程慧敏，赵格，徐莹，许育衔，王君玮*

1. 中国动物卫生与流行病学中心致病微生物监测室，农业农村部畜禽产品质量安全风险评估实验室（青岛）（青岛 266032）；2. 中国海洋大学 食品科学与工程学院（青岛 266000）

随着生活水平不断提高，人们对食品的要求也越来越高。如今，人们不单单追求食品的口感与美味，还更加注重食品的质量、营养与健康。过去几十年，食品工业迅速发展，许多传统的食品生产加工方式逐渐被大规模机械化生产所替代。通过计算机自动化控制生产，在提高生产效率的同时，为后续监测与优化生产加工也带来一些问题，比如SAS等统计软件可以通过对加工过程中的确定因素进行多重比较和主成分分析从而优化生产工艺，但对于一些非确定因素，SAS无法发挥其作用[1]，亟需要一个能够对生产加工过程产生的动态变化进行准确分析的工具，而MATLAB可以解决这一问题。

MATLAB是MATrix LABoratory的首字母缩写词，是美国马萨诸塞州Mathworks公司开发的一种集数学和计算、算法开发、科学和工程制图、建模、仿真和原型制作、数据分析、勘探、可视化以及图形用户界面构建等为一体的数学应用软件，MATLAB在易于使用的环境中集成了计算、可视化和编程，其中问题和解决方案用熟悉的数学符号表示。MATLAB语言一个最大的特点就是简单直接，它的编程方式与人们的思维逻辑更加接近，容易学习理解，有较高的编程效率；MATLAB的主工具箱还拥有31个函数库，可以直接用于复杂的计算[2]。

MATLAB具有一系列特定应用程序的工具箱，可扩展MATLAB环境以解决特定的问题。比如，食品工业中常用的工具箱有模糊控制逻辑工具箱、图像处理工具箱、动态仿真工具箱、遗传算法工具箱和神经网络工具箱。该综述会通过实例列举各种工具箱在食品工业不同领域中的具体应用。

1 MATLAB在食品加工中的应用

1.1 食品干燥工艺

干燥是降低食品水分含量的重要方式，它既能够延长食品的储藏时间，也可以改变食品的风味，是食品加工中最常用的工艺之一。但是食品干燥过程复杂且难以控制，了解干燥过程中食品内部发生的动态变化对于干燥方法的进一步开发、优化和升级非常重要，而利用数学模型可以很好地复现食品干燥过程中的动态变化。

姜苗等[3]在MATLAB中构建用于模拟洋葱干燥过程的神经网络模型，并结合实际数据对网络进行训练。结果表明，该模型可准确模拟洋葱干燥的不同阶段以及干燥温度和干燥风速对洋葱丝干燥速率的影响。林喜娜等[4]利用MATLAB中的神经网络工具箱成功得到双孢蘑菇远红外干燥过程中干燥速率与干燥时间、辐射距离、辐射强度、物料厚度、物料温度等因素之间的关系，结果显示模型预测值与实际值的相关系数R2为0.981 3，模型可靠。毛志幸等[5]为研究白果微波干燥特性，利用MATLAB构建微波干燥物料水分变化的动力学模型，通过输入不同的微波功率密度预测白果干燥的水分含量。Onwude等[6]为了捕捉红薯干燥过程相关物理参数并深入了解红薯切片的红外热风干燥过程，在MATLAB中开发了一种考虑液态水、气体和固体基质的非平衡多相模型，该模型能够准确地预测红薯干燥过程中蒸发率、气压、液态水和蒸汽通量的变化。

MATLAB除了可以通过构建模型来直接反映食品干燥过程中的相关变化，还可以通过将样品图像信息转换为相关数据，间接反映干燥过程的非线性变化，克服了传统数据统计软件无法分析不确定因素产生的非线性响应的困难。Nagvanshi等[7]利用MATLAB开发了一种计算机视觉系统，能够将香蕉经过酶促褐变与美拉德反应产生的颜色变化量化处理，通过颜色参数直观地表达出香蕉片干燥过程的动态变化，以此来调整干燥条件，最终达到控制香蕉片感官质量的目的。Rahman等[8]为探究植物型食品材料干燥过程的微观传输现象，采集苹果切片电子显微镜图像，结合MATLAB对图像进行分割与识别，通过COMSOL Multiphysics软件构建微观结构模型，该模型准确反映出苹果不同干燥阶段细胞和细胞间隙的水分分布与温度分布。

1.2 食品发酵工艺

微生物发酵受多种因素的影响，内在机理十分复杂，一般的数学模型难以对在此期间的微生物生长状态进行分析，而MATLAB能够解决这一问题。

Agarwal等[9]利用MATLAB的数字图像处理技术构建一种数学模型，准确地预测发酵过程水分活度和生物量的变化，有助于扩大工业固态发酵规模和提高产品产量。Tallapragada等[10]为探寻红曲霉发酵甜菜根产生淀粉酶的最佳使用条件，以pH、温度和时间为因素，使用MATLAB进行分析，结果发现在pH 5、孵育温度50 ℃和时间10 min的条件下，淀粉酶活性最高。Kouamé等[11]利用MATLAB构建可可豆发酵过程中酵母的生长动力学模型，结果发现葡萄糖浓度与发酵温度对酵母生长的促进作用十分显著，而氧分压、pH、游离氮等对酵母的生长几乎没有影响。

由此可见，MATLAB不仅可以分析发酵过程中微生物的动态变化，还可以预测微生物在特定条件下的发酵效率，极大地减少了传统微生物发酵试验所需的时间，在食品发酵领域具有很大的发展前景。

1.3 食品工艺优化

食品经过原料挑选、预处理、调配、加工、灭菌、包装等工艺步骤，其外观、质地、成分、味道及营养等特征均发生很大的变化。为了保证食品安全、改善食品的风味、延长其保质期、提高食品生产的效率、尽量不减少食品的营养特性和尽量减少能源消耗等，需要在食品原有的加工基础上，对加工工艺进行优化，而加工对食品产生的非线性响应很难通过传统的数据统计软件呈现，MATLAB可以通过模拟、仿真预测等功能对食品加工工艺实现快速寻优，既能避免大量试验带来的繁琐，也在一定程度上节省了耗材，在食品工艺优化与改良上发挥了重要的作用。

张帅中等[12]利用MATLAB构建的模型对人参果中总黄酮提取工艺进行优化，得到提取率最高的参数组合。李囡囡等[13]以提取时间、提取次数、提取剂与溶剂量为影响因素，利用MATLAB中图形用户操作界面，模拟西洋参在不同参数条件下总皂苷的提取，结果发现加入7.45倍量80%乙醇回流提取1.26 h，所提取的总皂苷最多。张超等[14]利用MATLAB中的神经网络工具箱、仿真预测模型及遗传算法对pH、酶解时间、酶解温度和加酶量4个主要影响因素进行预测，通过比较胶原蛋白提取率得到最优的提取工艺参数。Golchin等[15]利用MATLAB探究了面包烘焙过程中瓜尔胶、不同烘烤温度和烘烤时间对面包质量损失和面包皮温度的影响，为面包烘烤温度的优化和改进剂的选择提供了一定的科学依据。

2 MATLAB在食品质量控制中的应用

2.1 食品质量检测

食品质量的好坏，极大地影响着消费者的接受程度，食品质量的检测是食品安全控制中的重要一环。随着科学技术的发展，食品质量检测技术出现新态势，要求用更快速、更便捷、灵敏、无损的方式对食品品质进行检测。利用MATLAB检测食品的品质，不仅可缩短检测所需的时间与人力，还能减少样品损耗，确保准确度。

Feng等[16]首次使用MATLAB开发了用于展示香肠发红演变的预测模型。香肠的品质与其色泽密切关联，随着储藏时间的增加，香肠新鲜度下降，其颜色也发红，但是基于肉眼很难通过微小的颜色变化识别不同储藏天数的产品，通过数学模型量化香肠的颜色指标，可用于快速、无损地检测肉的颜色，更好地保证肉制品的质量安全。Baek等[17]应用短波红外高光谱成像技术结合MATLAB开发了一种用于预测和可视化猪肉中挥发性盐基氮的多变量模型，是一种快速无损的猪肉新鲜度在线检测系统，克服了感官、微生物检测等传统检测技术评价的弊端。Manuel等[18]基于近红外光谱结合MATLAB构建精品咖啡质量检测模型，可以准确地从不同来源的、质量参差不齐的咖啡中检测出精品咖啡。Rahman等[19]利用MATLAB中的图像处理技术对牛肉样品进行分析，研究发现计算机视觉技术在肉类加工业中预测肉类品质性状中具有很大的潜力。

MATLAB还可应用于食品掺假方面的检测。Liu等[20]通过将番茄酱样品图片转换为光谱信息，结合MATLAB进行化学计量学分析，开发出一种能快速有效地鉴别番茄酱掺假的质量评价模型，能够有效检测出掺假番茄酱中的蔗糖，其检出限为1%。Ao等[21]利用近红外光谱结合MATLAB构建了快速检测不同奶粉中掺假香兰素与三聚氰胺的偏最小二乘判别分析（PLSDA）和偏最小二乘回归（PLSR）模型，研究发现PLSDA模型识别香兰素的准确率在94%以上，PLSR模型对三聚氰胺的检出限为0.5%。

2.2 食品分级分类

在食品原材料收获、加工及销售前，需通过对食品的颜色、质量、纹理等特征加以检测，从而实现产品的分级分类。传统的人工识别虽然通过触觉、味觉、嗅觉等达到一定的目的，但是由于主观性强，个体间存在差异，缺乏准确性，且费时费力，生产效率低[1]，急需开发一种快速高效的在线检测分类技术。

利用MATLAB可以对食品的成熟度进行分类。Harel等[22]通过MATLAB中的图像分割工具对不同成熟度甜椒的图像进行处理和特征提取，开发出不需要大型数据库并且可以适用于不同数据集的分类算法。该模型对红色和黄色甜椒成熟-未成熟的分类准确率分别为98.2%和97.2%。Wang等[23]应用近红外光谱收集玉米种子胚和胚乳侧的高光谱图像，在MATLAB中开发一种能够快速无损地检测出玉米种子成熟度的模型，以提高种子的发芽率。

MATLAB还可促进大批量食品的自动化品质分类。结合MATLAB的图像处理工具和计算机视觉技术，Khojastehnazhand等[24]开发了对葡萄干的品质进行分类的方法。Cruz-Domíngueza等[25]开发出一种基于人工神经网络的干辣椒大小和颜色识别分类新系统，得到用于干辣椒品质分类的新方法。Kumaravel等[26]在MATLAB中开发了一种基于模糊逻辑的水果品质分类技术，主要通过颜色传感器确定水果的颜色，超声波传感器估计水果的大小。

3 MATLAB在食源性致病微生物中的应用

食源性致病微生物污染食品导致的食源性疾病屡见不鲜。为防止食源性微生物的污染，研究食源性微生物的生长与传播规律变得十分重要，MATLAB在其中也发挥着重要作用。Ranta等[27]基于WinBUGS和MATLAB软件开发一种用于描述肉鸡生产链中沙门菌流行率、垂直和水平传播以及感染的动态模型。该模型根据鸡群感染沙门菌的实际调查结果，可实现对沙门菌的定量评估，为鸡肉中沙门菌风险评估工作提供一定的技术支撑。Scaria等[28]利用MATLAB开发了一种鉴定沙门菌血清型的程序，将未知血清型的沙门菌样本在该程序中比对，即可获得样本最为接近的血清型；除检测血清型外，该程序还可用于研究沙门菌毒力基因的含量以及评估不同沙门菌分离株之间的遗传关系。Possasa等[29]为探究单增李斯特菌的失活条件，利用MATLAB构建单增李斯特菌灭活的预测微生物学模型，研究发现微酸性电解水显示出更高的杀菌活性。Jia等[30]基于MATLAB构建了鸡肉中沙门菌及其背景菌群竞争生长动力学模型，该模型成功地预测了鸡肉中沙门菌及其背景菌群的生长和相互作用，为鸡肉中沙门菌的风险评估工作和货架期的预测提供了一定的科学依据。

上述研究表明，通过MATLAB构建动态模型在微生物的监测与风险评估工作中发挥着重要作用，为研究食源性致病微生物的传播及危害控制提供了一定的科学依据。但是，与其他研究领域相比，MATLAB在食源性致病微生物领域多应用于数据处理方面，其他功能还有待在未来的研究中进一步开发应用。

4 结语与展望

MATLAB在食品工业领域应用广泛，与传统的食品工业技术相比，应用MATLAB不仅能快速地对食品加工提出建议，从而提高生产效率，还能快速无损地对食品进行检测，从而保证食品的质量，而且还能分析食品微生物复杂的生长繁殖，从而控制有害微生物的传播。虽然MATLAB能够解决许多软件无法解决的问题，但是它有着自己的局限性，例如，它不是一种结构化的编程语言，而且它的数据类型有限，同时对于某些应用程序来说，编写大型程序和维护软件是很困难的，使其在食品工业领域的发展面临着许多艰巨的挑战。但是，随着软件自身的不断升级，或者尝试与其他软件联用，相信在不久的将来，MATLAB在食品工业领域的应用会越来越完善。