基于基于图像识别技术和人工神经网络的食品中大肠菌群的实时预测..doc

基于基于图像识别技术和人工神经网络能发酵乳糖、产酸产气、需氧和兼性厌氧的革兰氏阴性无芽胞杆菌埃希氏菌埃希氏菌Reichart，Szakmár，Jozwiak，Felfoldi，Baranyai（2007）报道，氧化还原电位测量方法可以作为一种合适的方法进行定量和定性测定细菌在他们的研究文章氧化还原电位测量方法大肠菌群进行了测试和验证结果证明这种新方法的高效和可靠性蛋白检测试剂盒可以显示实时然而，以前的研究已经表明，在土壤的情况下，为了获得实时信息，以监督生产和判断食品在生产过程中的污染状况，开发展中一个新的快速检测方法迫在眉睫。然而，大肠菌群的定义，它不是医学细菌学分类健康领域的，所以很难找到一个共同的特点。因此，难以实现接近实时的检测。为了解决这个问题，在本文中，图像识别技学和人工神经网络模型用于开发一个检测系统可以估算食品中总大肠菌群数。该系统可以在30分钟内获得总大肠菌群数（MPN1/100克或毫升）预测的结果实验结果呈正相关（相关系数R2 =0.9716）的。这是一种快速，有效的尚未被报道方法。在此之前的研究中，一些文献中关于人工神经网络用于细菌鉴定。Rebuffo, Schmitt, Wenning, von Stetten, and Scherer利用人工神经网络的傅立叶变换红外光谱以确定单核细胞增生李斯特氏菌和李斯特菌Rebuffo-S, Schmitt, 和Scherer单核细胞增生李斯特菌的人工神经网络的子网血清型和血清型的。两种分类系统的整合提供了通过简单地测量一个纯的红外光谱李斯特菌个单一的步骤同时识别李斯特氏菌在种的水平，单核细胞增生李斯特氏菌的血清水平，和大部分单核细胞增生李斯特氏菌菌株在血清变种水平。 Palanichamy Jayas，O157：H7。此外，一个大型数据库的人工神经网络（ANN）的方案已被用于分类和识别的海洋细菌属和种大肠菌群源于土壤，植物，人类和动物。大肠菌群的定义，它们是棒状生物体。因此，总的大肠菌群是杆菌总数的一部分。此外，总的杆菌总细菌的一部分。如果食物被大肠菌群，菌总数和细菌总数必然增加，总杆菌细菌总数的比例将增加。因此，污染的样品的比例将是高于未经污染的样品的比例，总大肠菌群的。我们。不同种类的食品样品，有所不同。基于理论分析，食品中的细菌主要来自在食品加工过程中的原料和外部环境的污染。而且，在最后的分析中，食品中的细菌来自空气，水和土壤中的微生物。，一个地区的细菌分布情况是平衡的，所以总杆菌和细菌总数比在小范围内波动，所以总大肠菌群数的总杆菌和细菌有可能有一定的相关性。总括来说，是否可以找到总大肠菌群细菌和杆菌的总数之间的关系是关键问题。在本文中，上述的想法是通过大量的实验数据证明。若干预测模型，提出了2.材料和方法2.1材料的选择和处理2.1.1材料 所有的样品都是当地食品厂的产品。面包，饼干及蛋糕被选定进行检测，以讨论总大肠菌群快速检测方法的可行性。 50克样品加入50毫升无菌生理盐水足搅拌器搅拌。通过一个10孔径的膜滤器过滤该混合物，以去除杂质颗粒。细菌是在滤液中，因为大多数细菌的实际尺寸是0.5-5。滤液，得到了0.1毫升滤液快速检测系统。亚甲基蓝染色方法被用于区分的活菌和死菌。亚甲蓝被广泛用于在分析化学中作为氧化还原指示剂在氧化环境中这种物质是蓝色，但是，如果暴露在还原剂会变成无色。它也可以作为一个指标，以确定一个细胞如细菌是活的或。蓝色指示变为无色在，从而表明细胞0.025克+氯化钠0.9克+氯化钾0.042克+的CaCl6Hò0.048克+的NaHCO0.02克+葡萄糖1克+蒸馏水100毫升苯基蓝染色溶液的制备。 亚甲基蓝染色溶液（0.1毫升）加入到上述滤液中（1:1）。染色时间为2分钟。为了保持细菌活着，染色之后才是涂抹玻片和固定步骤。这里使用的是与普通的固定方法（热固定方法）不同的固定方法。采用晾干固定的方法来保持细菌存活。染色后，在内部的深蓝色的圆圈中活的细菌是无色的，死菌是淡蓝色的。 2.2多管发酵法 三管MPN法大肠菌群发酵在FDA中被拿出来详细说明了。一个25g的样本被拿去立即与225ml的磷酸盐缓冲液或者消过毒的生理盐水按1:10的比例稀释，PH值为7.2，装在一个质的袋子里放进搅拌机中摇匀1分钟。然后这个样本被连续稀释十倍用来作为三管MPN法大肠菌群发酵法的培养液。悬浮液：从每个试管中取出1ml转移月桂醇硫酸酯蛋白胨肉汤培养基中，在35℃下保温24—48小时。培养液：从试管取一个铂环量的培养液在35℃的条件下与空气接触48小时，然后转移到亮绿乳糖肉汤培养基中，在35℃的条件下培养24-48小时。试管中与空气接触的接种体在亮绿乳糖肉汤培养基中会显示大肠菌群的存在，每1g样本中大肠菌的数量可以从MPN表中被计算出来。 2.3图像识别技术应用