不同储藏温、湿度对稻谷霉菌生长的影响及生长预测模型的建立

刘 慧 周建新 方 勇 高瑀珑 邱伟芬

(南京财经大学食品科学与工程学院；江苏省现代粮食流通与安全协同创新中心，南京 210023)

稻谷是我国重要的粮食作物，占全国粮食总量的32.24%[1]，但由于稻谷自身新陈代谢及环境条件等因素影响，我国粮食的产后损失非常严重[2]。新收获稻谷含水量通常较高，会加速稻谷本身及附着微生物和害虫的呼吸作用，导致谷堆发热，进而引起稻谷质量的加速劣变[3,4]，加之我国粮食储藏期普遍较长，粮堆易受环境、季节、通风等条件的影响[5]，储粮很有可能发生霉变，甚至产生有毒代谢物，影响稻谷品质及食用安全[6]。我国在稻谷入库之前通常会经过自然晾晒或人工干燥，降低稻谷水分含量[7]，并在储藏过程中通过通风降温、密闭储藏、熏蒸等措施防控稻谷霉菌生长[8]。

微生物预测模型对于食品安全管理起着重要的辅助作用[9]， 它是在微生物学、数学模型、统计学和应用计算机学的基础上建立起来的新兴学科[10]，通过模拟出能够描述和预测在特定条件下微生物生长和存活的模型，根据各种食品微生物在不同加工、储藏和流通条件下的特征数据，通过计算机处理，判断食品内主要致病菌和腐败菌生长动态变化，从而实现对食品质量和安全的快速评估与预测[11]。其中，初级模型最为简单易操作，代表为Gompertz模型、Logistic模型和Baranyi&Roberts模型，因拟合度较好而被广泛应用[12-17]。近年来，已有不少文章研究微生物预测模型在食品安全性方面的应用，但以细菌居多，且少量研究霉菌的文章通常以改变原始水分的材料为研究对象，且模型拟合程度并不理想[18]。本实验以粮仓中原始稻谷为研究对象，模拟现实环境中可能出现的温湿度条件，研究稻谷霉菌的生长规律，建立霉菌的生长动力学模型。

1 材料与方法

1.1 材料与试剂

籼稻采样于湖南省衡阳市，2017年收获，含水量为13.11%。

高盐察氏培养基、无水碳酸钾、氯化钠、氯化钾。

1.2 仪器与设备

PQX-3000型多段可编程人工气候箱；SW-CJ-1F型洁净工作台；LDZX-50FBS立式压力蒸汽灭菌器；GNP-9160型隔水式恒温培养箱。

1.3 实验方法

1.3.1 样品采集

实验稻谷采自湖南省衡阳市，样品为2017年入库籼稻。采用3层-5点取样法，分别在粮仓四角以及中央点作为取样点，每个取样点分别在距粮堆表层0.5 m、中央层、距地面0.5 m取样，样品放置在无菌采样袋中，于4 ℃储存。实验前将15个点的样品等量混合。

1.3.2 模拟储藏

对照饱和盐溶液标准相对湿度值对照表[19]，配置不同的饱和盐溶液。将分装后的稻谷放入盛有不同饱和盐溶液的密闭容器中，密封后将对应不同相对湿度(Relative Humidity, RH)的密闭容器分别放入5个温度梯度(10、20、25、30、40 ℃)的人工气候箱内储藏16周，每隔2周取样，测定稻谷霉菌数量。

1.3.3 稻谷霉菌培养

参照GB 4789.15—2016，选用高盐察氏培养基，28 ℃培养7 d后计数。

1.3.4 微生物生长动力学分析

利用Origin8.5软件将实验数据用Logistic模型进行拟合，建立稻谷霉菌在不同储藏条件下的初级生长模型。

模型的可靠性评价：采用偏差度(Bias factor,Bf)和准确度(Accuracy factor,Af)来评价所建霉菌生长动力学预测模型的可靠性。Bf和Af分别按照公式计算[20]。

式中：N实测为实际检测霉菌数；N预测为与实际检测值同一时间的模型预测菌落数；n为实验次数。

1.4 数据处理与分析

每组实验均3次重复，数据均采用Excel 2016和Origin 8.5数据统计软件进行数据处理和作图。

2 结果与分析

2.1 10 ℃时稻谷霉菌数量变化及生长预测模型的建立

模拟储藏温度10 ℃时不同环境相对湿度中稻谷霉菌数量变化如图1所示。由图1可知，稻谷霉菌在10 ℃时整体呈现缓慢生长的状态，储藏16周后，43%、75%、85%相对湿度下霉菌数量分别增长至4.29、4.38、4.49 lg CFU/g，霉菌种类主要为黄曲霉和白曲霉，稻谷在整个模拟储藏过程中未出现霉变[21]。模拟储藏的前10周，环境相对湿度对霉菌生长无显著性影响(P>0.05)，10周之后相对湿度对霉菌生长为显著性影响因素(P<0.05)。10 ℃不是霉菌生长的适宜温度，故在此条件下霉菌数量增长缓慢[22]。

同时，以储藏时间为自变量，不同环境相对湿度中的稻谷霉菌数量为因变量，采用Logistic方程进行拟合，得到霉菌生长预测模型曲线图。由图1霉菌生长拟合曲线可知，Logistic方程能够较好的拟合稻谷在10 ℃时不同环境相对湿度中的霉菌生长情况。此条件下对应的霉菌生长动力学模型如表1所示。表1中决定系数R2值均较高，都达到0.99以上，表明Logistic模型能很好地描述10 ℃下不同环境相对湿度中稻谷霉菌的生长状况。目前尚未对霉菌Bf值划分标准，故结合病原菌Bf值的划分标准可知，此条件下Bf值均在0.70～0.90之间，说明所建模型可以接受。Af值越大表示准确性越低，Af为1表示预测值与实测值之间完全吻合，此条件下Af为1.595±0.029，表明模型能够很好地预测10 ℃下不同环境相对湿度中的稻谷霉菌生长[23-25]。

图1 10 ℃时稻谷在不同环境相对湿度中的霉菌数量变化及Logistic模型拟合

表1 10 ℃时不同环境相对湿度中稻谷霉菌的生长动力学模型及可靠性评价

2.2 20 ℃时稻谷霉菌数量变化及生长预测模型的建立

模拟储藏温度20 ℃时不同环境相对湿度中稻谷霉菌数量变化如图2所示。由图2可知，稻谷霉菌在20 ℃时不同环境相对湿度中霉菌生长有所差异，但整体呈现较慢的生长状态，储藏16周后，43%、75%、85%相对湿度下分别增长至4.32、4.57、4.96 lg CFU/g，霉菌种类主要为黄曲霉、米曲霉、白曲霉和常见青霉，所有储藏条件下的稻谷未发生霉变。模拟储藏2周以后，环境相对湿度对霉菌生长为显著性影响因素(P<0.05)，第6周以后为极显著性影响因素(P<0.01)。20 ℃相比10 ℃时霉菌数量略有增加，这与周建新等[26]的研究结果有相同的趋势。

图2 20 ℃时稻谷在不同环境相对湿度中的霉菌数量变化及Logistic模型拟合

同时得到采用Logistic方程拟合20 ℃时不同环境相对湿度中霉菌生长预测模型的曲线图。由图可知，Logistic方程能够较好的拟合稻谷在20 ℃时不同环境相对湿度中的霉菌生长情况。此条件下对应的霉菌生长动力学模型如表2所示。表2中决定系数R2值均较高，都达到0.99以上，表明Logistic模型能很好的描述20 ℃下不同环境相对湿度中稻谷霉菌的生长状况。Bf在0.70～0.90之间，说明所建模型可接受。由表2可知，环境相对湿度越高，模型的准确性越低，43%相对湿度时模型可以较好的预测霉菌的生长情况，75%相对湿度时所建模型尚具有一定的准确性，85%相对湿度时模型的未能准确预测霉菌的生长。

表2 20 ℃时不同环境相对湿度中稻谷霉菌的生长动力学模型及可靠性评价

2.3 25 ℃时稻谷霉菌数量变化及生长预测模型的建立

模拟储藏温度25 ℃时不同环境相对湿度中稻谷霉菌数量变化如图3所示。由图可知，稻谷霉菌在25 ℃时不同环境相对湿度中呈现不同的生长状态，随着相对湿度的增加，霉菌生长速度增加。储藏16周后，43%、75%、85%相对湿度下分别增长至4.3、4.77、5.35 lg CFU/g，霉菌种类主要为黄曲霉、米曲霉、白曲霉和常见青霉，储藏结束时85%相对湿度中的稻谷已经进入了轻微霉变状态。在储藏第6周至储藏结束，相对湿度对霉菌生长一直为极显著性影响因素(P<0.01)，25 ℃对霉菌来说更为适宜，环境相对湿度越大，霉菌生长越快[27]。

同时得到采用Logistic方程拟合25 ℃下不同环境相对湿度中霉菌生长预测模型的曲线图，见图3。由图3可知，Logistic方程能够较好的拟合稻谷在25 ℃时不同环境相对湿度中的霉菌生长情况。此条件下对应的霉菌生长动力学模型如表3所示。由表3可知，75%和85%相对湿度中的预测模型决定系数R2值均较高，达到了0.99以上，表明模型能很好的描述25 ℃下两种环境相对湿度中稻谷霉菌的生长状况。43%相对湿度中R2值在0.97以上，说明预测模型可以在较好的描述出25 ℃时低环境相对湿度中的霉菌生长状况。Bf在0.70～0.90之间，说明所建模型可接受。结合Af值，表明所建模型预测准确程度在43%相对湿度时最高，75%相对湿度次之，85%相对湿度最差。

图3 25 ℃时稻谷在不同环境相对湿度中的霉菌数量变化及Logistic模型拟合

表3 25 ℃时不同环境相对湿度中稻谷霉菌的生长动力学模型及可靠性评价

2.4 30 ℃时稻谷霉菌数量变化及生长预测模型的建立

模拟储藏温度30 ℃时不同环境相对湿度中稻谷霉菌数量变化如图4所示。由图4可知，稻谷霉菌在30 ℃时不同环境相对湿度中呈现不同的生长状态，霉菌在43%相对湿度中生长缓慢，75%和 85%相对湿度中霉菌生长明显加快。储藏16周后，43%、75%、85%相对湿度下分别增长至4.36、5.70、6.69 lg CFU/g，黄曲霉、米曲霉、白曲霉和常见青霉，储藏结束时75%相对湿度中的稻谷进入轻微霉变状态，85%相对湿度中的稻谷已进入严重霉变状态。在模拟储藏2～4周时，相对湿度对霉菌生长为显著性影响因素(P<0.05)，储藏至第6周以后，相对湿度对霉菌生长为极显著性影响因素(P<0.01)。30 ℃为实验中霉菌生长的最适温度[28]，故75%和85%相对湿度中霉菌生长较其他温度明显加快，而低环境相对湿度中的霉菌由于缺少微生物生长的必须条件仍处于缓慢生长状态。同时得到采用Logistic方程拟合30 ℃下不同环境相对湿度中霉菌生长预测模型的曲线图。由图3可知，Logistic方程能够较好的拟合稻谷在30 ℃时不同环境相对湿度中的霉菌生长情况。此条件下对应的霉菌生长动力学模型如表4所示。表4中决定系数R2值为0.975±0.006，表明模型能较好的描述30 ℃下不同环境相对湿度中稻谷霉菌的生长状况。Bf在0.70～0.90之间，说明所建模型可接受。结合不同相对湿度时的Af值，结果表明所建模型能够较好的预测43%相对湿度中的霉菌生长，对于75%和85%的相对湿度，所建模型具有较低的准确度。

图4 30 ℃时稻谷在不同环境相对湿度中的霉菌数量变化及Logistic模型拟合

表4 30 ℃时不同环境相对湿度中稻谷霉菌的

2.5 40 ℃时稻谷霉菌数量变化及生长预测模型的建立

模拟储藏温度40 ℃时不同环境相对湿度中稻谷霉菌数量变化如图5所示。由图可知，稻谷霉菌在40 ℃时整体呈现缓慢生长的状态，不同环境相对湿度中霉菌生长差别不明显。储藏16周后，43%、75%、85%相对湿度下分别增长至4.11、4.3、4.58lg CFU/g，主要霉菌种类为黄曲霉，在整个模拟储藏过程中稻谷未发生霉变。模拟储藏的2～6周和10～12周中，相对湿度对霉菌生长为显著性影响因素(P<0.05)，40 ℃超过了霉菌生长的适宜温度，故霉菌生长不明显，并且由于高温导致稻谷中水分散失，进一步抑制了霉菌的生长。储藏至第12周后，环境相对湿度对霉菌生长为极显著性差异(P<0.01)，高环境相对湿度在一定程度上弥补了高温造成的水分散失。这与岳晓禹等[29]得出的超过30 ℃霉菌生长受到抑制的结论相似。

图5 40 ℃时稻谷在不同环境相对湿度中的霉菌数量变化及Logistic模型拟合

同时得到采用Logistic方程拟合40 ℃下的不同环境相对湿度中霉菌生长预测模型的曲线图。由图可知，Logistic方程能够较好的拟合稻谷在40 ℃时不同环境相对湿度中的霉菌生长情况。此条件下对应的霉菌生长动力学模型如表5所示。表5中决定系数R2值为0.985±0.005，表明模型能较好的描述40 ℃下不同环境相对湿度中稻谷霉菌的生长状况。43%相对湿度下Bf在1.06～1.15之间，85%相对湿度下Bf在0.70～0.90之间，说明所建模型可接受，结合Af值，表明模型可以很好地预测稻谷霉菌在43%相对湿度中的生长，对于预测85%相对湿度中稻谷霉菌的生长具有较低的准确性。75%相对湿度下Bf在0.90～1.05之间，说明所建模型完全可接受，准确因子Af为1.469，表明模型能够很好的预测此条件下稻谷霉菌生长。

表5 40 ℃时不同环境相对湿度中稻谷霉菌的生长动力学模型及可靠性评价

3 结论

本实验研究了不同储藏温度和环境相对湿度中稻谷霉菌的生长规律，并建立了不同温度、不同环境相对湿度下的稻谷霉菌的生长预测模型，不仅提供直观的数据用于监控和预测具体储藏环境下的稻谷霉菌安全性，而且对于在真实动态储藏过程中稻谷的安全性提供了理论基础。结果表明，在20 ℃及以下的储藏条件中，霉菌数量增长缓慢，稻谷处于安全状态；25 ℃时，85%相对湿度中的稻谷在储藏第10周，进入轻微霉变状态；30 ℃时，75%和85%相对湿度中的稻谷在第6周就已开始霉变，85%相对湿度下的稻谷在第8周进入严重霉变状态；40 ℃时，霉菌数量处于安全水平，但高温下稻谷质量劣变严重[30]。建立的Logistic方程的决定系数R2值为0.987±0.017，说明所建模型可以较好拟合稻谷在不同温度、环境相对湿度中的霉菌生长情况。结合Bf和Af值，同一温度下，环境相对湿度越高，模型的准确性越低；在10～30 ℃范围内，随着温度的升高，模型准确性下降。10 ℃时，Logistic模型可以很好的预测稻谷霉菌的生长情况，40 ℃时，模型可以很好的预测43%和75%相对湿度中的稻谷霉菌生长，20 ℃时，43%和75%相对湿度中所建模型仍存在一定的准确性，25 ℃和30 ℃时，仅43%相对湿度中的模型存在一定的准确性，其余条件中模型则未能准确预测出稻谷霉菌的生长情况。这可能是因为Logistic模型描述的是单一环境中微生物数量与时间变化之间的关系[31]，而在高温高湿环境中霉菌生长所受影响因素较多，故Logistic模型不能准确预测出霉菌生长。建立低温与低湿结合的储藏方法，探索简单易操作的微生物预测模型，从而实现“生态”储粮及对储粮品质的评估和储藏期预测，为发展安全储粮、降低储粮损失提供更为方便、科学的方法。