本文系Journal of Future Foods原創(chuàng)編譯，歡迎分享，轉(zhuǎn)載請授權(quán)。

Introduction

雞蛋富含各種營養(yǎng)物質(zhì)，如蛋白質(zhì)、維生素、脂肪和礦物質(zhì)，深受消費者喜愛。由于老化過程的影響，雞蛋的化學(xué)、物理、微生物和功能特性在產(chǎn)蛋后立即開始發(fā)生變化。雞蛋在貯藏過程中的品質(zhì)變化關(guān)系到其貨架期和經(jīng)濟(jì)價值。事實證明，溫度、相對濕度、是否清潔和微生物等因素對雞蛋貯藏過程中的質(zhì)量有著至關(guān)重要的影響。

據(jù)報道，隨著蛋雞年齡的增長，肝細(xì)胞體積的減小、細(xì)胞核形態(tài)發(fā)生變化造成肝臟卵黃前體的合成和運輸減少、卵巢抗氧化能力降低，最終導(dǎo)致蛋雞產(chǎn)蛋量下降。目前，較少有研究調(diào)查母雞年齡對雞蛋貨架期的影響。為了對貨架期進(jìn)行適當(dāng)評估，有必要研究其對雞蛋整個貯藏過程中新鮮度的影響。

隨著計算機(jī)科學(xué)的發(fā)展，機(jī)器學(xué)習(xí)方法已逐漸滲透到食品質(zhì)量與安全檢測領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量回歸和隨機(jī)森林等算法可以通過建立復(fù)雜的線性和非線性關(guān)系，靈活而精確地表示食品中的物理和化學(xué)變化。在雞蛋科學(xué)領(lǐng)域，機(jī)器學(xué)習(xí)方法主要與光譜學(xué)、機(jī)器視覺和電子鼻等非破壞性檢測技術(shù)相結(jié)合，用于新鮮度檢測、裂紋識別和蛋殼強(qiáng)度評估，而有關(guān)貨架期預(yù)測的研究很少。這可能是由于影響新鮮雞蛋在貯藏過程中質(zhì)量變化的因素較多，而且目前還沒有統(tǒng)一的標(biāo)準(zhǔn)來定義雞蛋的貨架期。雞蛋貨架期模型的構(gòu)建可以減少雞蛋長時間貯藏造成的損失，保證上市雞蛋的質(zhì)量。通過構(gòu)建HU、氣室高度（ACD）、蛋黃指數(shù)（YI）、蛋清pH（ApH）和質(zhì)量損失率（WL）等新鮮度指標(biāo)與雞蛋剩余貨架期之間的聯(lián)系，可以實現(xiàn)對雞蛋貨架期的實時、快速和準(zhǔn)確預(yù)測。

作為機(jī)器學(xué)習(xí)的一種，反向傳播人工神經(jīng)網(wǎng)絡(luò)（BP-ANN）已被廣泛應(yīng)用于機(jī)器人學(xué)、環(huán)境科學(xué)、力學(xué)等領(lǐng)域。在食品質(zhì)量與安全控制、風(fēng)味研究和過程優(yōu)化等領(lǐng)域，BP-ANN 憑借其強(qiáng)大的非線性映射和自學(xué)習(xí)能力，已被用于解決信息提取、特征選擇、分類和回歸等高維問題。另一方面，BP-ANN是一種局部搜索優(yōu)化策略，對網(wǎng)絡(luò)的起始權(quán)重極為敏感。在以往的研究中，遺傳算法和粒子群優(yōu)化技術(shù)最常用于優(yōu)化BP-ANN權(quán)重和閾值。布谷鳥搜索（CS）算法是一種新的生物啟發(fā)算法，它通過模仿布谷鳥寄生育雛的習(xí)性來解決優(yōu)化問題。將CS算法納入BP-ANN并命名為CS-BP，可防止其陷入局部最小值問題。Freund和Schapire的自適應(yīng)提升（AdaBoost）算法將多個弱學(xué)習(xí)模型合并為一個強(qiáng)學(xué)習(xí)模型，并在分類和回歸應(yīng)用中取得了令人滿意的效果。在本研究中，將CS-BP作為AdaBoost算法的弱學(xué)習(xí)模型，稱為CS-BP-AdaBoost，這種混合模型既能解決 BP-ANN的缺點，又能提高收斂速度和預(yù)測精度。

因此，本文旨在：1）研究母雞年齡對雞蛋貯藏品質(zhì)的影響；2）隨后建立CS-BP-AdaBoost模型，根據(jù)多個雞蛋質(zhì)量指標(biāo)預(yù)測剩余貨架期。在模型構(gòu)建步驟中，對超參數(shù)進(jìn)行了優(yōu)化，并與其他機(jī)器學(xué)習(xí)模型進(jìn)行了比較。這項研究旨在為準(zhǔn)確、全面地預(yù)測雞蛋在常溫條件下的貨架期提供技術(shù)支持。

Results

雞蛋貯藏過程中新鮮度的變化

如圖1A所示，隨著貯藏時間的延長，S26、O27、S57和O58組樣品的HU呈下降趨勢。貯藏初期，4 組之間的HU差異顯著，從大到小依次為O27＞S26＞O58＞S57）。以HU＜60作為雞蛋貨架期的終點，可以得出結(jié)論，S26、O27、S57和O58組的樣品在室溫下的貨架期分別為9、12、6、6 d，且年輕組雞蛋的貨架期明顯長于年長組。由此可見，母雞年齡對雞蛋貯藏初期的HU有重要影響。此外，在相同品種和貯藏時間下，母雞年齡對HU有顯著影響當(dāng)貯藏時間相同時，O27組在整個貯藏期間的HU值明顯高于O58組；同樣，在大部分時間內(nèi)，S26組的HU明顯高于S57組。

圖1 蛋雞年齡對雞蛋貯藏過程中HU（A）、YI（B）、ACD（C）、ApH（D）和WL（E）的影響

4 組雞蛋的YI變化趨勢如圖1B所示，在貯藏過程中呈下降趨勢，這是由于蛋內(nèi)蛋黃膜變薄，水分從蛋白轉(zhuǎn)移到蛋黃。貯藏初期，4 個組的初始YI存在一定差異，S26組最高，為0.429，而O27、S57和O58組分別為0.401、0.400和0.411。母雞年齡對YI的影響在第9天后逐漸顯現(xiàn)，年輕組的YI高于年長組。

如圖1C所示，隨著貯藏時間的延長，各組的ACD均逐漸增大。在相同的貯藏時間內(nèi)，年輕組的ACD在整個貯藏期內(nèi)均低于年長組。如圖1D所示，S26、O27、S57和O58在貯藏的前3天顯著增加，第 6～15天增加不顯著。母雞年齡的差異對整個貯藏期的ApH沒有顯著影響。

如圖1E所示，S26、O27、S57和O58組的WL在整個貯藏期間都有顯著增加。結(jié)果表明，貯藏時間的變化對WL有重要影響。此外，在相同的貯藏時間內(nèi)，年輕組母雞的WL均低于年長組母雞。

模型構(gòu)建和超參數(shù)調(diào)整

圖2反映了新鮮度指標(biāo)（HU、YI、ACD、Aph和WL）與剩余貨架期之間的相關(guān)性。從圖中可以看出，所有指標(biāo)均與雞蛋剩余貨架期有較強(qiáng)相關(guān)性，從高到低依次為：ACD、WL、YI、ApH和HU。因此，采用上述指標(biāo)來評價雞蛋的剩余貨架期是合理的。

圖2 雞蛋新鮮度指標(biāo)與剩余貨架期相關(guān)性的熱圖

本研究采用 BP-ANN、CS-BP、經(jīng)AdaBoost優(yōu)化的BP-ANN模型（BP-AdaBoost）和CS-BP-AdaBoost模型來建立雞蛋新鮮度與剩余貨架期之間的關(guān)系，模型構(gòu)建及預(yù)測過程如圖3所示。選擇HU、YI、ACD、ApH、品種和雞齡作為輸入?yún)?shù)，剩余貨架期作為輸出參數(shù)。

圖3 BP-ANN預(yù)測流程圖

如圖4A所示，隨著學(xué)習(xí)率（lr）增大，模型性能呈現(xiàn)先增大后減小的趨勢。當(dāng)lr為0.000 1時，CS-BP-AdaBoost的RMSE最低，為0.690 5，R2最高，為0.964 8。

圖4 不同學(xué)習(xí)率（A）和不同隱層神經(jīng)元數(shù)量（B）的CS-BP-AdaBoost模型在驗證集上的預(yù)測性能

本文選取了7 種典型訓(xùn)練算法進(jìn)行比較（表1）。與其余6種算法相比，trainlm的RMSE最低（0.870 9），R2最高（0.955 6）。在預(yù)測雞蛋的剩余貨架期方面，trainlm在BP-ANN 結(jié)構(gòu)中表現(xiàn)出最佳性能。traingdm表現(xiàn)最差，RMSE最高（2.384 5），R2最低（0.640 5）。這些算法預(yù)測性能差異的原因可能是數(shù)據(jù)集的組合性和非線性條件。

表1 不同訓(xùn)練函數(shù)下的CS-BP-AdaBoost模型性能

如表2所示，當(dāng)傳遞函數(shù)組合為（tansig、purelin）時，CS-BP-AdaBoost在驗證集上獲得了最高的魯棒性（R2＝0.954 8，RMSE＝0.820 7）。

表2 不同傳遞函數(shù)組合下的CS-BP-AdaBoost模型性能

圖4B顯示了訓(xùn)練集、驗證集和測試集中各節(jié)點下模型的擬合優(yōu)度和預(yù)測誤差。結(jié)果發(fā)現(xiàn)，當(dāng)神經(jīng)元數(shù)為5時，驗證集的RMSE最低（0.751 6），R2最高（0.966 6）。優(yōu)化后的CS-BP-AdaBoost超參數(shù)為：學(xué)習(xí)率0.000 1，訓(xùn)練函數(shù)trainlm，傳遞函數(shù)組合為（tansig、purelin），隱層神經(jīng)元數(shù)為5。在驗證集上，應(yīng)用相同的程序調(diào)整BP-ANN、BP-AdaBoost和CS-BP的參數(shù)。最佳超參數(shù)組合接下來將用于預(yù)測測試集數(shù)據(jù)。

模型評估和測試

由表3可知，加入CS和AdaBoost算法后，每個混合模型在測試集上的預(yù)測準(zhǔn)確率都有不同程度的提高。結(jié)果表明，基于CS算法和AdaBoost算法的混合BP-ANN模型在預(yù)測雞蛋剩余貨架期方面表現(xiàn)最佳，明顯優(yōu)于BP-ANN。

表3 不同模型的預(yù)測性能比較

此外，當(dāng)輸入?yún)?shù)不包括母雞年齡時，預(yù)測準(zhǔn)確率下降（表3）。在測試集中，CS-BP-AdaBoost-WHA 的R2降低，RMSE增加；同樣，CS-BP-AdaBoost-WHA 在測試集中的相對誤差也很高（圖5）。結(jié)果表明，將母雞年齡作為輸入?yún)?shù)有助于提高雞蛋貨架期的預(yù)測精度。

圖5 BP-ANN、CS-BP、BP-AdaBoost、CS-BP-adaboost、CS-BP-adaboost- wha預(yù)測的絕對誤差

Conclusion

本文研究了母雞年齡對雞蛋貨架期的影響。以HU＜60作為雞蛋貨架期的標(biāo)準(zhǔn)，發(fā)現(xiàn)26、27、57、58 周齡蛋雞所產(chǎn)雞蛋在室溫下的貨架期分別為9、12、6、6 d。年輕組的雞蛋貨架期長于年長組，這反映出母雞年齡對雞蛋貨架期有較大影響。通過合并CS、BP-ANN和AdaBoost技術(shù)，提出了一種稱為CS-BP-AdaBoost的新型混合模型。根據(jù)驗證集的性能對超參數(shù)進(jìn)行了調(diào)整。結(jié)果發(fā)現(xiàn)，調(diào)整后的CS-BP-AdaBoost可以實現(xiàn)對雞蛋剩余貨架期的高精度預(yù)測，并且在測試集上收斂速度快（R2＝0.971 1，RMSE＝0.678 8）。與單一BP-ANN技術(shù)相比，RMSE降低36.69%，R2提高5.11%。從CS-BP-AdaBoost模型的輸入?yún)?shù)中去除產(chǎn)蛋雞年齡后，構(gòu)建的CS-BP-AdaBoost-WHA 預(yù)測準(zhǔn)確率降低（R2＝0.949 0，RMSE＝1.004 0）。結(jié)果表明，母雞年齡是影響雞蛋貨架期預(yù)測的重要因素。此外，使用CS-BP-AdaBoost預(yù)測雞蛋貨架期是可行的，并有望為其余食品貨架期預(yù)測研究提供一定參考。

第一作者

陸逸峰，南京農(nóng)業(yè)大學(xué)碩士研究生，主要研究方向肉品質(zhì)量安全控制與加工。已發(fā)表國內(nèi)外研究論文6 篇，其中第一作者發(fā)表論文2 篇。

通信作者

韓敏義，南京農(nóng)業(yè)大學(xué)副教授，溫氏食品集團(tuán)股份有限公司常駐專家，研究方向為畜禽屠宰加工副產(chǎn)物綜合利用、營養(yǎng)健康肉制品加工研究。近年來，主持“十三五”國家重點研發(fā)計劃子課題1 項，國家自然基金面上項目2 項，河北省自然基金面上項目1 項，參與國家級及省級項目多項。以第一作者或通信作者發(fā)表論文20余篇，其中SCI論文15 篇。

Egg freshness during storage: the effect of laying hen age and shelf life prediction using a novel hybrid modeling method

Yifeng Lu ab, Jing Li ab, Zihao He b, Linyun Chen c, Huixin Tian a, Chen Xu ab, Xinglian Xu a, Minyi Han ab*

aKey Laboratory of Animal Products Processing, Ministry of Agriculture, Key Laboratory of Meat Processing and Quality Control, Ministry of Education, Jiangsu Synergetic Innovation Center of Meat Production and Processing, College of Food Science and Technology, Nanjing Agricultural University, Nanjing 210095, China

bWens Foodstuff Group Co., Ltd., Yunfu 527400, China

cResearch Unit Food Microbiology and Food Preservation (FMFP), Department of Food Technology, Safety and Health, Faculty of Bioscience Engineering, Ghent University, Ghent 9000, Belgium

*Corresponding author.

Abstract

Changes in the quality of eggs during storage relate to their shelf life and economic value. Factors such as temperature, relative humidity, the operation of cleaning, and microorganisms have been shown to play a role in the storage quality of eggs. This study thus aimed at investigating the effect of hen age on the storage quality of egg, and predicting egg shelf life using back propagation artificial neural network (BP-ANN) based models. Eggs laid by Jingfen No.1 (27 and 58 weeks of age) and Jingfen No.6 (26 and 57 weeks of age) hens were stored under ambient conditions and evaluated by physicochemical properties. It was found that the shelf life of the lower age group was significantly longer than that of the higher age group. A novel hybrid model combining BP-ANN, cuckoo search and adaptive boosting (CS-BP-AdaBoost) was proposed for predicting the remaining egg shelf life, with the input being Haugh unit, yolk index, air cell depth, albumen pH, hen age, and breed. The tuning process of hyperparameters such as learning rate, training function, and transfer function was presented in detail. Results show that CS-BP-AdaBoost had satisfactory performance on the test set with root mean square error (RMSE) and coefficient of determination ( R 2 ) of 0.68 and 0.97, respectively. And it outperformed BP-ANN by reducing RMSE by 0.39 and improving R 2 by 0.05. The model used solved the problem that the traditional BP-ANN tends to fall into local minima. The removal of hen age from the input parameters caused a decrease in prediction accuracy ( R 2 ?=?0.95, RMSE?=?1.00), suggesting an important role of hen age in shelf life prediction. This study demonstrates the great potential of applying combinatorial modeling approaches to predict egg shelf life and the crucial impact of hen age on egg shelf life prediction.

Reference:

LU Y F, LI J, HE Z H, et al. Egg freshness during storage: the effect of laying hen age and shelf life prediction using a novel hybrid modeling method[ J]. Journal of Future Foods, 2025, 5(6): 614-627. DOI:10.1016/j.jfutfo.2024.11.009.

文章翻譯由作者團(tuán)隊提供

編輯：龔藝；責(zé)任編輯：孫勇

封面圖片來源：攝圖網(wǎng)

J. Future Foods | 用GC×GC-TOF MS構(gòu)建麥芽威士忌新酒的感官詞典J. Future Foods | 1-甲基環(huán)丙烯對北蟲草貯藏品質(zhì)的影響

J. Future Foods | 基于代謝組學(xué)結(jié)合網(wǎng)絡(luò)藥理學(xué)探究酸棗仁治療失眠的活性成分及機(jī)制

為深入探討未來食品在大食物觀框架下的創(chuàng)新發(fā)展機(jī)遇與挑戰(zhàn)，促進(jìn)產(chǎn)學(xué)研用各界的交流合作，由北京食品科學(xué)研究院、中國肉類食品綜合研究中心、國家市場監(jiān)督管理總局技術(shù)創(chuàng)新中心（動物替代蛋白）及中國食品雜志社《食品科學(xué)》雜志、《Food Science and Human Wellness》雜志、《Journal of Future Foods》雜志主辦，西華大學(xué)食品與生物工程學(xué)院、四川旅游學(xué)院烹飪與食品科學(xué)工程學(xué)院、西南民族大學(xué)藥學(xué)與食品學(xué)院、四川輕化工大學(xué)生物工程學(xué)院、成都大學(xué)食品與生物工程學(xué)院、成都醫(yī)學(xué)院檢驗醫(yī)學(xué)院、四川省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所、中國農(nóng)業(yè)科學(xué)院都市農(nóng)業(yè)研究所、四川大學(xué)農(nóng)產(chǎn)品加工研究院、西昌學(xué)院農(nóng)業(yè)科學(xué)學(xué)院、宿州學(xué)院生物與食品工程學(xué)院、大連民族大學(xué)生命科學(xué)學(xué)院、北京聯(lián)合大學(xué)保健食品功能檢測中心共同主辦的“第二屆大食物觀·未來食品科技創(chuàng)新國際研討會”即將于2025年5月24-25日在中國 四川 成都召開。

長按或微信掃碼進(jìn)行注冊

會議招商招展

聯(lián)系人：楊紅；電話：010-83152138；手機(jī)：13522179918（微信同號）

為進(jìn)一步深入探討食品產(chǎn)業(yè)在當(dāng)前復(fù)雜多變環(huán)境下的高質(zhì)量發(fā)展路徑，并著重關(guān)注食品科學(xué)、營養(yǎng)安全保障的基礎(chǔ)研究與關(guān)鍵技術(shù)研發(fā)，貫徹落實“大食物觀”和“健康中國2030”國家戰(zhàn)略，北京食品科學(xué)研究院和中國食品雜志社《食品科學(xué)》雜志、《Food Science and Human Wellness》雜志、《Journal of Future Foods》雜志，將與國際谷物科技協(xié)會（ICC）、湖南省食品科學(xué)技術(shù)學(xué)會、湖南省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所、湖南農(nóng)業(yè)大學(xué)、中南林業(yè)科技大學(xué)、長沙理工大學(xué)、湘潭大學(xué)、湖南中醫(yī)藥大學(xué)、湖南農(nóng)業(yè)大學(xué)長沙現(xiàn)代食品創(chuàng)新研究院共同舉辦“第十二屆食品科學(xué)國際年會”。本屆年會將于2025年8月9-10日在中國 湖南 長沙召開。

長按或微信掃碼進(jìn)行注冊

會議招商招展

聯(lián)系人：楊紅；電話：010-83152138；手機(jī)：13522179918（微信同號）