초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구의 목적은 식품의 품질유지기한을 실시간으로 예측하기 위한 모델을 개발하기 위함이다. 실제유통환경에서 저온살균우유의 신선도를 실용적으로 예측하기 위하여 자연균총의 성장 예측 모델을 개발했다. 자연균총의 최대성장속도를 온도구간을 나누어 모델링한 결과 정온실험의 정확성이 크게 향상되었다. 기존의 Hills & Wright model을 개선하여 미생물 성장곡선의 정체기를 표현할 수 있는 Modified Hills & Wright model을 개발했다. Modified Hills & Wright 모델과 Baranyi & Roberts 모델을 비교하여 Intermediate lag의 효과를 분석한 결과, 모든 변온실험에서 정확성이 약 10% 증가했다. 상추와 양파의 품질을 실시간으로 예측하기 위하여 ...

본 연구의 목적은 식품의 품질유지기한을 실시간으로 예측하기 위한 모델을 개발하기 위함이다. 실제유통환경에서 저온살균우유의 신선도를 실용적으로 예측하기 위하여 자연균총의 성장 예측 모델을 개발했다. 자연균총의 최대성장속도를 온도구간을 나누어 모델링한 결과 정온실험의 정확성이 크게 향상되었다. 기존의 Hills & Wright model을 개선하여 미생물 성장곡선의 정체기를 표현할 수 있는 Modified Hills & Wright model을 개발했다. Modified Hills & Wright 모델과 Baranyi & Roberts 모델을 비교하여 Intermediate lag의 효과를 분석한 결과, 모든 변온실험에서 정확성이 약 10% 증가했다. 상추와 양파의 품질을 실시간으로 예측하기 위하여 반응속도 식을 기반으로 전체기호도 예측 모델을 개발했다. 상추의 변온실험에 대한 예측모델의 Bias error는 최대 11% 이나, 양파 실험의 Bias error는 최대 28%의 낮은 정확도를 보였다. 실험결과에 대한 모델의 신뢰구간과 예측구간을 분석한 결과, 상추와 양파의 예측 모델이 저온살균우유 예측모델에 비하여 낮은 정확성을 나타내는 이유는 상대적으로 우유에 비하여 높은 실험 산포 때문인 것으로 결론을 내렸다. MKT(Mean Kinetic Temperature) 모델을 개발하여 실제 유통환경에서 저온살균우유와 상추, 양파의 품질수명을 실시간으로 예측했다.

Abstract ▼ AI-Helper

In this study, we develop the real-time shelf-life assessment model for food products. To predict food quality of the low-temperature pasteurised milk in the real distribution environment, we developed new microbial growth model for natural microflora. We modeled sepcific growth rate of natural micr...

In this study, we develop the real-time shelf-life assessment model for food products. To predict food quality of the low-temperature pasteurised milk in the real distribution environment, we developed new microbial growth model for natural microflora. We modeled sepcific growth rate of natural microflora by dividing temperature section as a three-zones. As a results, the model accuracy was improved. We developed Modified Hills & Wright model which can express stationary phase and consider intermediate lag. To analysis the effect of intermediate lag, we compared Modified Hills & Wright model and Baranyi & Roberts model. As a results, intermediate lag could improve model accuracy as about 10% in varying temperature conditions. To predict food quality of lettuce and onion in the real distribution environment, we developed new model based on kinetic model. The bias error for the lettuce quality experiments conducted on varying temperature was less than 11% but the maximum bias error for the onion quality experiments conducted on varying temperature was 28%. We concluded that the reason the poor prediction accuracy of the lettuce and onion model are the wide rage of experimental distribution. Conclusively, We developed MKT(Mean Kinetic Temperature) model and predicted shelf-life in real time.