排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
针对鱼肉在贮藏过程中容易腐败的问题,采用干制的方法,将鱼片放置在干燥箱中,于50 ℃分别干燥0、44和87 min,制备对照、脱水6%和12%组,将不同脱水程度的草鱼肉装入聚乙烯袋中贮藏于4 ℃,以感官评分、菌落总数、挥发性盐基氮TVB-N、三氯乙酸TCA-可溶性肽、三磷酸腺苷ATP关联物、K值、生物胺及菌群结构为指标,对不同脱水程度生鲜调理草鱼肉贮藏品质的变化进行研究。结果表明:当脱水6%时,鱼肉在贮藏末期(第13天)TVB-N质量分数和TCA-可溶性肽质量摩尔浓度均低于另外2组,质地和总体可接受度评分以及次黄嘌呤核苷HxR质量摩尔浓度在贮藏末期显著高于对照组(P<0.05),腐胺和尸胺质量分数显著低于对照组(P<0.05);当脱水12%时,鱼肉的质地、总体可接受度评分以及HxR质量摩尔浓度在贮藏末期显著高于对照组(P<0.05),腐胺质量分数低于对照组;高通量测序结果发现,对照组的优势腐败菌为希瓦氏菌Shewanella,而脱水6%和12%组的优势腐败菌为假单胞菌Pseudomonas。综上,脱水6%组能使草鱼在贮藏过程中保持较好的品质,一定程度的干燥脱水有助于延缓草鱼肉的腐败变质。 相似文献
2.
针对金鲳鱼(Trachinotus ovatus)贮藏过程中品质变化难以预测的问题，测定金鲳鱼片在0、3、6、9、12℃贮藏条件下挥发性盐基氮质量分数(w(TVB-N))、菌落总数、K值和感官评价值，构建径向基函数神经网络(Radial basis function neural network, RBFNN)和反向传播神经网络(Back propagation neural network, BPNN)预测模型以预测品质，并对模型的预测结果进行残差分析和相对误差分析以评价预测准确度。结果表明：1)BPNN模型和RBFNN模型的残差都是随机且不规则的，说明2种模型都适用于预测金鲳鱼片的新鲜度，但RBFNN模型残差绝对值更小；2)对于4℃贮藏条件下金鲳鱼片的各项品质指标，BPNN模型预测相对误差绝对值小于15%(除K值第0天),RBFNN模型预测相对误差绝对值大部分小于5%,RBFNN模型预测相对误差绝对值较小。对于金鲳鱼片新鲜度的预测，RBFNN模型准确度较高，BPNN模型准确度较低，RNFNN模型更适合用于预测金鲳鱼贮藏品质。 相似文献
1