文献类型： 中文期刊

作者： 肖兴宁 ¹ ; 杨力 ² ; 张建民 ³ ; 廖明 ³ ; 李延斌 ⁴ ; 肖英平 ¹ ; 杨华 ¹ ; 汪雯 ¹ ;

作者机构： 1.浙江省农业科学院农产品质量标准研究所

2.中国计量大学信息工程学院

3.华南农业大学兽医学院

4.浙江大学生物系统工程与食品科学学院

关键词： 鸡胸肉;预冷清洗;广义回归神经网络模型;沙门氏菌污染率;预测模型

期刊名称： 食品工业科技

ISSN： 1002-0306

年卷期： 2020 年 018 期

页码： 212-217

收录情况： 北大核心 ; CSCD

摘要： 为实现对鸡胸肉预冷清洗环节的沙门氏菌污染率的预测,采用响应面试验设计收集数据,建立以初始污染水平、初始污染率、次氯酸钠(NaClO)浓度为输入值,鸡胸肉预冷清洗环节的沙门氏菌污染率为输出值的广义回归神经网络模型(General Regression Neural Network model,GRNN),预测鸡胸肉预冷清洗环节的沙门氏菌污染率变化,并用训练集拟合,测试集评估模型的预测效果.结果显示,鸡胸肉预冷清洗环节的沙门氏菌污染率随初始污染水平、初始污染率的升高而显著增加,相反随NaClO浓度的升高而呈下降趋势(P<0.05).练后的GRNN模型的r值和SEP值分别为0.93和10.8%,拟合良好.模型对新数据预测的误差较小(SEP=13%),表明GRNN模型可较准确的预测鸡胸肉预冷清洗环节的沙门氏菌污染率.本研究建立的模型可用于鸡胸肉预冷清洗环节沙门氏菌污染率的预测,为微生物定量风险评估提供重要信息.