质指标 , 将鲜切西兰花冷藏过程中的新鲜度等级分为 新鲜级、次新鲜级和腐败级 ,Fisher 判别模型的预测集识别率为 95.2% 。电子鼻对鲜切西兰花的新鲜度等级分析结果与常规品质 指标的分析结果一致。 基于冷藏过程中的鲜切西兰花新鲜度与硅窗包装内 CO₂ 浓度的相关性分析 , 确定 MB2 型 CO₂ 敏感型智能硅窗包装标签对冷藏鲜切西兰花的新鲜度识别效果 最好 , 标签颜色范围为黄绿色（表示可食用）到橙色（表示腐 败） ; 基于 MB2 型包装标签颜色的鲜切西兰花新鲜度等级的 Fisher 判别模型（预测集识别率为 83.3% ） , 菌落总数的 MLR 预测 模型（ R_p²=0.8622,RPD=2.7320 ）效果 最好。 B1 型 CO<sub>2</