基于纵向建模与X射线技术的干腌火腿盐分摄取预测研究

《Meat Science》：Predicting salt uptake in dry-cured ham using longitudinal modeling and X-ray technology

本文提出一种整合纵向数据与X射线技术的创新方法，通过建立线性混合模型（LMM）精准预测干腌火腿盐分吸收（Rm2=0.911），将平均盐分控制在3.16%（标准差0.26%），显著优于传统方法的3.77%（标准差0.61%）。该模型基于时间、初始脂肪含量和第5天失重数据，为个性化腌制时长提供数据驱动决策，推动火腿产业迈向工业4.0标准化生产。

　　

结果

为预测腌制过程中的盐分含量，我们拟合了公式（2）中的线性混合模型（LMM）。在建模前，我们进行了探索性数据分析。

讨论

干腌火腿的品质与一致性高度依赖于原料特性（如脂肪含量和整体组成），这些因素影响感官属性与生产效率（Candek-Potokar & Skrlep, 2012）。传统仅依赖初始重量决定腌制时长的方法面临挑战。本研究证明，基于脂肪含量和早期失重（第5天）数据的线性混合模型（LMM）可显著提升盐分预测精度，降低变异性。

结论

本研究开发的线性混合模型（LMM）为干腌火腿的盐分预测和个性化腌制时长提供了实用框架。通过纵向监测脂肪含量与早期失重，模型实现了平均盐分3.16%（标准差0.26%），较传统重量法更精准地控制变异性，同时契合工业4.0的标准化需求。