集成闭环气体控制与数据驱动质量预测的智能气调牡蛎保鲜平台

《Food and Bioprocess Technology》：An Intelligent Modified-Atmosphere Platform Integrating Closed-Loop Gas Control and Data-Driven Quality Prediction for Oyster Preservation

　　

摘要

牡蛎作为高价值但极易腐败的商品，其采后品质劣化以及传统调质气体工艺的可控性有限，制约了牡蛎的储运与流通。传统气调包装（MAP）系统受限于开环控制滞后和缺乏动态品质预测能力，阻碍了精准的环境调控和基于数据的物流决策。为克服上述局限，本研究开发了一套针对牡蛎的"感知-控制-预测"一体化平台，在统一的操作框架下集成了实时气体监测、基于PLC的CO₂/O₂闭环调节、逐点总活菌数（TVC）估算以及基于微生物动力学的货架期预测。本研究的主要贡献并非引入新的算法，而在于将这些成熟的控制与预测技术应用于特定产品的系统实现与实验验证。该平台采用带壳整牡和开壳半牡，在涵盖不同温度和MAP配方的11种储存处理条件下进行了评估。重复控制试验表明，与传统PID相比，模糊-PID在各CO₂和O₂设定值下，平均调节时间缩短55.5%，超调量降低70.8%，稳态绝对误差减小88.6%，扰动恢复时间缩短42.0%。在当前品质评估方面，Optuna-MLP模型在留出测试集上达到了0.9386的决定系数（\({R}^{2}\)）。在微生物动力学模块中，初始TVC被视为与包装形态相关的基线，而非MAP依赖参数。二级模型分别解释了ln(μ_max)和ln(LPD)在处理水平上93.45%和93.33%的变异。由此得出的货架期估计值与处理特异性一级模型参考值相比，决定系数（\({R}^{2}\)）为0.9143，均方根误差（RMSE）为0.2746天。调控性能的改善表明通过缩短气氛建立时间和减少浓度偏差可实现工艺效率提升，同时也为冷链物流中的动态品质管理提供了数字化工具。