Розробка методу прогнозування кількості ентеробактерій в молоці з використанням штучних нейронних мереж

Автор(и)

  • Oleksandra Berhilevych Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007, Україна https://orcid.org/0000-0002-3622-8942
  • Victoria Kasianchuk Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007, Україна https://orcid.org/0000-0001-5849-7679
  • Ihor Chernetskyi Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007, Україна https://orcid.org/0000-0002-7737-8437
  • Anastasia Konieva Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007, Україна https://orcid.org/0000-0001-8516-1353
  • Lubov Dimitrijevich Сумський національний аграрний університет вул. Герасима Кондратьєва, 160, м. Суми, Україна, 40021, Україна https://orcid.org/0000-0003-3616-1167
  • Tatyana Marenkova Сумський національний аграрний університет вул. Герасима Кондратьєва, 160, м. Суми, Україна, 40021, Україна https://orcid.org/0000-0001-7481-0848

DOI:

https://doi.org/10.15587/1729-4061.2019.160021

Ключові слова:

Enterobacteriaceae, сире молоко, штучні нейронні мережі, прогнозування кількості бактерій

Анотація

В даний час встановлено, що штучні нейронні мережі (ШНМ) забезпечують краще моделювання та прогноз щодо кількості мікроорганізмів в сировини та харчових продуктах. Тому їх можна використати для контролю безпечності харчових продуктів та оцінки мікробіологічного ризику. В цьому випадку ШНМ можуть бути використані як інформативні, швидкі та економічно ефективні засоби. Відповідно до Європейських вимог щодо безпечності харчових продуктів, основними мікробіологічними показниками є встановленя загальної кількості мікроорганізмів і кількості бактерій родини Enterobacteriaceae, так як вони найчастіше пов’язані з харчовими захворюваннями та отруєннями. Метою роботи було розроблення методу прогнозування кількості бактерій родини Enterobacteriaceae в сирому молоці при його зберіганні охолодженим та оцінити прогностичну спроможність ШНМ. Розробка методу складалася з 4-х етапів. На першому етапі проводили вивчення кількості ентеробактерій в залежності від фізико-хімічного складу сирого молока, температури і часу зберігання в умовах холодильника. На другому етапі формували базу експериментальних даних, отриманих в дослідних моделях. На наступному етапі вводили отриману базу даних до ШНМ. І на останньому етапі проводили оцінку ефективності способу прогнозування. Створена ШНМ складається з трьох шарів: вхідний шар (5 параметрів: температура зберігання молока (4; 6; 8 і 10 ° С); період зберігання молока (від 1 до 48 годин); кислотність молока (17–20 %), вміст жиру (3,2; 3,6; 4.0; 4,5 %) і вмісту білка (2,9; 3,0; 3,3 %) у молоці, прихованих шарів (з 30 нейронами) і вихідного шару (спрогнозоване число бактерій). Для навчання та оптимізації ШНМ використали 1200 експериментальних даних, які показали, що прогнозування має найбільший показник відхилення – 2,497 % (або 370 бактеріальних клітин в 1 мл). Таким чином, розроблений метод прогнозування може бути використано для прогнозування кількості бактерій з врахуванням комплексу перемінних умов навколишнього середовища в різних харчових продуктах. Також даний підхід, в якості штучного інтелекту, може бути використаний при оцінці мікробіологічних ризиків та для швидкого контролю за безпечністю харчових продуктів

Біографії авторів

Oleksandra Berhilevych, Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007

Доктор ветеринарних наук, професор

Кафедра громадського здоровʼя

Victoria Kasianchuk, Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007

Доктор ветеринарних наук, професор

Кафедра громадського здоровʼя

Ihor Chernetskyi, Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007

Кафедра громадського здоровʼя

Anastasia Konieva, Сумський державний університет вул. Римського-Корсакова, 31, м. Суми, Україна, 40007

Кафедра громадського здоровʼя

Lubov Dimitrijevich, Сумський національний аграрний університет вул. Герасима Кондратьєва, 160, м. Суми, Україна, 40021

Кандидат технічних наук, доцент

Кафедра технології харчування

Tatyana Marenkova, Сумський національний аграрний університет вул. Герасима Кондратьєва, 160, м. Суми, Україна, 40021

Старший викладач

Кафедра технології харчування

Посилання

  1. Costard, S., Espejo, L., Groenendaal, H., Zagmutt, F. J. (2017). Outbreak-Related Disease Burden Associated with Consumption of Unpasteurized Cow’s Milk and Cheese, United States, 2009–2014. Emerging Infectious Diseases, 23(6), 957–964. doi: https://doi.org/10.3201/eid2306.151603
  2. Fox, E. M., Jiang, Y., Gobius, K. S. (2018). Key pathogenic bacteria associated with dairy foods: On-farm ecology and products associated with foodborne pathogen transmission. International Dairy Journal, 84, 28–35. doi: https://doi.org/10.1016/j.idairyj.2018.03.013
  3. Van der Meulen, B. (2013). The Structure of European Food Law. Laws, 2 (2), 69–98. doi: https://doi.org/10.3390/laws2020069
  4. Rahmat, S., Cheong, C. B., Hamid, M. S. R. B. A. (2016). Challenges of Developing Countries in Complying Quality and Enhancing Standards in Food Industries. Procedia – Social and Behavioral Sciences, 224, 445–451. doi: https://doi.org/10.1016/j.sbspro.2016.05.418
  5. Faour-Klingbeil, D., Todd, E. (2018). A Review on the Rising Prevalence of International Standards: Threats or Opportunities for the Agri-Food Produce Sector in Developing Countries, with a Focus on Examples from the MENA Region. Foods, 7 (3), 33. doi: https://doi.org/10.3390/foods7030033
  6. McMeekin, T., Olley, J., Ratkowsky, D., Corkrey, R., Ross, T. (2013). Predictive microbiology theory and application: Is it all about rates? Food Control, 29 (2), 290–299. doi: https://doi.org/10.1016/j.foodcont.2012.06.001
  7. Teleken, J. T., Robazza, W. da S., Gomes, G. de A. (2011). Mathematical modeling of microbial growth in milk. Food Science and Technology (Campinas), 31 (4), 891–896. doi: https://doi.org/10.1590/s0101-20612011000400010
  8. Huang, L. (2014). IPMP 2013 – A comprehensive data analysis tool for predictive microbiology. International Journal of Food Microbiology, 171, 100–107. doi: https://doi.org/10.1016/j.ijfoodmicro.2013.11.019
  9. Pal, M., Mulu, S., Tekle, M., Pintoo, S. V., Prajapati, J. P. (2016). Bacterial contamination of dairy products. Beverage & Food World, 43 (9), 40–43.
  10. Berhilevych, O., Kasianchuk, V. (2017). Identification of Cronobacter spp (enterobacter sakazakii) from raw milk and environmental samples of dairy farms. Eastern-European Journal of Enterprise Technologies, 6 (11 (90)), 4–10. doi: https://doi.org/10.15587/1729-4061.2017.114637
  11. Kukhtyn, M., Berhilevych, O., Kravcheniuk, K., Shynkaruk, O., Horyuk, Y., Semaniuk, N. (2017). Formation of biofilms on dairy equipment and the influence of disinfectants on them. Eastern-European Journal of Enterprise Technologies, 5 (11 (89)), 26–33. doi: https://doi.org/10.15587/1729-4061.2017.110488
  12. Ray, B., Bhunia, A. (2013). Fundamental Food Microbiology. CRC Rress, 663. doi: https://doi.org/10.1201/b16078
  13. Von Neubeck, M., Baur, C., Krewinkel, M., Stoeckel, M., Kranz, B., Stressler, T. et. al. (2015). Biodiversity of refrigerated raw milk microbiota and their enzymatic spoilage potential. International Journal of Food Microbiology, 211, 57–65. doi: https://doi.org/10.1016/j.ijfoodmicro.2015.07.001
  14. Zastempowska, E., Grajewski, J., Twarużek, M. (2016). Food-Borne Pathogens and Contaminants in Raw Milk – A Review. Annals of Animal Science, 16 (3), 623–639. doi: https://doi.org/10.1515/aoas-2015-0089
  15. Melini, F., Melini, V., Luziatelli, F., Ruzzi, M. (2017). Raw and Heat-Treated Milk: From Public Health Risks to Nutritional Quality. Beverages, 3 (4), 54. doi: https://doi.org/10.3390/beverages3040054
  16. Wanjala, W. N., Nduko, J. M., Mwende, M. C. (2018). Coliforms Contamination and Hygienic Status of Milk Chain in Emerging Economies. Journal of Food Quality and Hazards Conrol, 5 (1), 3–10. doi: https://doi.org/10.29252/jfqhc.5.1.3
  17. Paludetti, L. F., Jordan, K., Kelly, A. L., Gleeson, D. (2018). Evaluating the effect of storage conditions on milk microbiological quality and composition. Irish Journal of Agricultural and Food Research, 57 (1), 52–62. doi: https://doi.org/10.1515/ijafr-2018-0006
  18. Panigrahi, S., Devi, B., Swain, K., Priyadarshini, P. (2018). Microbiology of milk: Public health aspect. The Pharma Innovation Journal, 7 (1), 260–264.
  19. O’Connell, A., Ruegg, P. L., Jordan, K., O’Brien, B., Gleeson, D. (2016). The effect of storage temperature and duration on the microbial quality of bulk tank milk. Journal of Dairy Science, 99 (5), 3367–3374. doi: https://doi.org/10.3168/jds.2015-10495
  20. Christiansson, A. (2017). A predictive model to evaluate the impact of the cooling profile on growth of psychrotrophic bacteria in raw milk from conventional and robotic milking. Journal of Dairy Research, 84 (03), 318–321. doi: https://doi.org/10.1017/s0022029917000334
  21. De Souza Sant’Ana, A. (Ed.) (2017). Quantitative microbiology in food processing: modeling the microbial ecology. John Wiley & Sons, Ltd., 696. doi: https://doi.org/10.1002/9781118823071
  22. Bevilacqua, A., Speranza, B., Sinigaglia, M., Corbo, M. (2015). A Focus on the Death Kinetics in Predictive Microbiology: Benefits and Limits of the Most Important Models and Some Tools Dealing with Their Application in Foods. Foods, 4 (4), 565–580. doi: https://doi.org/10.3390/foods4040565
  23. Koseki, S. (2016). Predictive Modeling for Estimation of Bacterial Behavior from Farm to Table. Food Safety, 4 (2), 33–44. doi: https://doi.org/10.14252/foodsafetyfscj.2016006
  24. Funes, E., Allouche, Y., Beltrán, G., Jiménez, A. (2015). A Review: Artificial Neural Networks as Tool for Control Food Industry Process. Journal of Sensor Technology, 05 (01), 28–43. doi: https://doi.org/10.4236/jst.2015.51004
  25. Prieto, A., Prieto, B., Ortigosa, E. M., Ros, E., Pelayo, F., Ortega, J., Rojas, I. (2016). Neural networks: An overview of early research, current frameworks and new challenges. Neurocomputing, 214, 242–268. doi: https://doi.org/10.1016/j.neucom.2016.06.014
  26. Correa, D. A., Montero Castillo, P. M., Martelo, R. J. (2018). Neural networks in food industry. Contemporary Engineering Sciences, 11 (37), 1807–1826. doi: https://doi.org/10.12988/ces.2018.84141
  27. Orawan, C., Panwadee, S., Bandit, S. (2016). Application of artificial neural networks on growth prediction of Staphylococcus aureus in milk. International Food Research Journal, 23 (1), 415–418.
  28. Østergaard, N. B., Dalgaard, P., Christiansen, L. E. (2014). Predictive Food Microbiology: new tools for risk assessment and dairy product development. DTU Food, 206.
  29. Berhilevych, O. M., Kasyanchuk, V. V., Terekhyna, O. V., Berhilevych, O. O., Cherneckii, I. (2016). Prediction of number of psyhrotrophic microorganisms in refrigerated cow’s mikl with using artificial neural networks. Veterynarna biotekhnolohiya, 29, 43–54.
  30. Bogdanovičová, K., Vyletělová-Klimešová, M., Babák, V., Kalhotka, L., Koláčková, I., Karpíšková, R. (2016). Microbiological Quality of Raw Milk in the Czech Republic. Czech Journal of Food Sciences, 34 (3), 189–196. doi: https://doi.org/10.17221/25/2016-cjfs
  31. Meena, G. S., Majumdar, G. C., Banerjee, R., Kumar, N., Meena, P. K. (2014). Growth Characteristics Modeling of Mixed Culture of Bifidobacterium bifidum and Lactobacillus acidophilus using Response Surface Methodology and Artificial Neural Network. Brazilian Archives of Biology and Technology, 57 (6), 962–970. doi: https://doi.org/10.1590/s1516-8913201402657
  32. Sarkar, S. (2016). Microbiological Safety Concerns of Raw Milk. Journal of Food Nutrition and Dietetics, 01 (02), 105. doi: https://doi.org/10.19104/jfnd.2016.105
  33. Martin, N. H., Trmčić, A., Hsieh, T.-H., Boor, K. J., Wiedmann, M. (2016). The Evolving Role of Coliforms As Indicators of Unhygienic Processing Conditions in Dairy Foods. Frontiers in Microbiology, 7. doi: https://doi.org/10.3389/fmicb.2016.01549
  34. Jaganathan, A., Kuppuraj, S. (216). Artificial Neural Networks Methods for Predicting the Performance and Process in the Milk Industry. International Research Journal of Engineering and Technology, 3 (11), 1127–1132.

##submission.downloads##

Опубліковано

2019-03-18

Як цитувати

Berhilevych, O., Kasianchuk, V., Chernetskyi, I., Konieva, A., Dimitrijevich, L., & Marenkova, T. (2019). Розробка методу прогнозування кількості ентеробактерій в молоці з використанням штучних нейронних мереж. Eastern-European Journal of Enterprise Technologies, 2(11 (98), 6–13. https://doi.org/10.15587/1729-4061.2019.160021

Номер

Том 2 № 11 (98) (2019): Технології та обладнання харчових виробництв

Розділ

Технології та обладнання харчових виробництв

Ліцензія

Авторське право (c) 2019 Oleksandra Berhilevych, Victoria Kasianchuk, Ihor Chernetskyi, Anastasia Konieva, Lubov Dimitrijevich, Tatyana Marenkova

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.