食品工业科技

作者：王丽, 闫子康, 杜金, 王远亮

关键词：冷鲜肉,松鼠葡萄球菌,预测模型,反向传播（BP）神经网络,飞蛾火焰优化（MFO）BP神经网络,

为能准确预测冷鲜肉在贮藏中品质的变化规律及质量安全，本文探究贮藏温度（0、4和25 ℃）对冷鲜肉菌落总数、TVB-N、pH、水分含量、色度和生物胺含量的影响，确定冷鲜肉的特征品质指标。基于反向传播（Backpropagation，BP）神经网络和飞蛾火焰优化（Moth-Flame Optimization，MFO）BP神经网络，利用特征指标作为训练数据，构建不同贮藏温度下冷鲜肉的品质预测模型，快速准确评价和预测食品的质量安全。结果表明，不同贮藏温度下冷鲜肉的菌落总数、pH、TVB-N、色泽和生物胺含量随着贮藏时间的延长均呈上升趋势（P<0.05），且各指标在不同贮藏温度下的变化规律不一致，温度越高，腐败变质的速度越快。通过相关性分析得出菌落总数和TVB-N为冷鲜肉品质特征指标，以特征指标为训练数据构建BP神经网络和MFO优化BP神经网络模型。结果显示，MFO优化BP神经网络优于单一的BP神经网络模型，指标菌落总数和TVB-N通过BP神经网络模型训练后的R值分别为0.95018、0.94283，通过MFO算法优化训练后的R值分别为0.97538、0.98001，更接近于1，且优化后的RMSE、MSE和MAE值相对较小，其模型拟合度更好，在整个贮藏期的预测性能更好，准确率更高。因此，MFO优化BP神经网络可用于预测冷鲜肉在贮藏过程中品质的变化规律。

来源：2024年第21期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2024年第21期