不同儲藏溫、濕度對稻谷霉菌生長的影響及生長預測模型的建立

劉 慧 周建新 方 勇 高瑀瓏 邱偉芬

(南京財經大學食品科學與工程學院；江蘇省現代糧食流通與安全協同創新中心，南京 210023)

稻谷是我國重要的糧食作物，占全國糧食總量的32.24%[1]，但由于稻谷自身新陳代謝及環境條件等因素影響，我國糧食的產后損失非常嚴重[2]。新收獲稻谷含水量通常較高，會加速稻谷本身及附著微生物和害蟲的呼吸作用，導致谷堆發熱，進而引起稻谷質量的加速劣變[3,4]，加之我國糧食儲藏期普遍較長，糧堆易受環境、季節、通風等條件的影響[5]，儲糧很有可能發生霉變，甚至產生有毒代謝物，影響稻谷品質及食用安全[6]。我國在稻谷入庫之前通常會經過自然晾曬或人工干燥，降低稻谷水分含量[7]，并在儲藏過程中通過通風降溫、密閉儲藏、熏蒸等措施防控稻谷霉菌生長[8]。

微生物預測模型對于食品安全管理起著重要的輔助作用[9]， 它是在微生物學、數學模型、統計學和應用計算機學的基礎上建立起來的新興學科[10]，通過模擬出能夠描述和預測在特定條件下微生物生長和存活的模型，根據各種食品微生物在不同加工、儲藏和流通條件下的特征數據，通過計算機處理，判斷食品內主要致病菌和腐敗菌生長動態變化，從而實現對食品質量和安全的快速評估與預測[11]。其中，初級模型最為簡單易操作，代表為Gompertz模型、Logistic模型和Baranyi&Roberts模型，因擬合度較好而被廣泛應用[12-17]。近年來，已有不少文章研究微生物預測模型在食品安全性方面的應用，但以細菌居多，且少量研究霉菌的文章通常以改變原始水分的材料為研究對象，且模型擬合程度并不理想[18]。本實驗以糧倉中原始稻谷為研究對象，模擬現實環境中可能出現的溫濕度條件，研究稻谷霉菌的生長規律，建立霉菌的生長動力學模型。

1 材料與方法

1.1 材料與試劑

秈稻采樣于湖南省衡陽市，2017年收獲，含水量為13.11%。

高鹽察氏培養基、無水碳酸鉀、氯化鈉、氯化鉀。

1.2 儀器與設備

PQX-3000型多段可編程人工氣候箱；SW-CJ-1F型潔凈工作臺；LDZX-50FBS立式壓力蒸汽滅菌器；GNP-9160型隔水式恒溫培養箱。

1.3 實驗方法

1.3.1 樣品采集

實驗稻谷采自湖南省衡陽市，樣品為2017年入庫秈稻。采用3層-5點取樣法，分別在糧倉四角以及中央點作為取樣點，每個取樣點分別在距糧堆表層0.5 m、中央層、距地面0.5 m取樣，樣品放置在無菌采樣袋中，于4 ℃儲存。實驗前將15個點的樣品等量混合。

1.3.2 模擬儲藏

對照飽和鹽溶液標準相對濕度值對照表[19]，配置不同的飽和鹽溶液。將分裝后的稻谷放入盛有不同飽和鹽溶液的密閉容器中，密封后將對應不同相對濕度(Relative Humidity, RH)的密閉容器分別放入5個溫度梯度(10、20、25、30、40 ℃)的人工氣候箱內儲藏16周，每隔2周取樣，測定稻谷霉菌數量。

1.3.3 稻谷霉菌培養

參照GB 4789.15—2016，選用高鹽察氏培養基，28 ℃培養7 d后計數。

1.3.4 微生物生長動力學分析

利用Origin8.5軟件將實驗數據用Logistic模型進行擬合，建立稻谷霉菌在不同儲藏條件下的初級生長模型。

模型的可靠性評價：采用偏差度(Bias factor,Bf)和準確度(Accuracy factor,Af)來評價所建霉菌生長動力學預測模型的可靠性。Bf和Af分別按照公式計算[20]。

式中：N實測為實際檢測霉菌數；N預測為與實際檢測值同一時間的模型預測菌落數；n為實驗次數。

1.4 數據處理與分析

每組實驗均3次重復，數據均采用Excel 2016和Origin 8.5數據統計軟件進行數據處理和作圖。

2 結果與分析

2.1 10 ℃時稻谷霉菌數量變化及生長預測模型的建立

模擬儲藏溫度10 ℃時不同環境相對濕度中稻谷霉菌數量變化如圖1所示。由圖1可知，稻谷霉菌在10 ℃時整體呈現緩慢生長的狀態，儲藏16周后，43%、75%、85%相對濕度下霉菌數量分別增長至4.29、4.38、4.49 lg CFU/g，霉菌種類主要為黃曲霉和白曲霉，稻谷在整個模擬儲藏過程中未出現霉變[21]。模擬儲藏的前10周，環境相對濕度對霉菌生長無顯著性影響(P>0.05)，10周之后相對濕度對霉菌生長為顯著性影響因素(P<0.05)。10 ℃不是霉菌生長的適宜溫度，故在此條件下霉菌數量增長緩慢[22]。

同時，以儲藏時間為自變量，不同環境相對濕度中的稻谷霉菌數量為因變量，采用Logistic方程進行擬合，得到霉菌生長預測模型曲線圖。由圖1霉菌生長擬合曲線可知，Logistic方程能夠較好的擬合稻谷在10 ℃時不同環境相對濕度中的霉菌生長情況。此條件下對應的霉菌生長動力學模型如表1所示。表1中決定系數R2值均較高，都達到0.99以上，表明Logistic模型能很好地描述10 ℃下不同環境相對濕度中稻谷霉菌的生長狀況。目前尚未對霉菌Bf值劃分標準，故結合病原菌Bf值的劃分標準可知，此條件下Bf值均在0.70～0.90之間，說明所建模型可以接受。Af值越大表示準確性越低，Af為1表示預測值與實測值之間完全吻合，此條件下Af為1.595±0.029，表明模型能夠很好地預測10 ℃下不同環境相對濕度中的稻谷霉菌生長[23-25]。

圖1 10 ℃時稻谷在不同環境相對濕度中的霉菌數量變化及Logistic模型擬合

表1 10 ℃時不同環境相對濕度中稻谷霉菌的生長動力學模型及可靠性評價

2.2 20 ℃時稻谷霉菌數量變化及生長預測模型的建立

模擬儲藏溫度20 ℃時不同環境相對濕度中稻谷霉菌數量變化如圖2所示。由圖2可知，稻谷霉菌在20 ℃時不同環境相對濕度中霉菌生長有所差異，但整體呈現較慢的生長狀態，儲藏16周后，43%、75%、85%相對濕度下分別增長至4.32、4.57、4.96 lg CFU/g，霉菌種類主要為黃曲霉、米曲霉、白曲霉和常見青霉，所有儲藏條件下的稻谷未發生霉變。模擬儲藏2周以后，環境相對濕度對霉菌生長為顯著性影響因素(P<0.05)，第6周以后為極顯著性影響因素(P<0.01)。20 ℃相比10 ℃時霉菌數量略有增加，這與周建新等[26]的研究結果有相同的趨勢。

圖2 20 ℃時稻谷在不同環境相對濕度中的霉菌數量變化及Logistic模型擬合

同時得到采用Logistic方程擬合20 ℃時不同環境相對濕度中霉菌生長預測模型的曲線圖。由圖可知，Logistic方程能夠較好的擬合稻谷在20 ℃時不同環境相對濕度中的霉菌生長情況。此條件下對應的霉菌生長動力學模型如表2所示。表2中決定系數R2值均較高，都達到0.99以上，表明Logistic模型能很好的描述20 ℃下不同環境相對濕度中稻谷霉菌的生長狀況。Bf在0.70～0.90之間，說明所建模型可接受。由表2可知，環境相對濕度越高，模型的準確性越低，43%相對濕度時模型可以較好的預測霉菌的生長情況，75%相對濕度時所建模型尚具有一定的準確性，85%相對濕度時模型的未能準確預測霉菌的生長。

表2 20 ℃時不同環境相對濕度中稻谷霉菌的生長動力學模型及可靠性評價

2.3 25 ℃時稻谷霉菌數量變化及生長預測模型的建立

模擬儲藏溫度25 ℃時不同環境相對濕度中稻谷霉菌數量變化如圖3所示。由圖可知，稻谷霉菌在25 ℃時不同環境相對濕度中呈現不同的生長狀態，隨著相對濕度的增加，霉菌生長速度增加。儲藏16周后，43%、75%、85%相對濕度下分別增長至4.3、4.77、5.35 lg CFU/g，霉菌種類主要為黃曲霉、米曲霉、白曲霉和常見青霉，儲藏結束時85%相對濕度中的稻谷已經進入了輕微霉變狀態。在儲藏第6周至儲藏結束，相對濕度對霉菌生長一直為極顯著性影響因素(P<0.01)，25 ℃對霉菌來說更為適宜，環境相對濕度越大，霉菌生長越快[27]。

同時得到采用Logistic方程擬合25 ℃下不同環境相對濕度中霉菌生長預測模型的曲線圖，見圖3。由圖3可知，Logistic方程能夠較好的擬合稻谷在25 ℃時不同環境相對濕度中的霉菌生長情況。此條件下對應的霉菌生長動力學模型如表3所示。由表3可知，75%和85%相對濕度中的預測模型決定系數R2值均較高，達到了0.99以上，表明模型能很好的描述25 ℃下兩種環境相對濕度中稻谷霉菌的生長狀況。43%相對濕度中R2值在0.97以上，說明預測模型可以在較好的描述出25 ℃時低環境相對濕度中的霉菌生長狀況。Bf在0.70～0.90之間，說明所建模型可接受。結合Af值，表明所建模型預測準確程度在43%相對濕度時最高，75%相對濕度次之，85%相對濕度最差。

圖3 25 ℃時稻谷在不同環境相對濕度中的霉菌數量變化及Logistic模型擬合

表3 25 ℃時不同環境相對濕度中稻谷霉菌的生長動力學模型及可靠性評價

2.4 30 ℃時稻谷霉菌數量變化及生長預測模型的建立

模擬儲藏溫度30 ℃時不同環境相對濕度中稻谷霉菌數量變化如圖4所示。由圖4可知，稻谷霉菌在30 ℃時不同環境相對濕度中呈現不同的生長狀態，霉菌在43%相對濕度中生長緩慢，75%和 85%相對濕度中霉菌生長明顯加快。儲藏16周后，43%、75%、85%相對濕度下分別增長至4.36、5.70、6.69 lg CFU/g，黃曲霉、米曲霉、白曲霉和常見青霉，儲藏結束時75%相對濕度中的稻谷進入輕微霉變狀態，85%相對濕度中的稻谷已進入嚴重霉變狀態。在模擬儲藏2～4周時，相對濕度對霉菌生長為顯著性影響因素(P<0.05)，儲藏至第6周以后，相對濕度對霉菌生長為極顯著性影響因素(P<0.01)。30 ℃為實驗中霉菌生長的最適溫度[28]，故75%和85%相對濕度中霉菌生長較其他溫度明顯加快，而低環境相對濕度中的霉菌由于缺少微生物生長的必須條件仍處于緩慢生長狀態。同時得到采用Logistic方程擬合30 ℃下不同環境相對濕度中霉菌生長預測模型的曲線圖。由圖3可知，Logistic方程能夠較好的擬合稻谷在30 ℃時不同環境相對濕度中的霉菌生長情況。此條件下對應的霉菌生長動力學模型如表4所示。表4中決定系數R2值為0.975±0.006，表明模型能較好的描述30 ℃下不同環境相對濕度中稻谷霉菌的生長狀況。Bf在0.70～0.90之間，說明所建模型可接受。結合不同相對濕度時的Af值，結果表明所建模型能夠較好的預測43%相對濕度中的霉菌生長，對于75%和85%的相對濕度，所建模型具有較低的準確度。

圖4 30 ℃時稻谷在不同環境相對濕度中的霉菌數量變化及Logistic模型擬合

表4 30 ℃時不同環境相對濕度中稻谷霉菌的

2.5 40 ℃時稻谷霉菌數量變化及生長預測模型的建立

模擬儲藏溫度40 ℃時不同環境相對濕度中稻谷霉菌數量變化如圖5所示。由圖可知，稻谷霉菌在40 ℃時整體呈現緩慢生長的狀態，不同環境相對濕度中霉菌生長差別不明顯。儲藏16周后，43%、75%、85%相對濕度下分別增長至4.11、4.3、4.58lg CFU/g，主要霉菌種類為黃曲霉，在整個模擬儲藏過程中稻谷未發生霉變。模擬儲藏的2～6周和10～12周中，相對濕度對霉菌生長為顯著性影響因素(P<0.05)，40 ℃超過了霉菌生長的適宜溫度，故霉菌生長不明顯，并且由于高溫導致稻谷中水分散失，進一步抑制了霉菌的生長。儲藏至第12周后，環境相對濕度對霉菌生長為極顯著性差異(P<0.01)，高環境相對濕度在一定程度上彌補了高溫造成的水分散失。這與岳曉禹等[29]得出的超過30 ℃霉菌生長受到抑制的結論相似。

圖5 40 ℃時稻谷在不同環境相對濕度中的霉菌數量變化及Logistic模型擬合

同時得到采用Logistic方程擬合40 ℃下的不同環境相對濕度中霉菌生長預測模型的曲線圖。由圖可知，Logistic方程能夠較好的擬合稻谷在40 ℃時不同環境相對濕度中的霉菌生長情況。此條件下對應的霉菌生長動力學模型如表5所示。表5中決定系數R2值為0.985±0.005，表明模型能較好的描述40 ℃下不同環境相對濕度中稻谷霉菌的生長狀況。43%相對濕度下Bf在1.06～1.15之間，85%相對濕度下Bf在0.70～0.90之間，說明所建模型可接受，結合Af值，表明模型可以很好地預測稻谷霉菌在43%相對濕度中的生長，對于預測85%相對濕度中稻谷霉菌的生長具有較低的準確性。75%相對濕度下Bf在0.90～1.05之間，說明所建模型完全可接受，準確因子Af為1.469，表明模型能夠很好的預測此條件下稻谷霉菌生長。

表5 40 ℃時不同環境相對濕度中稻谷霉菌的生長動力學模型及可靠性評價

3 結論

本實驗研究了不同儲藏溫度和環境相對濕度中稻谷霉菌的生長規律，并建立了不同溫度、不同環境相對濕度下的稻谷霉菌的生長預測模型，不僅提供直觀的數據用于監控和預測具體儲藏環境下的稻谷霉菌安全性，而且對于在真實動態儲藏過程中稻谷的安全性提供了理論基礎。結果表明，在20 ℃及以下的儲藏條件中，霉菌數量增長緩慢，稻谷處于安全狀態；25 ℃時，85%相對濕度中的稻谷在儲藏第10周，進入輕微霉變狀態；30 ℃時，75%和85%相對濕度中的稻谷在第6周就已開始霉變，85%相對濕度下的稻谷在第8周進入嚴重霉變狀態；40 ℃時，霉菌數量處于安全水平，但高溫下稻谷質量劣變嚴重[30]。建立的Logistic方程的決定系數R2值為0.987±0.017，說明所建模型可以較好擬合稻谷在不同溫度、環境相對濕度中的霉菌生長情況。結合Bf和Af值，同一溫度下，環境相對濕度越高，模型的準確性越低；在10～30 ℃范圍內，隨著溫度的升高，模型準確性下降。10 ℃時，Logistic模型可以很好的預測稻谷霉菌的生長情況，40 ℃時，模型可以很好的預測43%和75%相對濕度中的稻谷霉菌生長，20 ℃時，43%和75%相對濕度中所建模型仍存在一定的準確性，25 ℃和30 ℃時，僅43%相對濕度中的模型存在一定的準確性，其余條件中模型則未能準確預測出稻谷霉菌的生長情況。這可能是因為Logistic模型描述的是單一環境中微生物數量與時間變化之間的關系[31]，而在高溫高濕環境中霉菌生長所受影響因素較多，故Logistic模型不能準確預測出霉菌生長。建立低溫與低濕結合的儲藏方法，探索簡單易操作的微生物預測模型，從而實現“生態”儲糧及對儲糧品質的評估和儲藏期預測，為發展安全儲糧、降低儲糧損失提供更為方便、科學的方法。