阮斯佳,趙欣欣,王燕,柳李旺,屠康,彭菁*

(1.南京農(nóng)業(yè)大學(xué)食品科學(xué)技術(shù)學(xué)院,江蘇 南京 210095;2.南京農(nóng)業(yè)大學(xué)園藝學(xué)院,江蘇 南京 210095)

鮮切蔬菜是一種經(jīng)過挑選、清洗、切分、殺菌等處理制成的可食用方便產(chǎn)品［1］。隨著生活水平的改善以及環(huán)境、健康意識的提高,鮮切蔬菜越來越受到消費(fèi)者青睞。蘿卜作為我國產(chǎn)量處于領(lǐng)先地位的蔬菜作物,富含維生素和碳水化合物［2］,具有抑菌、抗癌等食療價值［3］。除了鮮食菜用、油用［4］以及加工成腌制食品［5］,蘿卜也可生食,并且鮮切蘿卜新鮮、方便衛(wèi)生、營養(yǎng)價值高［6］,可以滿足消費(fèi)者快節(jié)奏的生活需求。由于蘿卜的肉質(zhì)根較大,在食用或者加工前,需要進(jìn)行清洗、去皮及機(jī)械切割等繁瑣工序。但鮮切處理會導(dǎo)致營養(yǎng)物滲出、表面易滋生微生物、加劇腐?。?］等問題。因此,探究一種能夠有效抑制鮮切蘿卜微生物的殺菌技術(shù)尤為重要。

光動力技術(shù)(photodynamic technology,PDT)作為一種非熱殺菌技術(shù),其殺菌原理是通過特定光源的能量激發(fā)光敏劑,通過2種不同的光氧化反應(yīng)機(jī)制(Ⅰ型和Ⅱ型)變成三重激發(fā)態(tài)的光敏劑,其中Ⅰ型機(jī)制為氧分子通過電子的轉(zhuǎn)移進(jìn)行光化學(xué)反應(yīng),而Ⅱ型機(jī)制通過光敏劑將其能量與氧分子相互作用發(fā)生反應(yīng)。在這個反應(yīng)過程中,會產(chǎn)生大量可殺傷微生物細(xì)胞的活性氧分子,導(dǎo)致微生物細(xì)胞發(fā)生氧化損傷,從而達(dá)到殺滅微生物的作用［8］。PDT技術(shù)最初應(yīng)用于醫(yī)學(xué)領(lǐng)域,近幾年逐漸發(fā)展并應(yīng)用于食品殺菌領(lǐng)域,是一種新型食品冷殺菌技術(shù)。Zhang等［9］研究證實姜黃素介導(dǎo)的PDT對新鮮水果表面細(xì)菌具有滅活作用,對大腸桿菌和細(xì)菌總數(shù)的滅活率均達(dá)到80%以上,并將葡萄的貨架期延長了2 d。PDT技術(shù)在鮮切果蔬上(包括馬鈴薯［10］、哈密瓜［11］、蘋果［12］等)也均取得了較好的殺菌效果。然而,光動力處理對鮮切蘿卜的殺菌研究尚未見報道。

優(yōu)化殺菌工藝是研究和發(fā)展光動力技術(shù)在食品殺菌中應(yīng)用的必要步驟。響應(yīng)面法(RSM)是一種評估、優(yōu)化多變量工藝參數(shù)及過程的統(tǒng)計方法,較為廣泛地適用于食品加工領(lǐng)域［13］。響應(yīng)面法通過試驗?zāi)芸焖俸Y選出既定范圍內(nèi)最優(yōu)工藝,但存在局部優(yōu)化精確度低的缺點(diǎn)［14］。近年來,隨著人工智能技術(shù)的興起,人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)作為其中的核心技術(shù)備受關(guān)注。ANN是一種能夠不斷學(xué)習(xí)并適應(yīng)非線性關(guān)系的復(fù)雜數(shù)學(xué)模型,通常用于模擬生物神經(jīng)網(wǎng)絡(luò)和處理信息［15］,適用于復(fù)雜工藝過程的預(yù)測和建模,克服了人工或統(tǒng)計方法難以解決的問題［16］,常與遺傳算法結(jié)合使用來獲得最優(yōu)解。遺傳算法(genetic algorithms,GA)是一種基于達(dá)爾文的遺傳進(jìn)化理論,采用遺傳算子以找到解決問題的最佳方案,在食品領(lǐng)域已有應(yīng)用［17］。目前,人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的結(jié)合已被應(yīng)用于葡萄酒［18］、李果實［19］以及檳榔青果汁［20］等食品品質(zhì)的優(yōu)化和預(yù)測上,其結(jié)果往往比回歸模型更精準(zhǔn)［21］。因此,本研究以姜黃素為光敏劑對鮮切蘿卜進(jìn)行光動力殺菌,基于RSM法和ANN-GA法優(yōu)化其殺菌參數(shù),包括光照功率、光照時間、孵育時間、光敏劑濃度等,并在此基礎(chǔ)上,比較2種優(yōu)化方法的建模效果并對產(chǎn)品主要品質(zhì)進(jìn)行評估,以期獲得最佳的光動力殺菌工藝。

1 材料與方法

1.1 材料與儀器

供試材料為白蘿卜品種‘南春白9號’(NAU NCB 9),采自江蘇省泰興市國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園。新鮮蘿卜拔起后(不清洗),運(yùn)輸至實驗室。

姜黃素(純度95%)購于Acemc生物科技公司;定制的LED藍(lán)光光源(波長為450～470 nm,燈管長度為0.6 m,燈管功率為18 W)購于貴翔有限公司;恒溫恒濕箱購于施都凱儀器設(shè)備有限公司;高速冷凍離心機(jī)購于 Sigma公司;紫外分光光度計購于日本島津公司;CR-13型色差計購于日本柯尼卡美能達(dá)公司;DBS-139 切片機(jī)購于廣州樂杰電器有限公司。

1.2 試驗方法

1.2.1 樣品制備挑選表面無機(jī)械損傷、無病害的大小均一成熟度相近的新鮮白蘿卜,自來水清洗后用紫外滅菌的不銹鋼削皮刀去皮,在切片機(jī)上切分成厚度約4 mm、直徑約6 cm的切片,備用。每組樣品12片,每個處理重復(fù)3組。

1.2.2 光動力殺菌處理準(zhǔn)確稱取 0.037 g 姜黃素加入至無水乙醇中溶解,定容至100 mL,混勻配制成1 mmol·L-1的姜黃素母液,轉(zhuǎn)移至棕色玻璃瓶,于4 ℃儲存待用。將鮮切蘿卜置于滅菌后的燒杯中,加入稀釋后的姜黃素溶液避光孵育。孵育結(jié)束后,取出并快速瀝干水分,置于無菌培養(yǎng)皿中,并采用LED 藍(lán)光光照。以上處理均經(jīng)過消毒。

1.2.3 單因素試驗設(shè)計以鮮切蘿卜的菌落總數(shù)為因變量,分別考察姜黃素濃度、光照強(qiáng)度、光照時間和孵育時間對于鮮切蘿卜菌落總數(shù)的影響,以未經(jīng)處理的鮮切蘿卜作為對照。在預(yù)試驗的基礎(chǔ)上,固定光照強(qiáng)度為100 μmol·m-2·s-1,光照時間為20 min,孵育時間為10 min,考察不同姜黃素濃度10、20、30、40、50 μmol·L-1對鮮切蘿卜的影響,并挑選出最佳處理濃度;固定光照時間為20 min,孵育時間為10 min及最佳姜黃素處理濃度,考察不同光照強(qiáng)度為10、55、100、200、400 μmol·m-2·s-1對鮮切蘿卜的影響;固定孵育時間為10 min、最佳姜黃素處理濃度及最佳光照強(qiáng)度,考察不同光照時間為10、20、30、40、50 min對鮮切蘿卜的影響。固定其余條件為最佳處理條件,考察孵育時間為5、10、15、20、25 min對鮮切蘿卜的影響。

1.2.4 中心組合(central composite design,CCD)試驗設(shè)計根據(jù)于金珅等［10］的研究結(jié)果,影響光動力殺菌效果的因素包括姜黃素濃度、光照強(qiáng)度、光照時間和孵育時間。結(jié)合單因素試驗結(jié)果選定以姜黃素濃度(A)、光照強(qiáng)度(B)、光照時間(C)以及孵育時間(D)為自變量,采用CCD設(shè)計因素水平試驗,見表1。試驗組共30組,其中包括6個中心點(diǎn),24個析因點(diǎn),每組試驗重復(fù)3次。

表1 CCD試驗設(shè)計因素與水平Table 1 Factors and levels for central composite design(CCD)

1.3 優(yōu)化模型

1.3.1 響應(yīng)面(RSM)模型建立基于CCD的試驗數(shù)據(jù)均值進(jìn)行響應(yīng)面建模,得到如下公式:

(1)

式中:Y表示方程響應(yīng)值［菌落總數(shù),lg(CFU·g-1)］;β0是常數(shù);βi、βii、βij分別為一次項系數(shù)、二次項系數(shù)和交互項系數(shù);xi和xj為試驗的自變量因素(A、B、C、D)。

采用Design-Expert 10.0.7軟件對CCD試驗結(jié)果進(jìn)行方差及回歸分析。

1.3.2 人工神經(jīng)網(wǎng)絡(luò)(ANN)模型建立通過人工神經(jīng)網(wǎng)絡(luò)研究不同因素對光動力殺菌效果的影響,ANN模型的建立使用Matlab R2016a軟件中的Neutral Net Fitting工具箱,采用三層BP神經(jīng)網(wǎng)絡(luò)建模,即包括輸入層、隱藏層和輸出層。其中姜黃素濃度、光照強(qiáng)度、光照時間和孵育時間為輸入變量,以測定的鮮切蘿卜菌落總數(shù)為輸出變量建立ANN模型。已有研究表明試驗設(shè)計合理時,使用小樣本數(shù)據(jù)建立模型可以保證模型的準(zhǔn)確性［22］。本研究使用了30個樣本來構(gòu)建ANN模型,使得樣本量與構(gòu)建RSM模型保持一致。ANN模型的訓(xùn)練使用Levenberg-Marquardt訓(xùn)練算法,隱含層和輸出層的傳遞函數(shù)分別為tansig函數(shù)和purelin函數(shù)。ANN模型的開發(fā)是通過將表1中的數(shù)據(jù)集隨機(jī)分成3組來進(jìn)行的:70%用于訓(xùn)練,15%用于測試,15%用于驗證,從而完成ANN的自我適應(yīng)、自我學(xué)習(xí)訓(xùn)練和預(yù)測,并尋找到最優(yōu)模型。

1.3.3 基于ANN的GA尋優(yōu)基于1.3.2節(jié)構(gòu)建的ANN結(jié)果,將其與GA結(jié)合對光動力殺菌的參數(shù)尋優(yōu)。運(yùn)行Matlab R2016a軟件中的Optimization優(yōu)化工具,Solver選擇GA,變量數(shù)為4,Plot函數(shù)選擇最佳擬合,設(shè)置最大遺傳迭代數(shù)為 100,其余均保持默認(rèn)值。運(yùn)行后,得到迭代的平均適應(yīng)度變化結(jié)果,以此尋找到光動力殺菌條件的最優(yōu)值。

1.3.4 模型驗證及比較為了檢驗?zāi)Ｐ偷挠行院蜏?zhǔn)確度,必須驗證基于RSM模型和ANN-GA模型下,優(yōu)化的光動力技術(shù)的殺菌條件的殺菌效果實際值與預(yù)測值的差異。使用模型的決定系數(shù)(R2)、均方根誤差(RMSE)、絕對平均偏差(AAD)、偏差因子(Bf)、準(zhǔn)確度因子(Af)等評估指標(biāo)［23-24］,來評估2個模型的預(yù)測能力,具體公式如下:

(2)

(3)

(4)

(5)

(6)

1.4 指標(biāo)測定

(7)

1.5 數(shù)據(jù)統(tǒng)計

采用SPSS Statistics 26軟件進(jìn)行單因素方差分析(ANOVA),選擇鄧肯法用于檢驗不同組樣本之間差異顯著性(P<0.05)。Origin Pro 2022b軟件繪制圖表;Design-Expert 10.0.7進(jìn)行CCD設(shè)計并構(gòu)建響應(yīng)面模型;Matlab R2016a構(gòu)建ANN模型并使用GA優(yōu)化。

2 結(jié)果與分析

2.1 單因素試驗

由圖1可見:4個因素對鮮切蘿卜表面微生物的光動力殺菌效果均有顯著性影響(P<0.05)。光動力的殺菌效果隨著姜黃素濃度在一定范圍內(nèi)增加而增強(qiáng)(圖1-A)。姜黃素濃度為30 μmol·L-1時,鮮切蘿卜的菌落總數(shù)比CK(未經(jīng)處理的空白對照)減少了101.26CFU·g-1,此時殺菌效果最強(qiáng)。隨著姜黃素濃度的繼續(xù)增加,光動力的殺菌效果相對下降。同時發(fā)現(xiàn),相對于CK,單獨(dú)藍(lán)光照射(0 μmol·L-1)對鮮切蘿卜沒有明顯的殺菌效果,但是加入姜黃素處理后,鮮切蘿卜表面的菌落總數(shù)顯著下降。由圖1-B可見:光照強(qiáng)度為100 μmol·m-2·s-1時,對鮮切蘿卜的殺菌效果最好。光照強(qiáng)度增加到一定程度,殺菌效果不再隨著光照強(qiáng)度增加而增大。因此,選擇姜黃素濃度為30 μmol·L-1,光照強(qiáng)度為100 μmol·m-2·s-1繼續(xù)后面的單因素試驗。如圖1-C所示:樣品經(jīng)處理后,在藍(lán)光下的暴露時間由0 min增加到30 min時,光動力殺菌效果與光照時間呈正相關(guān)。光動力處理鮮切蘿卜40和50 min時,菌落總數(shù)分別為102.95、102.96CFU·g-1。相對于光照30 min處理,增加光照時間菌落總數(shù)并沒有顯著下降(P>0.05)。由圖1-D可見:孵育時間為0 min時,菌落總數(shù)顯著降低至100.53CFU·g-1。孵育時間為15 和20 min時殺菌效果更好。孵育時間長短決定了光敏劑與細(xì)菌的結(jié)合情況,孵育時間過長對正常機(jī)體細(xì)胞可能損傷,因此CCD設(shè)計中控制孵育時間在15 min以內(nèi)。

圖1 不同姜黃素濃度(A)、光照強(qiáng)度(B)、光照時間(C)和孵育時間(D)為對鮮切蘿卜的光動力殺菌效果Fig.1 The pasteurization effect of photodynamic technology(PDT)on fresh-cut radishes under different curcumin concentration(A),light intensity(B),illumination time(C)and incubation time(D) 不同字母代表各組數(shù)據(jù)有顯著差異(P<0.05)。CK為未經(jīng)處理的樣品,0為未經(jīng)該因素處理但經(jīng)過其他因素處理。Different letters represent significant differences of data in the different groups(P<0.05). Control is untreated samples,and 0 group is untreated by this factor but treated by other factors.

2.2 中心組合(CCD)試驗結(jié)果及響應(yīng)面模型

在單因素試驗基礎(chǔ)上,根據(jù)CCD試驗設(shè)計原理,按照表1以姜黃素濃度(A)、光照強(qiáng)度(B)、光照時間(C)和孵育時間(D)為自變量,以菌落總數(shù)(Y)為響應(yīng)值進(jìn)行分析,結(jié)果如表2所示。

表2 中心組合試驗設(shè)計及結(jié)果Table 2 Central composite design matrix and results

CCD試驗所得數(shù)據(jù)經(jīng)多元回歸擬合,得到二次模型回歸方程為:Y=2.8-0.061A-0.17B-0.053C-0.046D-0.048AB+0.005 625AC-0.015AD-0.065BC+0.028BD+0.032CD+0.044A2-0.02B2-0.001 896C2-0.008 843D2。模型的相關(guān)系數(shù)R2為0.939 2,說明該回歸方程用于CCD試驗結(jié)果的擬合效果較好。

由表3可知:光動力殺菌技術(shù)二次回歸模型極顯著(P<0.01),失擬項F值誤差不顯著,說明該回歸方程的差異極顯著,由此可知該模型可信度高,CCD試驗結(jié)果具有意義。光動力殺菌技術(shù)二次回歸模型中的單項因素對響應(yīng)值(Y)的因素影響順序為光照強(qiáng)度(B)、光照時間(C)、姜黃素濃度(A)、孵育時間(D),且4個因素影響極顯著(P<0.01);交互項BC影響極顯著,AB影響顯著,AD、AC、BD影響不顯著;二次項A2影響極顯著,其余影響均不顯著。光照強(qiáng)度和光照時間對光動力技術(shù)發(fā)揮殺菌作用有重要影響,其次是姜黃素濃度和孵育時間。試驗結(jié)果得出光動力殺菌最佳條件:姜黃素濃度為30 μmol·L-1,光照強(qiáng)度為100 μmol·m-2·s-1,光照時間為30 min,孵育時間為15 min。

表3 響應(yīng)面模型方差分析Table 3 Analysis of variance for the regression model

2.3 人工神經(jīng)網(wǎng)絡(luò)的建立與優(yōu)化結(jié)果

以表3中的姜黃素濃度(A)、光照強(qiáng)度(B)、光照時間(C)、孵育時間(D)為輸入值,對應(yīng)鮮切蘿卜的菌落總數(shù)lg(CFU·g-1)為輸出值,建立人工神經(jīng)網(wǎng)絡(luò)(ANN),即輸入層包含4個神經(jīng)元,輸出層為1個神經(jīng)元。其中,隱藏層數(shù)設(shè)為1,因為隱藏層數(shù)過多時,數(shù)據(jù)可能會過度擬合［29］。通常隱藏層中的神經(jīng)元數(shù)量為5～20,為了更加精準(zhǔn)有效地擬合試驗數(shù)據(jù),通過訓(xùn)練具有各種結(jié)構(gòu)的網(wǎng)絡(luò),確定隱藏層的神經(jīng)元數(shù)量為10,確定神經(jīng)網(wǎng)絡(luò)的最佳拓?fù)浣Y(jié)構(gòu)為4-10-1,如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 Neural network topology

通過上述神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)訓(xùn)練,一直進(jìn)行到響應(yīng)的試驗值和預(yù)測值之間的誤差達(dá)到最小值,得到的訓(xùn)練、驗證、測試和所有數(shù)據(jù)集的均方誤差MSE分別為1.28×10-4、2.07×10-4、2.07×10-4和2.07×10-4。由圖3可見:30組試驗值與訓(xùn)練值、驗證值、測試值和整體值的相關(guān)系數(shù)R2分別為0.999、0.995、0.992和0.988。由ANN訓(xùn)練結(jié)果得到的MSE近乎0,R2近乎1,由此表明ANN模型預(yù)測的數(shù)值與試驗值(表4)密切相關(guān),預(yù)測模型可靠。

圖3 構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練、驗證、測試和整體數(shù)據(jù)集的相關(guān)系數(shù)Fig.3 Correlation coefficients for training,validation,testing and overall datasets for the developed artifical neural network(ANN)model

表4 菌落總數(shù)的試驗值和人工神經(jīng)網(wǎng)絡(luò)的預(yù)測值Table 4 The experimental and ANN-predicted values of the total number of bacterial colonies

2.4 遺傳算法尋優(yōu)

在人工神經(jīng)網(wǎng)絡(luò)(ANN)模型基礎(chǔ)上,利用遺傳算法(GA)對光動力殺菌條件進(jìn)行尋優(yōu),依據(jù)1.3.4節(jié)中的試驗方法設(shè)置GA參數(shù)。GA經(jīng)過迭代模擬95次,菌落總數(shù)的適度函數(shù)值趨于穩(wěn)定,GA找到了模型的最小值,適應(yīng)過程如圖4所示。當(dāng)姜黃素濃度為30 μmol·L-1,光照強(qiáng)度為100 μmol·m-2·s-1,光照時間為24.50 min,孵育時間為14.75 min時,菌落總數(shù)預(yù)測值為102.35CFU·g-1。

圖4 GA中菌落總數(shù)適應(yīng)值變化過程Fig.4 The process of the fitness values of the total number of bacterial colonies

2.5 模型驗證試驗

由表5可知:響應(yīng)面(RSM)模型的R2、RMSE分別為0.939、0.048,ANN-GA模型分別為0.987、0.036。ANN-GA模型的R2更接近于1,說明模型整體擬合效果更好,ANN-GA的RMSE更接近于0,說明ANN-GA模型擬合的預(yù)測值離散程度更低。ANN-GA模型的RMSE、Bf、AAD、Af均小于RSM模型,表明ANN-GA模型預(yù)測的結(jié)果更加準(zhǔn)確可靠。綜合以上評價參數(shù)比較ANN-GA模型和RSM模型對鮮切蘿卜光動力殺菌效果的預(yù)測,發(fā)現(xiàn)在本研究中ANN-GA模型的預(yù)測能力更佳。

表5 響應(yīng)面模型(RSM)與人工神經(jīng)網(wǎng)絡(luò)-遺傳算法(ANN-GA)模型評價參數(shù)比較Table 5 Comparison of the statistical parameters of response surface methodology(RSM)and artificial neural network-genetic algorithm(ANN-GA)models

為了進(jìn)一步檢測模型的可靠性,對基于RSM和ANN-GA模型優(yōu)化的光動力殺菌條件下試驗值與預(yù)測值的一致性進(jìn)行驗證,結(jié)果(表6)顯示,RSM和ANN-GA模型預(yù)測結(jié)果的相對誤差值均小于5%,在合理范圍內(nèi)［30］,但ANN-GA模型比RSM模型的相對誤差更小,表明其模型具有更高的精確度和應(yīng)用性。

表6 RSM模型與ANN-GA模型優(yōu)化結(jié)果比較Table 6 Comparison of optimization results of the RSM model and ANN-GA model

由于RSM和ANN-GA模型優(yōu)化條件下處理的鮮切蘿卜的菌落總數(shù)非常接近,且無顯著性差異,考慮到實際生產(chǎn)中,殺菌工藝對鮮切蘿卜的品質(zhì)有所影響,故進(jìn)一步評估經(jīng)模型優(yōu)化后的光動力殺菌技術(shù)對鮮切蘿卜品質(zhì)的影響。通過比較2種優(yōu)化條件處理后鮮切蘿卜的主要品質(zhì)指標(biāo)維生素C、總酚及總色差的變化,并以新鮮蘿卜的樣品為對照,以期挑選出最佳殺菌工藝參數(shù)。

由表7可見:PDT殺菌處理可一定程度提高鮮切蘿卜中維生素C和總酚含量。同時,基于ANN-GA優(yōu)化條件下的光動力技術(shù)對鮮切蘿卜的維生素C(25.14 mg·100 g-1)和總酚(183.99 mg·100 g-1)的保留效果顯著優(yōu)于RSM組的結(jié)果(維生素C含量為23.74 mg·100 g-1、總酚含量為177.75 mg·100 g-1)。與對照組相比,2個優(yōu)化條件下的處理組對鮮切蘿卜色差均小于3,但2組處理間色差無明顯差異。綜合考慮殺菌效果及產(chǎn)品品質(zhì),最終選擇ANN-GA模型優(yōu)化獲得的殺菌條件作為鮮切蘿卜殺菌的最佳工藝,即姜黃素濃度為30 μmol·L-1,光照強(qiáng)度為100 μmol·m-2·s-1,光照時間為24.50 min,孵育時間為14.75 min。

表7 不同優(yōu)化條件下鮮切蘿卜主要品質(zhì)比較Table 7 Comparison of the main qualities of fresh-cut radish under different optimization conditions

3 討論與結(jié)論

光動力技術(shù)作為食品領(lǐng)域新興的冷殺菌技術(shù),為鮮切蘿卜的加工和貯藏保鮮提供了一種可能的方案。本研究探討了鮮切蘿卜PDT殺菌的主要影響因素,即姜黃素濃度、光照強(qiáng)度、光照時間及孵育時間。本研究發(fā)現(xiàn),提高姜黃素濃度可以有效發(fā)揮光動力對鮮切蘿卜的殺菌作用,于金珅等［10］在鮮切馬鈴薯上也發(fā)現(xiàn)類似結(jié)果。然而,提高姜黃素溶液至50 μmol·L-1時殺菌效果并不是最好,推斷經(jīng)較高濃度的姜黃素溶液處理的鮮切蘿卜雖會產(chǎn)生更多光毒性活性氧損傷細(xì)菌結(jié)構(gòu)［31］,但其濃度過高時亦可能對機(jī)體的細(xì)胞結(jié)構(gòu)造成損傷,進(jìn)而減弱其殺菌效果。姜黃素作為光敏劑可以被400～500 nm的藍(lán)光激發(fā),產(chǎn)生光化學(xué)反應(yīng)殺滅食品表面微生物。因此,藍(lán)光的光照強(qiáng)度是影響光動力技術(shù)發(fā)揮作用的重要因素。本研究采用LED藍(lán)光單獨(dú)處理鮮切蘿卜,其菌落總數(shù)與CK相比,并無顯著變化,這是因為此時藍(lán)光的光照強(qiáng)度(100 μmol·m-2·s-1)未達(dá)到單獨(dú)殺菌的程度［32］,可排除LED藍(lán)光對殺菌作用的影響。光照強(qiáng)度增加到一定程度,殺菌效果不再隨著光照強(qiáng)度增加而逐漸增大。原因可能是藍(lán)光光源強(qiáng)度過高,引起食品表面溫度增加［33］,給細(xì)菌的生長提供了熱量［34］。光照時間增加到50 min時,光動力殺菌效果不會對應(yīng)增強(qiáng),可能是過度光照將部分光能轉(zhuǎn)化成熱能［35］,導(dǎo)致其殺滅微生物的能力與微生物增長情況相互抵消。于金珅等［10］提出,孵育時間的長短對姜黃素介導(dǎo)的光動力殺菌能力有影響,可能是因為對樣品表面富集姜黃素的實際作用濃度有影響［36］,但從響應(yīng)面方差分析來看,對比其余3個因素,孵育時間影響效果最小。

本研究基于RSM和ANN-GA方法分別構(gòu)建并比較其殺菌預(yù)測模型,結(jié)果表明在一定范圍內(nèi)增加光照強(qiáng)度及時間、姜黃素的濃度和孵育時間,PDT的殺菌效果會隨之增強(qiáng)。通過CCD設(shè)計試驗,創(chuàng)新性地采用4-10-1的拓?fù)浣Y(jié)構(gòu)建立預(yù)測鮮切蘿卜PDT殺菌的ANN模型,所得模型R2為0.988。在此基礎(chǔ)上通過遺傳算法迭代優(yōu)化,得出菌落總數(shù)最低值以及光動力處理最優(yōu)條件。2種模型均能用于處理PDT殺菌工藝中的多因素、多水平問題。與所構(gòu)建的RSM預(yù)測模型(RMSE=0.048)相比,ANN-GA模型顯示出更好的預(yù)測能力(RMSE=0.036),并被驗證試驗所證實,與謝春平等［37］比較RSM與ANN的預(yù)測能力的研究結(jié)果類似。本研究中,比較不同光動力處理條件下鮮切蘿卜的主要品質(zhì),發(fā)現(xiàn)PDT殺菌處理可一定程度提高鮮切蘿卜中維生素 C和總酚含量。類似的結(jié)果Tao 等［12］在鮮切蘋果的PDT處理過程中也有報道,歸因于PDT可以抑制多酚氧化酶活性并促進(jìn)總酚的積累,且光照處理可能會提高糖類物質(zhì)含量并激活相關(guān)基因促進(jìn)維生素C合成［38］。ANN-GA預(yù)測模型最優(yōu)條件下所獲殺菌實際值與預(yù)測值之間的相對誤差僅為0.84%,且該條件下鮮切蘿卜主要品質(zhì)指標(biāo)相對更好。由此獲得鮮切蘿卜PDT最佳殺菌工藝:姜黃素濃度為30 μmol·L-1,光照強(qiáng)度為100 μmol·m-2·s-1,光照時間為24.50 min,孵育時間為14.75 min。

綜上所述,本研究結(jié)果表明PDT可以顯著滅活鮮切蘿卜表面的微生物,通過單因素試驗和ANN-GA方法優(yōu)化獲得光動力殺菌條件,將鮮切蘿卜的菌落總數(shù)從104.14CFU·g-1降至102.37CFU·g-1,且較高程度地保留了鮮切蘿卜的品質(zhì)。本文系統(tǒng)探討了光動力技術(shù)對鮮切蘿卜的殺菌效果并創(chuàng)新性地采用ANN-GA法預(yù)測此過程,為光動力技術(shù)在果蔬殺菌領(lǐng)域的應(yīng)用提供了理論參考。