고기전의 1차 품질 변패 요소인 호기성 균의 성장을 동적 온도 저장조건 아래에서 실시간으로 예측하기 위하여 온도의 함수로서 모델링하였다. 0, 5, 10, 15℃의 일정한 온도에서 저장된 스트레치 랩 포장된 고기전의 미생물 수를 측정하였고, bootstrapping 방법을 사용하여 데이터의 반복된 sampling에 의하여 평균 미생물 수를 얻고, 이 데이터 set을 사용하여 미분방정식으로 표현된 Baranyi & Roberts의 미생물 성장 모델의 parameter를 얻었다. 이러한 과정의 반복에 의하여 1차 미생물성장 모델 parameter의 온도의존성의 관계를 ...
고기전의 1차 품질 변패 요소인 호기성 균의 성장을 동적 온도 저장조건 아래에서 실시간으로 예측하기 위하여 온도의 함수로서 모델링하였다. 0, 5, 10, 15℃의 일정한 온도에서 저장된 스트레치 랩 포장된 고기전의 미생물 수를 측정하였고, bootstrapping 방법을 사용하여 데이터의 반복된 sampling에 의하여 평균 미생물 수를 얻고, 이 데이터 set을 사용하여 미분방정식으로 표현된 Baranyi & Roberts의 미생물 성장 모델의 parameter를 얻었다. 이러한 과정의 반복에 의하여 1차 미생물성장 모델 parameter의 온도의존성의 관계를 신뢰수준과 함께 구하였다. 이 parameter의 온도의존성의 함수적 관계를 미생물 성장의 미분 방정식 모델에 대입함에 의하여 일정한 온도와 동적 온도 조건 아래에서 미생물 성장을 예측하여 실험 데이터에 가까운 값으로 얻어질 수 있었다. 동적 온도 조건 아래에서 미생물적 품질을 예측하기 위한 또다른 간단한 방법으로, 미생물 성장의 무차원 모델을 고기전의 호기성 균 수 데이터를 사용하여 검증하였다. 시간에 의존적인 미생물 성장을 설명하기 위해, 시간에 따른 미생물 성장을 logistic 함수로 표현하고 이 함수 parameter인 최대비성장속도의 온도 의존성을 제곱근 방정식을 사용하여 표현하고, 이 관계를 normalized 된 미생물 수의 증식을 표현하는 반복계산식에 대입하였다. 이 모델은 Excel과 같은 spreadsheet 프로그램에서 쉽고 편리하게 이용되어 동적 온도조건에 적용될 수 있는 장점을 가진다. 이 무차원 모델은 간단한 반면에 반복계산식에서 초기 미생물 부하에 관련된 변수를 세밀이 조정하는 것이 필요한 것으로 의해 확인되었다. 초기 미생물의 생리적 상태와 최대성장가능 미생물 수의 온도 의존성을 정립함에 의하여 이 무차원 모델의 효과와 융통성을 증가시킬 수 있을 것으로 판단되었다. 마지막으로, 고기전의 밀폐 포장의 headspace 의 기체 농도의 변화로부터 미생물적 저장 수명을 관리할 수 있는 가능성에 대하여 연구하였다. 미생물적 품질변화와 포장기체 조성의 상호관련성을 보기 위하여 네 온도 (0, 5, 10, 15℃)에서 저장된 고기전 시료와 포장에 대해서 호기성 세균 수, CO2, O2 농도를 측정하였다. 0℃를 제외한 나머지 온도 조건에서, 미생물의 성장과 함께 CO2 농도는 증가했고 O2 농도는 감소했다. 0℃에서는 측정된 변수에서 변화가 거의 관찰되지 않았다. 미생물 성장, CO2 농도 변화, 표준화된 O2 농도 함수는 logistic 함수에 의하여 가장 잘 묘사될 수 있는 것으로 나타났다. 이들 세 변수에 대한 유도기의 온도 의존성은 제곱근 공식에 의해 설명될 수 있었다. CO2 농도 증가와 표준화된 O2 함수에 대한 유도기는 서로 비슷한 반면에, 미생물 성장의 유도기는 가스 농도 변화의 유도기 보다 짧았으며 특히 고온에서 그러하였다. CO2 농도 증가 또는 표준화된 O2 농도의 유도기는 잠재적으로 실제 미생물적 품질 한계를 나타내는 저장 수명 지표로서 사용될 수 있는 가능성을 보여주었다.
고기전의 1차 품질 변패 요소인 호기성 균의 성장을 동적 온도 저장조건 아래에서 실시간으로 예측하기 위하여 온도의 함수로서 모델링하였다. 0, 5, 10, 15℃의 일정한 온도에서 저장된 스트레치 랩 포장된 고기전의 미생물 수를 측정하였고, bootstrapping 방법을 사용하여 데이터의 반복된 sampling에 의하여 평균 미생물 수를 얻고, 이 데이터 set을 사용하여 미분방정식으로 표현된 Baranyi & Roberts의 미생물 성장 모델의 parameter를 얻었다. 이러한 과정의 반복에 의하여 1차 미생물성장 모델 parameter의 온도의존성의 관계를 신뢰수준과 함께 구하였다. 이 parameter의 온도의존성의 함수적 관계를 미생물 성장의 미분 방정식 모델에 대입함에 의하여 일정한 온도와 동적 온도 조건 아래에서 미생물 성장을 예측하여 실험 데이터에 가까운 값으로 얻어질 수 있었다. 동적 온도 조건 아래에서 미생물적 품질을 예측하기 위한 또다른 간단한 방법으로, 미생물 성장의 무차원 모델을 고기전의 호기성 균 수 데이터를 사용하여 검증하였다. 시간에 의존적인 미생물 성장을 설명하기 위해, 시간에 따른 미생물 성장을 logistic 함수로 표현하고 이 함수 parameter인 최대비성장속도의 온도 의존성을 제곱근 방정식을 사용하여 표현하고, 이 관계를 normalized 된 미생물 수의 증식을 표현하는 반복계산식에 대입하였다. 이 모델은 Excel과 같은 spreadsheet 프로그램에서 쉽고 편리하게 이용되어 동적 온도조건에 적용될 수 있는 장점을 가진다. 이 무차원 모델은 간단한 반면에 반복계산식에서 초기 미생물 부하에 관련된 변수를 세밀이 조정하는 것이 필요한 것으로 의해 확인되었다. 초기 미생물의 생리적 상태와 최대성장가능 미생물 수의 온도 의존성을 정립함에 의하여 이 무차원 모델의 효과와 융통성을 증가시킬 수 있을 것으로 판단되었다. 마지막으로, 고기전의 밀폐 포장의 headspace 의 기체 농도의 변화로부터 미생물적 저장 수명을 관리할 수 있는 가능성에 대하여 연구하였다. 미생물적 품질변화와 포장기체 조성의 상호관련성을 보기 위하여 네 온도 (0, 5, 10, 15℃)에서 저장된 고기전 시료와 포장에 대해서 호기성 세균 수, CO2, O2 농도를 측정하였다. 0℃를 제외한 나머지 온도 조건에서, 미생물의 성장과 함께 CO2 농도는 증가했고 O2 농도는 감소했다. 0℃에서는 측정된 변수에서 변화가 거의 관찰되지 않았다. 미생물 성장, CO2 농도 변화, 표준화된 O2 농도 함수는 logistic 함수에 의하여 가장 잘 묘사될 수 있는 것으로 나타났다. 이들 세 변수에 대한 유도기의 온도 의존성은 제곱근 공식에 의해 설명될 수 있었다. CO2 농도 증가와 표준화된 O2 함수에 대한 유도기는 서로 비슷한 반면에, 미생물 성장의 유도기는 가스 농도 변화의 유도기 보다 짧았으며 특히 고온에서 그러하였다. CO2 농도 증가 또는 표준화된 O2 농도의 유도기는 잠재적으로 실제 미생물적 품질 한계를 나타내는 저장 수명 지표로서 사용될 수 있는 가능성을 보여주었다.
Aerobic bacteria growth on Korean pan-fried meat patties as a primary quality deterioration factor was modeled as function of temperature to estimate microbial spoilage on a real-time basis under dynamic storage conditions. The package headspace gas concentration was also monitored and related to th...
Aerobic bacteria growth on Korean pan-fried meat patties as a primary quality deterioration factor was modeled as function of temperature to estimate microbial spoilage on a real-time basis under dynamic storage conditions. The package headspace gas concentration was also monitored and related to the microbial quality change of aerobic bacterial count as an index for on-line shelf life control. First, the counts of bacteria of the stretch-wrapped food held at constant temperatures of 0, 5, 10 and 15oC were measured through the storage. Bootstrapping method was applied to generate many resampled data sets of mean microbial counts, which were then used to estimate the parameters of microbial growth model of Baranyi & Roberts in the form of differential equations. The temperature functions of the primary model parameters were set up with confidence limits. Incorporating the temperature dependent parameters into the differential equations of bacterial growth could produce the predictions close to the experimental data under constant and fluctuating temperature conditions. Also, nondimensional model of microbial growth applicable to fluctuating temperature conditions was examined and tested against the aerobic bacterial count data of pan-fried meat patties. In description of time-dependent microbial growth, the model uses a logistic function which is subsequently normalized into nondimensional one incorporating square root equation for the temperature dependent growth rate. This model has advantage of simplicity and easy compatibility with common widespread software program such as spreadsheet. Model parameters were obtained from constant temperature storage data and incorporated into the model’s iteration formula to predict the microbial growth under dynamic temperature conditions. Its limitation was identified and relieved by fine-tuning the variable of initial microbial load in the iteration scheme of the model. Proper definition of initial microbial state and account on temperature dependences of maximum cell density are suggested for more versatile and powerful application of the model. Gas concentration of hermetic package headspace of pan-fried meat patties was monitored and related to the microbial quality change of aerobic bacterial count in order to examine the potential of using package atmospheric change as a primary quality index for shelf life control. Changes in aerobic bacterial count at four different temperatures of 0, 5, 10 and 15oC were described by a mathematic model of logistic function. Oxygen concentration decreased and carbon dioxide concentration increased with microbial growth. Those concentration changes could be correlated with the microbial growth and also described by mathematical functions commonly used for microbial growth. Lag time of headspace gas concentration indexes was longer than bacterial lag time, particularly at high temperature. There have been presented potentials to use package headspace gas concentration monitoring as a tool to control shelf life of the perishable food products.
Aerobic bacteria growth on Korean pan-fried meat patties as a primary quality deterioration factor was modeled as function of temperature to estimate microbial spoilage on a real-time basis under dynamic storage conditions. The package headspace gas concentration was also monitored and related to the microbial quality change of aerobic bacterial count as an index for on-line shelf life control. First, the counts of bacteria of the stretch-wrapped food held at constant temperatures of 0, 5, 10 and 15oC were measured through the storage. Bootstrapping method was applied to generate many resampled data sets of mean microbial counts, which were then used to estimate the parameters of microbial growth model of Baranyi & Roberts in the form of differential equations. The temperature functions of the primary model parameters were set up with confidence limits. Incorporating the temperature dependent parameters into the differential equations of bacterial growth could produce the predictions close to the experimental data under constant and fluctuating temperature conditions. Also, nondimensional model of microbial growth applicable to fluctuating temperature conditions was examined and tested against the aerobic bacterial count data of pan-fried meat patties. In description of time-dependent microbial growth, the model uses a logistic function which is subsequently normalized into nondimensional one incorporating square root equation for the temperature dependent growth rate. This model has advantage of simplicity and easy compatibility with common widespread software program such as spreadsheet. Model parameters were obtained from constant temperature storage data and incorporated into the model’s iteration formula to predict the microbial growth under dynamic temperature conditions. Its limitation was identified and relieved by fine-tuning the variable of initial microbial load in the iteration scheme of the model. Proper definition of initial microbial state and account on temperature dependences of maximum cell density are suggested for more versatile and powerful application of the model. Gas concentration of hermetic package headspace of pan-fried meat patties was monitored and related to the microbial quality change of aerobic bacterial count in order to examine the potential of using package atmospheric change as a primary quality index for shelf life control. Changes in aerobic bacterial count at four different temperatures of 0, 5, 10 and 15oC were described by a mathematic model of logistic function. Oxygen concentration decreased and carbon dioxide concentration increased with microbial growth. Those concentration changes could be correlated with the microbial growth and also described by mathematical functions commonly used for microbial growth. Lag time of headspace gas concentration indexes was longer than bacterial lag time, particularly at high temperature. There have been presented potentials to use package headspace gas concentration monitoring as a tool to control shelf life of the perishable food products.
주제어
#microbial shelf life prediction model dynamic temperature
학위논문 정보
저자
김소정
학위수여기관
경남대학교 대학원
학위구분
국내석사
학과
식품생명공학과
발행연도
2010
총페이지
vi, 62 p.
키워드
microbial shelf life prediction model dynamic temperature
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.