郭全友，朱彥祺,2

(1.中國(guó)水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，上海 200090；2.上海理工大學(xué)醫(yī)療與食品學(xué)院，上海 200093)

?

水產(chǎn)品微生物預(yù)測(cè)與智能化評(píng)價(jià)研究進(jìn)展

郭全友1，朱彥祺1,2

(1.中國(guó)水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，上海 200090；2.上海理工大學(xué)醫(yī)療與食品學(xué)院，上海 200093)

定量綜述水產(chǎn)品的安全性、保藏性和貨架期，微生物安全預(yù)測(cè)及智能化評(píng)價(jià)技術(shù)應(yīng)運(yùn)而生。其中預(yù)測(cè)微生物學(xué)使用數(shù)學(xué)建模的方式來描述目標(biāo)微生物在多個(gè)因子影響下的生長(zhǎng)、殘存和失活等活動(dòng)規(guī)律。本文綜述了預(yù)測(cè)微生物學(xué)及智能化評(píng)價(jià)的發(fā)展概況、研究方法、應(yīng)用領(lǐng)域、存在問題及發(fā)展趨勢(shì)。主要包括目標(biāo)微生物的基本特征庫、數(shù)學(xué)模型庫、專家系統(tǒng)、水產(chǎn)品智能化評(píng)價(jià)的原理、類型、應(yīng)用及發(fā)展前景，以期為數(shù)字化描述水產(chǎn)品目標(biāo)微生物活動(dòng)規(guī)律，智能化評(píng)估水產(chǎn)品的品質(zhì)和安全風(fēng)險(xiǎn)等提供支持。

預(yù)測(cè)微生物學(xué)；智能化評(píng)價(jià)；目標(biāo)微生物；質(zhì)量安全預(yù)測(cè)

食品質(zhì)量和安全與人們的生活息息相關(guān)，隨著消費(fèi)者對(duì)食品的安全性、保藏性和貨架期等要求的不斷提高，食品的生產(chǎn)、批發(fā)、貯藏和零售方式發(fā)生著變化，而為了滿足人們對(duì)食品質(zhì)量和安全性的要求，有效保證食品的品質(zhì)、安全和新鮮度的智能化評(píng)價(jià)系統(tǒng)應(yīng)運(yùn)而生。該評(píng)價(jià)體系通過監(jiān)測(cè)包裝食品的環(huán)境條件，提供在運(yùn)輸和貯藏期間的食品品質(zhì)和安全信息，以保證食品品質(zhì)，減少損失和消費(fèi)者的投訴[1]。

食品安全智能化評(píng)價(jià)系統(tǒng)開發(fā)的理論基礎(chǔ)是預(yù)測(cè)微生物學(xué)，即以食品中微生物作為研究對(duì)象，綜合數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)等交叉學(xué)科，通過數(shù)學(xué)模型反映微生物在內(nèi)外因子作用下的活動(dòng)規(guī)律，是食品處理過程保證質(zhì)量安全設(shè)立的研究領(lǐng)域之一。預(yù)測(cè)微生物學(xué)通過數(shù)學(xué)模型，定量預(yù)測(cè)食品中有害微生物在特定條件下的動(dòng)態(tài)變化，因而是一種預(yù)防食源性病原菌對(duì)食品的食用安全性造成損害的有效預(yù)警工具，也是防止腐敗菌造成食品品質(zhì)下降的有效手段[2]。相較于耗時(shí)、繁瑣的傳統(tǒng)微生物計(jì)數(shù)評(píng)價(jià)方式，智能化評(píng)價(jià)方式有快速、準(zhǔn)確的優(yōu)勢(shì)，能夠更好地優(yōu)化水產(chǎn)品的保鮮方法。本文對(duì)水產(chǎn)品質(zhì)量安全微生物預(yù)測(cè)與智能化評(píng)價(jià)的發(fā)展概況、研究方法、應(yīng)用領(lǐng)域、存在問題及發(fā)展趨勢(shì)等進(jìn)行概述，以期為數(shù)字化描述水產(chǎn)品有害微生物活動(dòng)規(guī)律、智能化評(píng)估產(chǎn)品質(zhì)量和風(fēng)險(xiǎn)概率等提供支持。

1 預(yù)測(cè)微生物學(xué)和智能化評(píng)價(jià)概況及其在水產(chǎn)品的應(yīng)用

20世紀(jì)80年代，美國(guó)、澳大利亞和歐盟各國(guó)開始對(duì)食品預(yù)測(cè)微生物學(xué)進(jìn)行研究[3]，主要集中在致病菌模型的開發(fā)，得到各國(guó)政府的資助。隨著分子技術(shù)、信息技術(shù)、分析技術(shù)等學(xué)科的快速發(fā)展，世界各國(guó)投入大量人力和財(cái)力對(duì)致病菌進(jìn)行，例如20世紀(jì)90年代英國(guó)投資900萬英鎊，花費(fèi)了6年時(shí)間建立了蠟樣芽孢桿菌、單核增生李斯特菌等細(xì)菌的生長(zhǎng)、殘存和失活模型[4]。2007年英國(guó)MAFF和美國(guó)農(nóng)業(yè)部東部研究中心聯(lián)合構(gòu)建了Comebase數(shù)據(jù)庫，利用食源性病原菌在NaCl、pH、亞硝酸鹽濃度等條件下的生長(zhǎng)/殘存/失活模型，預(yù)測(cè)一定生態(tài)學(xué)條件下微生物的動(dòng)態(tài)變化，為快速評(píng)估產(chǎn)品的安全性提供了一種新方法。然而，該研究成果是基于液態(tài)微生物培養(yǎng)基，設(shè)定生態(tài)學(xué)因子下的微生物行為進(jìn)行外推實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)上獲得的，由于沒有考慮食品組織的不同和微生物之間的相互作用，往往產(chǎn)生較高誤差。目前在食品數(shù)據(jù)庫中這樣的研究數(shù)據(jù)的系統(tǒng)記錄是必需的，允許用戶快速找到所需的信息(例如，根據(jù)食品的產(chǎn)品或生產(chǎn)條件和分布進(jìn)行檢索)。用戶將有能力比較不同的食物或不同條件下食品的制造和分銷情況,有研究者開發(fā)LabBase微生物數(shù)據(jù)庫，通過創(chuàng)新的應(yīng)用軟件支持，應(yīng)用于科學(xué)研究和工業(yè)生產(chǎn)[5-6]。近年來，有學(xué)者開始對(duì)水產(chǎn)品中微生物的模型進(jìn)行研究，Mejlholm 等構(gòu)建了單核增生李斯特菌等有害微生物生長(zhǎng)/非生長(zhǎng)模型，用于預(yù)測(cè)冷熏魚等有害微生物的生長(zhǎng)、殘存和失活狀況，對(duì)潛在危害做出有效預(yù)測(cè)和評(píng)估，評(píng)估水產(chǎn)品食用安全性和貨架期[7-8]。

水產(chǎn)品腐敗主要由于細(xì)菌快速增殖會(huì)產(chǎn)生胺、硫化物、醛、酮、酯和有機(jī)酸等代謝物，使產(chǎn)品感官不能令人接受[9]。水產(chǎn)品會(huì)受到多種微生物污染，但只有部分適合生存的細(xì)菌得以快速地增殖。參與腐敗過程并產(chǎn)生異臭味產(chǎn)物的微生物稱為特定腐敗菌(specific spoilage organism，SSO)，特定腐敗菌在水產(chǎn)品貯藏中比其他微生物生長(zhǎng)快活性強(qiáng)[10-11]。上世紀(jì)90年代中期Dalgaard等提出特定腐敗菌概念，推動(dòng)了魚類保鮮研究的進(jìn)程。水產(chǎn)食品中病原菌引起的食物中毒事件明顯增多，導(dǎo)致了公眾對(duì)整個(gè)食品供應(yīng)安全性的重視，引發(fā)了美國(guó)、英國(guó)、澳大利亞、丹麥等國(guó)對(duì)食品中SSO和特定潛在病原菌(Specific Potential Pathogen, SPP)研究熱潮，并已滲透到包括水產(chǎn)食品的所有食品加工領(lǐng)域。目前魚類的保鮮成為水產(chǎn)保鮮領(lǐng)域關(guān)注的熱點(diǎn)，水產(chǎn)食品中微生物種類和數(shù)量受捕獲、加工、流通等環(huán)節(jié)影響。Gram等學(xué)者對(duì)冷藏魚類的腐敗菌生長(zhǎng)進(jìn)行研究，通過構(gòu)建品質(zhì)預(yù)測(cè)模型對(duì)魚類貨架期進(jìn)行預(yù)測(cè)；Huss等對(duì)冰鮮及冷熏魚不同貯藏條件的鮮度及菌群變化進(jìn)行研究，得出不同產(chǎn)品在不同貯藏條件下特定腐敗菌的生長(zhǎng)情況亦存有較大差異[12-13]。丹麥漁業(yè)技術(shù)研究所開發(fā)的海產(chǎn)食品腐敗與安全預(yù)報(bào)軟件(Seafood Spoilage & Safety Predictor, SSSP)，對(duì)冷、溫水域海水魚鮮度和貨架期進(jìn)行預(yù)測(cè)和評(píng)價(jià)[14]。

從水產(chǎn)食品中分離確定導(dǎo)致其腐敗和可能引發(fā)食源性疾病的微生物，需要從感官、理化和微生物學(xué)進(jìn)行研究。首先，要檢測(cè)原料、加工、貯藏等過程中感官、微生物學(xué)以及化學(xué)的變化，包括確定同腐敗和引發(fā)疾病相聯(lián)系的給定水平。其次，要分離并鑒定出細(xì)菌。最后，評(píng)估它們?cè)谙鄳?yīng)生態(tài)學(xué)環(huán)境下生長(zhǎng)、殘存和失活情況[15-16]。水產(chǎn)品微生物預(yù)測(cè)模型的應(yīng)用，由于受微生物檢測(cè)的滯后性影響，造成在實(shí)際應(yīng)用中無法快速預(yù)測(cè)的問題。因此，鑒別并定量分析對(duì)于水產(chǎn)品腐敗影響最大的揮發(fā)性和非揮發(fā)性代謝產(chǎn)物，構(gòu)建其與質(zhì)量安全相關(guān)數(shù)學(xué)模型，開發(fā)新鮮度和病原菌指標(biāo)等智能化評(píng)價(jià)系統(tǒng)，可解決上述問題。例如氧化和非氧化的生物腐敗而形成的惡臭成分，如魚肉中蛋白質(zhì)降解所產(chǎn)生的惡臭胺類含有大量的堿性組分、由脂質(zhì)或無氧糖酵解產(chǎn)生的乙醛和酮類，這些氣味的出現(xiàn)可能是產(chǎn)品中的化學(xué)物質(zhì)和微生物超過最大限度的信號(hào)，據(jù)此可評(píng)價(jià)產(chǎn)品的鮮度。在美國(guó)、日本和澳大利亞智能化安全評(píng)價(jià)技術(shù)已應(yīng)用于延長(zhǎng)食品貨架期、控制食品質(zhì)量與安全中，提供供應(yīng)鏈各階段的食品品質(zhì)安全，引導(dǎo)產(chǎn)品的流向，減少產(chǎn)品損耗，為消費(fèi)者提供實(shí)時(shí)的產(chǎn)品特性、質(zhì)量和食用信息。

2 預(yù)測(cè)微生物學(xué)研究?jī)?nèi)容和方法

2.1 水產(chǎn)品微生物數(shù)據(jù)庫的構(gòu)建

數(shù)據(jù)包括不同類型的目標(biāo)微生物(腐敗菌和致病菌)、好/厭氧性、有無芽孢、能源利用、生理學(xué)范圍(如pH、溫度和Aw的生長(zhǎng)/非生長(zhǎng)界限和最適值)等組成。先要確定水產(chǎn)品中目標(biāo)微生物，主要包括SSO(如腐敗希瓦氏菌、產(chǎn)氣腸桿菌、乳酸菌等)和致病菌(感染型和毒素型)等，例如沙門氏菌、腸炎桿菌和副溶血性弧菌等。其次，要確定水產(chǎn)品所處的環(huán)境，包括確定食品安全的各方面，如生理作用、化學(xué)作用、物理作用、微生物活動(dòng)等，通過改變環(huán)境條件，可以防止食品品質(zhì)降低，提高安全性，進(jìn)而研究目標(biāo)微生物與其環(huán)境因子進(jìn)行的相關(guān)性，如在不同pH、溫度、Aw和時(shí)間等因子調(diào)控下的生長(zhǎng)、失活和殘存狀況。

2.2 水產(chǎn)品微生物動(dòng)力學(xué)模型的類型

20世紀(jì)早期，人們用動(dòng)力學(xué)模型描述食品熱加工過程中食源性致病菌的失活情況，隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，衍生出了預(yù)測(cè)微生物學(xué)，即通過數(shù)學(xué)模型來描述和預(yù)測(cè)設(shè)定環(huán)境(包括可變條件)下生物增殖和衰減狀況[17]。食品微生物預(yù)測(cè)模型包括“動(dòng)力學(xué)模型”和“概率模型”，分為基礎(chǔ)模型、二級(jí)模型和三級(jí)模型[18-19]。基礎(chǔ)模型能量化微生物生長(zhǎng)量(或等同物)隨時(shí)間變化，即微生物的響應(yīng)。而表示微生物的響應(yīng)參數(shù)分為直接響應(yīng)和間接響應(yīng)兩種，直接響應(yīng)表示為每毫升菌落形成單位數(shù)、毒素的產(chǎn)生或底物濃度以及代謝產(chǎn)物；間接參數(shù)包括吸光率、電阻抗等。模型類別有經(jīng)驗(yàn)?zāi)Ｐ?如Logistic、Gompertz模型)和機(jī)理模型(如Baranyi 模型)，前者是簡(jiǎn)單的飽和增長(zhǎng)模型，呈現(xiàn)S形特征，后者是基于生化反應(yīng)速率的差分方程[20-21]。二級(jí)模型用來描述溫度、pH、Aw等調(diào)控因素變化時(shí)的反應(yīng)，包括Belehardek模型、Arrhenius模型、響應(yīng)面模型和主參數(shù)模型等。三級(jí)模型是在結(jié)合前兩種模型的基礎(chǔ)上，開發(fā)出的計(jì)算機(jī)專家系統(tǒng)，使非專業(yè)的人士也可以獲取預(yù)測(cè)微生物學(xué)的相關(guān)指導(dǎo)信息。目前有UGPM(統(tǒng)一生長(zhǎng)預(yù)測(cè)模型)軟件應(yīng)用Baranyi和羅伯茨(1994)基本模型，耦合二級(jí)溫度模型，模擬一個(gè)特定的食物或食物分類存儲(chǔ)在一個(gè)給定的環(huán)境中的微生物生長(zhǎng)情況[22]。

2.3 水產(chǎn)品微生物預(yù)測(cè)專家系統(tǒng)構(gòu)建

近年來，美國(guó)、英國(guó)和丹麥等國(guó)陸續(xù)開發(fā)出了三級(jí)模型，如PMP(Pathogen Modeling Program)、FM(Food Micromodel)、SSSP(Seafood Spoilage &Safety Predictor)、ComBase等專家系統(tǒng)。例如，2003年，英美將PMP、FM和Growth Predictor整合為ComBase系統(tǒng)[23]，目前包括約40 489個(gè)微生物生長(zhǎng)和存活信息，是世界上最大的預(yù)測(cè)微生物學(xué)信息數(shù)據(jù)庫，提供了Growth Predictor (version 1.0)免費(fèi)軟件系統(tǒng)，可對(duì)常見食源性病原菌在不同條件下生長(zhǎng)情況進(jìn)行預(yù)測(cè)。目前，我國(guó)開發(fā)的水產(chǎn)品預(yù)測(cè)微生物學(xué)專家系統(tǒng)仍然較少，2013年中國(guó)水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所開發(fā)了“海水魚類腐敗與鮮度預(yù)測(cè)專家系統(tǒng)”和“淡水魚類腐敗與鮮度預(yù)測(cè)專家系統(tǒng)”，能對(duì)大黃魚、大菱鲆、羅非魚和鯉魚鮮品在恒溫和變溫條件下剩余貨架期進(jìn)行預(yù)測(cè)，但針對(duì)加工水產(chǎn)品的品質(zhì)和安全預(yù)測(cè)的專家系統(tǒng)仍未見報(bào)道，目前已有相關(guān)的方法來評(píng)價(jià)軟件的適用性[24]。

2.4 智能化評(píng)價(jià)系統(tǒng)

2.4.1 時(shí)間溫度指示器(TTI)

時(shí)間溫度指示器是一種簡(jiǎn)單便宜的智能化評(píng)價(jià)系統(tǒng)，易于測(cè)量時(shí)間與溫度相關(guān)的變化，這種變化能夠反映出產(chǎn)品的全部或部分溫度歷史。時(shí)間溫度指示器檢測(cè)的可以是機(jī)械、化學(xué)、電化學(xué)、酶學(xué)或微生物學(xué)方面的變化[25]，通常以機(jī)械變形或顏色變化的形式表現(xiàn)出可目測(cè)性。該變化速度與溫度有關(guān)，且隨溫度的升高而增大。目前TTI分為三種，即臨界溫度指示器(CTI)、臨界溫度-時(shí)間指示器(CTTI)和時(shí)間溫度積分指示器(TTI)。

TTI的共性特點(diǎn)為能夠呈現(xiàn)出連續(xù)的變化，其變化速率隨溫度升高而增高，而當(dāng)溫度降低時(shí)不會(huì)逆轉(zhuǎn)。時(shí)間溫度指示器可以模擬食品腐敗程度和剩余貨架期，具有可靠性高、重復(fù)性好等優(yōu)點(diǎn)，當(dāng)處于同一溫度條件時(shí)能夠顯示出一致的反應(yīng)，同時(shí)價(jià)格低，能夠以簡(jiǎn)潔清晰的形式向經(jīng)銷商、監(jiān)察員或顧客傳遞所攜帶的信息。目前已有一些關(guān)于溫度轉(zhuǎn)化標(biāo)簽的研究，可以通過標(biāo)簽指示的轉(zhuǎn)變提示產(chǎn)品的鮮度[26-27]。

TTI主要應(yīng)用于流通過程中貨架期的監(jiān)控，隨著檢測(cè)和控制流通的要求提高，TTI與食品貨架期定量預(yù)測(cè)模型的協(xié)同發(fā)展，將會(huì)促進(jìn)智能化貨架期監(jiān)控系統(tǒng)等冷鏈優(yōu)化工具的成功運(yùn)用。水產(chǎn)品質(zhì)量動(dòng)力學(xué)模型和預(yù)測(cè)微生物學(xué)領(lǐng)域的研究進(jìn)展表明，TTI的理念將會(huì)為更多的食品品質(zhì)保證發(fā)揮作用，國(guó)內(nèi)外已經(jīng)開發(fā)了針對(duì)肉制品和水產(chǎn)品的品質(zhì)動(dòng)力學(xué)模型，并加以應(yīng)用[28]。有研究者通過對(duì)即食食品中的單增生李斯特菌的案例研究證明其可以提高食品的安全性[29]。我們發(fā)現(xiàn)，微生物的TTI可以將生產(chǎn)菌生長(zhǎng)的最大消耗時(shí)間告知消費(fèi)者，當(dāng)超過此限制則可以立即調(diào)整保藏措施。同時(shí)針對(duì)產(chǎn)品單元可使用用戶友好軟件構(gòu)建起專家系統(tǒng)，以此來預(yù)測(cè)加工參數(shù)和產(chǎn)品設(shè)計(jì)對(duì)食品品質(zhì)的影響。根據(jù)加工工藝和原料參數(shù)，該系統(tǒng)可提供產(chǎn)品最初的質(zhì)量分布數(shù)據(jù)。這些數(shù)據(jù)正是貨架期判斷系統(tǒng)對(duì)于冷鏈控制點(diǎn)進(jìn)行計(jì)算所需要的，據(jù)此實(shí)現(xiàn)基于TTI的產(chǎn)品品質(zhì)管理。

2.4.2 新鮮度指示器

研發(fā)新鮮度指示器，首先要了解用于指示品質(zhì)的代謝產(chǎn)物，指示新鮮度的代謝化合物和潛在目標(biāo)分子的化合物，主要有如下類型：葡萄糖、有機(jī)酸、乙醇、揮發(fā)性含氮化合物、生物胺、二氧化碳、ATP降解產(chǎn)物和含硫化合物等。新鮮度指示器多數(shù)是基于腐敗過程中的微生物代謝產(chǎn)物引起指示標(biāo)簽變色的原理。包括pH值變化敏感型指示卡、對(duì)揮發(fā)性含氮化學(xué)物敏感的指示器、硫化氫敏感型指示器、對(duì)各種微生物代謝產(chǎn)物敏感的指示器等。

2.4.3 病原菌指示器

除了標(biāo)識(shí)食品腐敗的指示器外，還有一些檢測(cè)食品中SPP的體系。由Toxin Alert TM公司生產(chǎn)的Toxin Guard體系是一種用于合成聚乙烯包裝材料的成分，可通過固定的抗體來檢測(cè)病原菌，例如沙門氏菌、彎曲桿菌、大腸桿菌和李斯特菌等。檢測(cè)物(毒素、微生物)與特定標(biāo)記的抗體結(jié)合，然后再與印制為特定形狀的捕獲體結(jié)合[30]。此外，基于免疫反應(yīng)的食品警戒體系(Food Sentinel System, FSS)用于檢測(cè)特定的微生物，如沙門氏菌、李斯特菌和大腸桿菌等，反應(yīng)發(fā)生在條形碼內(nèi)，當(dāng)遇到特定微生物時(shí)，條形碼就變得模糊不清。

2.4.4 其他腐敗檢測(cè)法

未來的智能化檢測(cè)如生物傳感器和電子鼻，有可能發(fā)展成為微型化概念的新技術(shù)。生物傳感器是一種分析裝置，包括：生物部分，用于特定分析，抗體、細(xì)胞都可作為生物傳感器的生物部分；物理部分，用于將生物信號(hào)轉(zhuǎn)化為物理信號(hào)。信號(hào)可以用多種方法檢測(cè)，例如測(cè)量電流、電位或熱量的方法。目前已經(jīng)開發(fā)出了一些測(cè)定生物胺的酶類生物傳感器。電子鼻是一系列傳感器(如金屬氧化物和多聚物)構(gòu)成的分析工具，這些傳感器以它們的電子特性的改變對(duì)揮發(fā)性化合物做出反應(yīng)，所有傳感器的變化組合即形成了樣品的酶解圖譜。電子鼻不能分離或區(qū)分單獨(dú)的化合物，但是，根據(jù)揮發(fā)性化合物的酶解圖譜和由參考方法獲得的結(jié)果(如感官評(píng)價(jià)或微生物分析)，可以將樣品劃分為可接受和不可接受。根據(jù)現(xiàn)有的傳感器響應(yīng)與品質(zhì)之間相關(guān)性數(shù)據(jù)，對(duì)于系統(tǒng)作適當(dāng)?shù)恼{(diào)整后，就可以對(duì)未知品質(zhì)的樣品進(jìn)行分析。

3 結(jié) 語

目前水產(chǎn)品的預(yù)測(cè)微生物學(xué)及其智能化評(píng)價(jià)主要可用于生產(chǎn)、加工、運(yùn)輸?shù)倪^程中，相較于傳統(tǒng)的保鮮評(píng)價(jià)技術(shù)，智能化評(píng)價(jià)更加方便、快捷、準(zhǔn)確，可以優(yōu)化生產(chǎn)保鮮的過程，提升產(chǎn)品的品質(zhì)；智能化評(píng)價(jià)系統(tǒng)可監(jiān)測(cè)食品質(zhì)量，跟蹤食品供應(yīng)鏈中的關(guān)鍵點(diǎn)。目前商業(yè)化的智能化監(jiān)控系統(tǒng)主要通過檢測(cè)時(shí)間-溫度變化和檢測(cè)某種化學(xué)成分(泄露指示卡和新鮮度指示卡)可目測(cè)信息，來對(duì)水產(chǎn)品的新鮮度進(jìn)行判斷。由于消費(fèi)者傾向于選用最少加工和天然保藏的食品，建立直觀、便捷的水產(chǎn)品質(zhì)量安全智能化評(píng)價(jià)系統(tǒng)可以提供高效的技術(shù)支撐，為水產(chǎn)品的新鮮度和安全性提供保障，為消費(fèi)者提供更多的產(chǎn)品信息；隨著全球化導(dǎo)致食品供應(yīng)鏈的延伸，滿足人們對(duì)安全可追溯性的更高要求；同時(shí)加強(qiáng)并統(tǒng)一機(jī)構(gòu)對(duì)食品供應(yīng)鏈中的制造商和零售商的監(jiān)控能力。

未來發(fā)展要求智能化評(píng)價(jià)系統(tǒng)使用方便、成本低、適于包裝作業(yè)，不影響裝卸。食品供應(yīng)鏈的管理極有可能采用無線信息系統(tǒng)傳遞各個(gè)階段的食品品質(zhì)和履歷，減少產(chǎn)品損耗，為消費(fèi)者提供實(shí)時(shí)的產(chǎn)品特性、質(zhì)量和適用信息。未來智能化系統(tǒng)可能會(huì)包含有產(chǎn)品特性的豐富信息，能夠提供產(chǎn)品來源和成分方面的信息，如包含產(chǎn)品的營(yíng)養(yǎng)信息和可能的過敏原等，而且還可能包括包裝材料可能造成的環(huán)境問題等。

[1] GARCIA M R, VILAS C, HERRERA J R,etal. Quality and shelf-life prediction for retail fresh hake (Merlucciusmerluccius)[J]. International Journal of Food Microbiology, 2015, 208: 65-74.

[2] DABADE D S, DEN BESTEN H M W, AZOKPOTA P ,etal. Spoilage evaluation, shelf-life prediction, and potential spoilage organisms of tropical brackish water shrimp (Penaeusnotialis) at different storage temperatures [J]. Food Microbiology, 2015, 48: 8-16.

[3] 郭全友, 王錫昌, 姜朝軍, 等. 養(yǎng)殖尼羅羅非魚鮮度特征及動(dòng)力學(xué)模型構(gòu)建[J]. 食品科學(xué),2013(4):245-249.

[4] MIIA L, MARI N. Thermal inactivation of non-proteolyticClostridiumbotulinumtype E spores in model fish media and vacuum packaged hot smoked fish products[J]. Applied and Environment Microbiology, 2003, 69(7): 4029-4036.

[5] PSOMAS A N, NYCHAS G J, HAROUTOUNIAN S A,etal. LabBase: Development and validation of an innovative food microbial growth responses database [J]. Computers and Electronics in Agriculture, 2012, 85: 99-108.

[6] 應(yīng)華永, 林雪峰, 徐瑞龍, 等.微生物數(shù)據(jù)庫標(biāo)準(zhǔn)化在細(xì)菌耐藥監(jiān)測(cè)網(wǎng)中的應(yīng)用 [J].中華臨床感染病雜志, 2013, 6(1): 49-51.

[7] MEJLHOLM O, DALGAARD P. Modeling and predicting the growth boundary ofListeriamonocytogenesin lightly preserved seafood [J]. Journal of Food Protection, 2007, 70(1): 70-84.

[8] MEJLHOLM O, BOKN?S N, DALGAARD P. Development and validation of a stochastic model for potential growth ofListeriamonocytogenesin naturally contaminated lightly preserved seafood [J]. Food Microbiology, 2015, 45: 276-289.

[9] HOZBOR M C, SAIZ A I, YEANNES M I,etal. Microbiological changes and its correlation with quality indices during aerobic iced storage of sea salmon (Pseudopercissemifasciata) [J]. Food Science and Technology, 2006, 39: 99-104.

[10] DALGAARD P, BUCH P, SIBERG S. Seafood spoilage predictor: development and distribution of a product specific application software[J]. International Journal of Food Microbiology, 2002, 73:343-349.

[11] MAN C M D, JONES A A. Shelf life Evaluation of Foods[M]. Gaithersburg Maryland USA: Aspen Publishers Inc, 2000, 110-139.

[12] DALGAARD P. Qualitative and quantitative characterization of spoilage bacteria from packed fish[J].Food Microbiology, 1995, 26: 319-333.

[13] 楊憲時(shí), 許鐘, 肖琳琳. 水產(chǎn)食品特定腐敗菌與貨架期的預(yù)測(cè)和延長(zhǎng)[J].水產(chǎn)學(xué)報(bào), 2004, 28(1): 106-111.

[14] DALGAARD P. Seafood spoilage and safety predictor (SSSP) ver. 2.0 [EB/OL].(2015-09-20). http://www.dfu.min.dk/micro/sssp, 2005, 3.

[15] WANG S D, LIU X H, YANG M. Review of time tem-perature indicators as quality monitors in food packaging [J]. Packaging Technology and Science, 2015, 28(10): 839-867.

[16] ROSALBA L, MILENA S, FAUSTO G,etal. Growth/no growth interfaces ofBacilluscereus,StaphylococcusaureusandSalmonellaenteritidisin model system based on water activity, pH, temperature and ethanol concentration [J].Food Microbiology, 2001, 18: 659-668.

[17] POWELL S M, RATKOWSKY D A, TAMPLIN M L, Predictive model for the growth of spoilage bacteria on modified atmosphere packaged Atlantic salmon produced in Australia[J]. Food Microbiology, 2015, 47: 111-115.

[18] KRISHNAN K, RADHA B S, BABU P,etal. Evaluation and predictive modeling the effects of spice extracts on raw chicken meat stored at different temperatures [J]. Journal of Food Engineering, 2015, 166: 29-37.

[19] ROBIN C M, LU X W. Modeling microbial responses in food [M].CRC press, 2004.

[20] WHITING R C, BAGI L K. Modeling the lag phase of listeria monocytogenes [J]. International Journal of Food Microbiology ,2002,73(2): 291-295.

[21] BUCHANAN R L, WHITING R C, DAMERT W C. When is simple good enough: a comparison of the Gompertz, Baranyi, and three-phase linear models for bacterial growth curves [J].Food Microbiology, 1997,14: 313-326.

[22] KOSEKI S. ComBase: The International database for predic-tive microbiology [J]. Journal of the Food Hygienic Society of Japan, 2006, 47(4): J247-J250.

[23] KOSEKI S. Microbial Responses Viewer (MRV): A new ComBase-derived database of microbial responses to food environments [J]. International Journal of Food Microbiology, 2009, 134(2): 75-82.

[24] CIASCHINI V, CANAPARO M. RONCHIERI E. Evaluating predictive models of software quality [M]. 20th International Conference on Computing in High Energy and Nuclear Physics (Chep2013), 2013.

[25] WU D, WANG Y J. CHEN J C. Preliminary study on time-temperature indicator (TTI) system based on urease [J].Food Control, 2013, 34(1): 230-234.

[26] GIANNOGLOU M, TOULI A, PLATAKOU E. Predictive modeling and selection of TTI smart labels for monitoring the quality and shelf-life of frozen seafood [J], Innovative Food Science & Emerging Technologies, 2014, 26: 294-301.

[27] ZABALA S, CASTAN J, MARTINEZ C. Development of a time-temperature indicator (TTI) label by rotary printing technologies [J], Food Control, 2015, 50:57-64.

[28] 郭全友, 許鐘, 楊憲時(shí). 冷藏養(yǎng)殖大黃魚品質(zhì)變化特征和貨架期預(yù)測(cè)研究[J].食品科學(xué), 2006, 27(4): 237-240.

[29] KOUTSOUMANIS K P, GOUGOULI M. Use of Time Tem-perature Integrators in food safety management [J], Trends in food science and technology, 2015, 43(2): 236-244.

[30] BODENHAMER W T. Method and apparatus for selective biological material detection[P].US patent, 2000. 6051388.

Intelligent evaluation and safety prediction of microbiology of fishery products

GUO Quan-you1，ZHU Yan-qi1,2

(1.EastChinaSeaFisheriesResearchInstitute,Shanghai200090,China; 2.SchoolofMedicalInstrumentandFoodEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

In order to quantatively describe the safety, preservation and shelf life of fishery products, the safety prediction and intelligent evaluation were developed. Among the system, predictive microbiology is described by mathematical models，showing the changes of growth, survival and inactivity of targeted microorganism under multifactor conditions. This article summarized the history, research methods, application field, existing problems and development trends in the safety prediction and intelligent evaluation of fishery products，mainly including: basic characteristics, mathematical models and expert systems, the principle, type, application and development prospect of intelligent evaluation system were also summarized. So that it can provide the supports for digitally descripting activity rules of targeted microorganism and intelligently evaluating the quality and safety risk of fishery products.

predictive microbiology; intelligent evaluation; targeted microorganisms；quality and safety prediction

2095-3666(2016)01-0032-06

10.13233/j.cnki.fishis.2016.01.006

2015-09-22

2015-01-05

國(guó)家自然科學(xué)基金(31371867)；中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(2011M04，2014G02)

郭全友(1974-)，男，副研究員，博士，研究方向：水產(chǎn)品加工與安全保障。E-mail: dhsguoqy@163.com

S 983

A