一种冷鲜肉货架期预测模型的建立及应用方法
阅读：957发布：2020-05-08
专利汇可以提供一种冷鲜肉货架期预测模型的建立及应用方法专利检索，专利查询，专利分析的服务。并且本 发明 的目的在于公开了一种冷鲜肉 货架期 预测模型 的建立及应用方法。所述模型可以依据肉体表面初始的嗜冷腐败菌数量，冷鲜肉的 包装 方法(普通、 真空 、气调)，贮藏和冷链运输过程的 温度 变化，预测出嗜冷腐败菌的生长情况，然后依据嗜冷腐败菌最大检出浓度6.5logCFU/cm2的标准，实时预测出冷鲜肉的货架期。所述模型适用于任何冷鲜肉产品，为冷鲜肉 质量 控制提供了有 力 的技术支持。，下面是一种冷鲜肉货架期预测模型的建立及应用方法专利的具体信息内容。
1.一种冷鲜肉货架期预测模型的建立方法，其特征在于，所述建立方法包括如下步骤：
(1)将不同包装的冷鲜肉样品分别置于不同温度下恒温贮藏，采用标准的破坏式取样法和微生物检测法，分别定时取样测定冷鲜肉中嗜冷腐败菌的数量；
(2)将在步骤(1)中测得的冷鲜肉在不同恒温贮藏条件下使用不同包装方式时的嗜冷腐败菌浓度数据进行Baranyi和Roberts一级模型(公式A)的拟合，求得嗜冷腐败菌在该条件下的最大比生长速率μmax和延滞期tlag；
其中：
其中，t为时间、N0为初始的菌种浓度，Nt为在时间点t的菌种浓度，Nmax为菌种能生长到的最大浓度，μmax为菌种的最大比生长速率，h0为菌种生理状态参数；
(3)将一级模型中获得的最大比生长速率μmax用平方根二级模型(公式C)拟合获取μmax与温度T的变化关系，通过计算实测与拟合值的最低方均根差(RMSE)，求得常数b和Tmin，选用(公式D)来描述最大比生长速率μmax和延滞期tlag的变化关系，并通过tlag求得h0；
μmax＝b×(T-Tmin)2 (C)
其中，T为温度，μmax为在T温度下的菌种最大比生长速率，Tmin为理论最低生长温度，b为常数，tlag为菌种的延滞期；
方均根差(RMSE)的公式为：
其中V实测为实测值，V拟合为模型拟合值，n为实测数值的总个数，p为模型公式中需求得的参数个数(此处仅两个参数b和Tmin，因此p为2)。
2.如权利要求1所述的方法，其特征在于，步骤(1)中所述的包装方式包括普通包装、气调包装或真空包装。
3.一种冷鲜肉货架期预测模型，其特征在于，所述的预测模型是使用权利要求1或2所述的方法建立的。
4.权利要求3所述预测模型在预测冷鲜肉货架期中的应用。
5.如权利要求4所述的应用，其特征在于，所述的应用包括如下步骤：
(1)实测冷却排酸前冷鲜肉表面嗜冷腐败菌的初始量；
(2)将嗜冷腐败菌初始量，排酸、切割、包装、储存和冷链运输各环节的温度和耗时，以及包装方式，录入上述预测模型，预测出冷鲜肉表面的嗜冷腐败菌在不同时间时的菌株浓度；
(3)依据嗜冷腐败菌最大检出浓度6.5logCFU/cm2的标准，实时预测出冷鲜肉的货架期。
一种冷鲜肉货架期预测模型的建立及应用方法
技术领域
背景技术
[0003] 微生物是引起冷鲜肉变质的关键性因素。肉体表面天然污染的微生物生长繁殖到一定数量时，会导致冷鲜肉有异味以及变色，严重影响品质和食用安全。微生物的生长受到多种因素影响，但对于处理好的冷鲜肉来说，温度是其最关键的生长限定因子。规范的冷链控制要求温度控制在0-4℃间，然而在实际的贮藏、运输、分销的冷链物流过程中会出现温度控制不当的情况，从而导致微生物迅速增殖，加速冷鲜肉变质。传统的检测方法需要对冷鲜肉进行抽样微生物检查，不但费时费力，并且结果需要在48小时之后或更长才能得知，严重滞后。而预测模型可以根据冷鲜肉中微生物在不同温度条件下的生长规律，对其数量变化趋势进行模拟运算，从而达到实时预测冷鲜肉货架期的目的。
[0004] 中国专利文献CN102650632B，CN104293878A和CN104298868A分别公开了预测冷鲜肉中微生物生长、感官变化，从而预测货架期的方法。但是，这些发明中预测的全是中温型腐败菌的生长情况(通常在30℃或37℃下培养而检测出的微生物)。而冷链温度条件基本控制在0-4℃范围内，偶尔在短时间内才能上升到8-10℃。因此，以中温型腐败菌来判断冷鲜肉的腐败情况偏差很大。这也是为什么以上这些专利，除了要预测中温型腐败菌的生长情况外，还要另外建立模型专门预测感官指标，而且在腐败菌和感官指标间找不到明确对应的联系(即在不同温度下，腐败菌的关键量不同)，从而导致建模过于复杂，预测结果的误差也大。
[0005] 丹麦研究机构(丹麦国家食品研究院，丹麦肉制品研究院)的研究结果表明，处于冷链温度条件控制下的冷鲜肉，引起其腐败的关键微生物是嗜冷腐败菌，而不是中温型腐败菌。嗜冷腐败菌特指在冷链控制温度范围(0-5℃)内，可以在冷鲜肉上生长的腐败菌，是包含假单胞菌、乳酸杆菌、腐败芽孢杆菌和部分嗜冷性肠杆菌等腐败菌的统称。与中温性腐败菌不同，依靠嗜冷腐败菌的生长量来判断冷鲜肉的腐败有明确的对应关系。根据丹麦研究机构的研究结果显示，嗜冷腐败菌在达到6.5logCFU/cm2后，冷鲜肉会有明显腐败特征，2
因此当前丹麦大部分肉企将嗜冷腐败菌6.5logCFU/cm定为冷鲜肉货架期的极限。
因此当前丹麦大部分肉企将嗜冷腐败菌6.5logCFU/cm定为冷鲜肉货架期的极限。
[0006] 当前欧美已经普遍采用真空或气调包装的方式来延长冷鲜肉的货架期。我国的生鲜肉消费模式正处于剧烈的变化期，特别是生鲜电商的发展必然会推动我国的冷鲜肉消费也朝着欧美预先包装的销售模式发展。大量研究已经证明真空或气调包装可以有效抑制冷鲜肉中微生物的生长，但目前并没有找到真空或气调包装对嗜冷腐败菌生长影响的定量关系。本发明通过建立嗜冷腐败菌在普通(也相当于无包装))、气调、真空包装的冷鲜肉中的生长模型，实现对冷链物流动态温度条件下嗜冷腐败菌数量的快速预测，从而达到预测冷鲜肉货架期的目的，为物流分销过程提供快速简便的质量监控方法。
发明内容
[0007] 本发明的目的在于提供一种用于预测冷鲜肉货架期的模型的建立及应用方法。所述模型可以依据肉体表面初始的嗜冷腐败菌数量，冷鲜肉的包装方法(普通、真空、气调)，贮藏和冷链运输过程的温度变化，预测出嗜冷腐败菌的生长情况，然后依据嗜冷腐败菌最2
大检出浓度6.5logCFU/cm的标准，实时预测出冷鲜肉的货架期。所述模型适用于任何冷鲜肉产品，为冷鲜肉质量控制提供了有力的技术支持。
大检出浓度6.5logCFU/cm的标准，实时预测出冷鲜肉的货架期。所述模型适用于任何冷鲜肉产品，为冷鲜肉质量控制提供了有力的技术支持。
[0008] 本发明首先提供了一种冷鲜肉货架期预测模型的建立方法，包括如下步骤：
[0009] (1)将不同包装的冷鲜肉样品分别置于不同温度下恒温贮藏，采用标准的破坏式取样法和微生物检测法，分别定时取样测定冷鲜肉中嗜冷腐败菌的数量；
[0010] (2)将在步骤(1)中测得的冷鲜肉在不同恒温贮藏条件下使用不同包装方式时的嗜冷腐败菌浓度数据进行Baranyi和Roberts一级模型(公式A)的拟合，求得嗜冷腐败菌在该条件下的最大比生长速率μmax和延滞期tlag；
[0011]
[0012] 其中：
[0013]
[0014] 其中，t为时间、N0为初始的菌种浓度，Nt为在时间点t的菌种浓度，Nmax为菌种能生长到的最大浓度，μmax为菌种的最大比生长速率，h0为菌种生理状态参数；
[0015] (3)将一级模型中获得的最大比生长速率μmax用平方根二级模型(公式C)拟合获取μmax与温度T的变化关系，通过计算实测与拟合值的最低方均根差
[0016] (RMSE)，求得常数b和Tmin，选用(公式D)来描述最大比生长速率μmax和延滞期tlag的变化关系，并通过tlag求得h0；
[0017] μmax＝b×(T-Tmin)2 (C)
[0018]
[0019] 其中，T为温度，μmax为在T温度下的菌种最大比生长速率，Tmin为理论最低生长温度，b为常数，tlag为菌种的延滞期；
[0020] 方均根差(RMSE)的公式为：
[0021]
[0022] 其中V实测为实测值，V拟合为模型拟合值，n为实测数值的总个数，p为模型公式中需求得的参数个数(此处仅两个参数b和Tmin，因此p为2)。
[0023] 上述步骤(1)中所述的包装方式包括普通包装、气调包装或真空包装。
[0024] 所述的普通包装是指以普通的塑料保鲜膜将冷鲜肉覆盖。
[0026] 所述的真空包装是指采用密闭性和隔氧性良好的塑料膜包装冷鲜肉后再抽真空。
[0027] 本发明还提供了所述预测模型在预测冷鲜肉货架期中的应用，具体步骤包括：
[0028] (1)实测冷却排酸前冷鲜肉表面嗜冷腐败菌的初始量；
[0029] (2)将嗜冷腐败菌初始量，排酸、切割、包装、储存和冷链运输各环节的温度和耗时，以及包装方式，录入上述预测模型，预测出冷鲜肉表面的嗜冷腐败菌在不同时间时的菌株浓度；
[0030] (3)依据嗜冷腐败菌最大检出浓度6.5logCFU/cm2的标准，实时预测出冷鲜肉的货架期。
[0031] 本发明所述预测模型可以预测出波动温度下使用不同包装方式的冷鲜肉中嗜冷腐败菌的生长情况，进而将预测模型与冷链监控系统相结合，实时预测冷鲜肉的货架期。所述方法的优点在于：一、无需使用传统的微生物检测手段，只需要知道采用的包装方式、加工贮藏运输过程中冷链的温度变化情况及所用时间、初始的嗜冷腐败菌数量便可直接预测出产品的货架期还剩余多少。而传统的检测方法需要对冷鲜肉抽样微生物检测，结果需要48h后才能知道，滞后性严重；二、处于冷链条件下的冷鲜肉引起其腐败的关键微生物是嗜
2
冷腐败菌，嗜冷腐败菌在达到6.5log CFU/cm后冷鲜肉就会产生明显的腐败特征。直接通过嗜冷腐败菌的生长量来预测冷鲜肉的货架期建模过程简单，预测误差小而且无需区分嗜冷腐败菌的种类就能够预测货架期。而已有的预测模型仅是中温型的微生物生长或只对假单胞菌这一种嗜冷腐败菌进行预测，仅预测假单胞菌不足以预测货架期，预测中温型微生物生长还要建立模型预测感官指标，而且腐败菌和感官指标找不到明确的对应关系，建模复杂预测的结果误差也大。
2
冷腐败菌，嗜冷腐败菌在达到6.5log CFU/cm后冷鲜肉就会产生明显的腐败特征。直接通过嗜冷腐败菌的生长量来预测冷鲜肉的货架期建模过程简单，预测误差小而且无需区分嗜冷腐败菌的种类就能够预测货架期。而已有的预测模型仅是中温型的微生物生长或只对假单胞菌这一种嗜冷腐败菌进行预测，仅预测假单胞菌不足以预测货架期，预测中温型微生物生长还要建立模型预测感官指标，而且腐败菌和感官指标找不到明确的对应关系，建模复杂预测的结果误差也大。
[0032] 本发明所述的预测模型能够准确的预测波动温度下使用不同包装方式冷鲜肉的货架期，实时监控及预测结果能够随时掌握，实现人工智能监控，后期通过溯源系统直接呈现给消费者后则可以让消费者对产品质量有直观认识，提升消费者对食品安全的信心。附图说明
[0033] 图1在不同温度下实测的嗜冷腐败菌最大比生长速率μmax和延滞期tlag与其对应的二级模型拟合值对比，◇为实测值，实线为预测值；(a)普通包装的最大比生长速率μmax(数据通过平方根转换后获得最佳拟合结果)；(b)普通包装的延滞期tlag(数据通过自然对数转换后获得最佳拟合结果)；(c)气调包装的最大比生长速率μmax；(d)气调包装的延滞期tlag(数据通过自然对数转换后获得最佳拟合结果)；(e)真空包装的延滞期tlag；
[0034] 图2某批次气调包装冷鲜肉产品加工运输全过程的嗜冷腐败菌生长实测结果与预测结果相对比；(a)该产品所经历的加工运输过程和相应的温度波动变化。此图也即是预测软件的参数输入界面；(b)嗜冷腐败菌生长实测结果与预测结果相对比；◇为实测值，实线为预测值，虚线为预测值±1.0logCFU/cm2的可接受预测范围；其中在初始(时间0点)共检测了5个重复样品，取平均值，得到初始嗜冷腐败菌量为2.45logCFU/cm2，其余各时间点各测了2个重复样品；
[0035] 图3某批次真空包装冷鲜肉产品加工运输全过程的嗜冷腐败菌生长实测结果与预测结果相对比；(a)该产品所经历的加工运输过程和相应的温度波动变化。此图也即是预测软件的参数输入界面；(b)嗜冷腐败菌生长实测结果与预测结果相对比；◇为实测值，实线为预测值，虚线为预测值±1.0logCFU/cm2的可接受预测范围；其中在初始(时间0点)共检测了5个重复样品，取平均值，得到初始嗜冷腐败菌量为2.75logCFU/cm2，其余各时间点各测了2个重复样品。
具体实施方式
[0036] 下面结合具体实施例对本发明的方法进行详细的描述。
[0037] 本发明实施例中所使用的冷鲜肉来自某品牌猪肉按屠宰厂的标准流程屠宰、清洁、切割成200g左右肉块(以后腿肉为主，每块保证有半径2.5cm的圆形取样面积)，放在无菌塑料袋中至于冰上运至实验室。
[0038] 本发明所采用的包装材料为Faerch Plast公司PP材质的硬质塑料托盘，Cryovac公司的完全阻氧包装膜。包装内气体采用Dansensor的MAP Mix 9001气调系统置换。真空包装机为Komet X200。
[0039] 实施例1在波动温度下使用不同包装方式的冷鲜肉货架期预测模型的建立与应用[0040] 一、预测模型的建立
[0041] 1、测定冷鲜肉样品在不同恒温贮藏条件下使用不同包装方式时嗜冷腐败菌的浓度用于建模。
[0042] 1.1样品处理
[0043] 所有肉块放入同一只大型无菌塑料袋内，人工翻动混合，这样做的目的是使所有肉体表面的污染菌数比较均匀。取5个肉块样品进行嗜冷腐败菌的检测(此为初始嗜冷腐败菌数量)。然后对肉块分组准备包装。
[0044] 1.2样品包装
[0045] 普通包装(等同于无包装)：每块肉样品分别放入硬质塑料托盘，然后以一般单层保鲜膜覆盖。普通包装和无包装都是使肉体直接接触自然空气，对微生物的生长影响没有区别，因此普通包装和无包装共用相同模型参数。
[0046] 气调包装：每块肉样品分别放入硬质塑料托盘，采用完全阻氧包装膜包装，对包装内气体用80％O2+20％CO2的气体进行置换。
[0047] 真空包装：每块肉样品分别放入硬质塑料托盘，用完全阻氧包装膜包装，真空强度为-683mbar。
[0048] 1.3生长培养试验
[0049] 将不同包装方案包装好的冷鲜肉分别于-1℃，2℃，5℃，8℃的恒温箱内恒温贮藏，经过适当的时间间隔，取出样品打开包装进行嗜冷腐败菌数量检测。每个时间点取2个重复样品检测。为了验证结果的可重复性，并使模型有较高的容错能力，非同一天屠宰的2批次肉块分别进行生长培养实验。这样对于每种包装方法在同一温度下则产生2条单独的生长曲线结果。
[0050] 1.4嗜冷腐败菌检测
[0051] 样品肉体表面取样依照ISO 17604中的破坏式取样法，采用内半径为2.5cm的圆形不锈钢取样器和手术刀对肉体表面取样。嗜冷腐败菌检测依照ISO 4833的微生物检测法，具体为使用PCA固体培养基在6.5℃下培养10天。
[0052] 2、采用Baranyi和Roberts一级模型(公式A)预测嗜冷腐败菌在某一恒定温度下随时间的生长变化，模型如下：
[0053]
[0054] 其中，
[0055]
[0056] 其中，t为时间。N0为在初始的菌种浓度。Nt为在时间点t的菌种浓度。Nmax为菌种能生长到的最大浓度。μmax为菌种的最大比生长速率。h0为菌种生理状态参数为常数。
[0057] 具体步骤：
[0058] 将在步骤1中测得的冷鲜肉在不同恒温贮藏条件下使用不同包装方式时的嗜冷腐败菌浓度数据进行Baranyi和Roberts一级模型的拟合，此步通过Combase(www.combase.cc)公布的DMFit软件完成，求得嗜冷腐败菌在该条件下的最大比生长速率μmax和延滞期tlag。
[0059] 最大生长浓度Nmax的值直接采用从更多历史积累数据的平均值而设定的值，对普通和气调包装为9.0log CFU/cm2，对真空包装为8.0log CFU/cm2。结果见表1。其中在真空包装条件下，嗜冷腐败菌直接生长，没有发现存在延滞期，因此对于真空包装条件，所有的延滞期tlag都为0。
[0060] 表1在不同包装方法和不同温度下测得的嗜冷腐败菌最大比生长速率μmax和延滞期tlag。
[0061]
[0062] 3、选用平方根二级模型(公式C)预测最大比生长速率μmax随温度的变化关系，选用菌种生理状态参数h0来描述延滞期tlag随最大比生长速率μmax的变化(公式D)。
[0063] μmax＝b×(T-Tmin)2 (C)
[0064]
[0065] 其中，T为温度，μmax为在T温度下的菌种最大比生长速率，Tmin为理论最低生长温度，b为常数，tlag为菌种的延滞期。
[0066] 具体步骤：
[0067] 将一级模型中获得的最大比生长速率μmax和延滞期tlag数据与二级模型(公式C)拟合，通过计算实测与拟合值的最低方均根差(RMSE)，求得常数b和Tmin。并通过tlag求得h0(公式D)。此步通过微软Excel的Solver插件完成。其中方均根差(RMSE)的公式为：
[0068]
[0069] 其中V实测为实测值，V拟合为模型拟合值，n为实测数值的总个数，p为模型公式中需求得的参数个数(此处仅两个参数b和Tmin，因此p为2)。
[0070] 对于波动温度下的模型预测结果评估，本发明采用目前国际上主流学术界通用的针对波动温度环境下的评估方法，可接受预测范围(acceptable simulation zone)评估法，即：将预测值±1.0logCFU/cm2的范围设定为可接受预测范围，而实测值若有80％以上在这个可接受预测范围内，则模型预测结果合格。如表2所示，RMSE值均在0.2以下，说明拟合结果皆良好。
[0071] 实测的最大比生长速率μmax和延滞期tlag与其对应的模型拟合值对比见图1。
[0072] 表2通过拟合实测值，获得的二级模型参数
[0073]
[0074] 4、将一、二级模型相结合，根据冷鲜肉表面嗜冷腐败菌数量的初始浓度、贮藏、冷链运输过程中的温度和包装方式，预测嗜冷腐败菌的生长情况。
[0075] (1)实测冷却排酸前冷鲜肉表面嗜冷腐败菌的初始量；
[0076] (2)将嗜冷腐败菌初始量，排酸、切割、包装、储存和冷链运输各环节的温度和耗时，以及包装方式，录入上述模型，预测出冷鲜肉表面的嗜冷腐败菌在不同时间时的菌株浓度；
[0077] (3)依据嗜冷腐败菌最大检出浓度6.5logCFU/cm2的标准，实时预测出冷鲜肉的货架期。
[0078] 二、使用预测模型对不同包装方式的冷鲜肉货架期评估及验证
[0079] 1、气调包装方式冷鲜肉货架期评估及验证
[0080] 为了验证本发明所述模型的预测结果是否准确，申请人对某批次气调包装冷鲜肉产品经历了一系列加工运输全过程后的嗜冷腐败菌进行检测，分别在第0天(时间0点的5个重复样品用来确定嗜冷腐败菌初始值，不在考虑范围内)、第2天、第5天、第7天、第9天、第11天、第13天取样，每个时间点取两份平行样。实际检测结果显示：在第9天时嗜冷腐败菌浓度低于6.5logCFU/cm2，在第11天时嗜冷腐败菌浓度为超过6.5logCFU/cm2。因此，按照实测值，该产品的货架期应定为10天。
[0081] 图2(a)为预测模型输入界面，申请人将该产品中嗜冷腐败菌的初始量，排酸、切割、包装、储存和冷链运输各环节的温度和耗时，以及包装方式，录入本发明所述预测模型，预测出该产品冷鲜肉表面的嗜冷腐败菌在不同时间时的菌株浓度。结果如图2(b)所示，在第10天时嗜冷腐败菌浓度低于6.5logCFU/cm2，在10.4天后，嗜冷腐败菌便生长超出了6.5logCFU/cm2的限度，因此该模型预测出的该产品的货架期应该为10天。
[0082] 而且，图2(b)所示实测与预测结果对比可知，在其中12个实测点中，只有1个点不2
在±1.0logCFU/cm的可接受预测范围内，预测准确率达到11/12＝91.7％，高于80％，预测结果良好。
在±1.0logCFU/cm的可接受预测范围内，预测准确率达到11/12＝91.7％，高于80％，预测结果良好。
[0083] 上述结果表明，本发明所述模型的预测结果与实际的检测结果完全吻合，准确性很高。
[0084] 2、真空包装方式冷鲜肉货架期评估及验证
[0085] 为了验证本发明所述模型的预测结果是否准确，申请人对某批次真空包装冷鲜肉产品经历了一系列加工运输全过程后的嗜冷腐败菌进行检测，分别在第0天(时间0点的5个重复样品用来确定嗜冷腐败菌初始值，不在考虑范围内)、第3天、第6天、第9天、第12天、第15天、第17天、第21天取样，每个时间点取两份平行样。实际检测结果显示：在第15天时嗜冷腐败菌浓度低于6.5logCFU/cm2，在第17天时嗜冷腐败菌浓度基本达到6.5logCFU/cm2，因此该产品的货架期应定为17天。
[0086] 图3(a)为预测软件输入界面，申请人将该产品中嗜冷腐败菌的初始量，排酸、切割、包装、储存和冷链运输各环节的温度和耗时，以及包装方式，录入本发明所述预测模型，预测出该产品冷鲜肉表面的嗜冷腐败菌在不同时间时的菌株浓度。结果如图3(b)所示，在17天时，嗜冷腐败菌低于6.5logCFU/cm2的限度，17.6天后嗜冷腐败菌便生长超出了
6.5logCFU/cm2的限度，因此该模型预测出的该产品的货架期应该为17天。
6.5logCFU/cm2的限度，因此该模型预测出的该产品的货架期应该为17天。
[0087] 而且，图3(b)所示实测与预测结果对比可知，在其中14个实测点中，只有1个点不在±1.0logCFU/cm2的可接受预测范围内，预测准确率达到13/14＝92.9％，高于80％，表示预测结果良好。
[0088] 上述结果表明，本发明所述模型的预测结果与实际的检测结果完全吻合，准确性很高。
[0089] 本发明建立的预测模型可以预测三种不同包装方式的冷鲜肉的货架期，符合当下冷鲜肉产品的消费模式。同时所述模型为从屠宰后排酸到超市零售结束全部冷链过程中的冷鲜肉的质量管控提供了有力的技术支撑。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种含乙草胺的纳米水剂及其加工方法 | 2020-05-12 | 33 |
| 一种水果制品及其制备方法 | 2020-05-12 | 262 |
| 一种辅料组合物及益生菌片剂 | 2020-05-11 | 337 |
| 一种环保型充气膨化食品包装膜 | 2020-05-08 | 856 |
| 一种烘焙食品用酸度调节剂、其制备方法及应用 | 2020-05-11 | 360 |
| 一种腌渍菌菇类防腐剂及其使用方法 | 2020-05-12 | 673 |
| 一种可长期保存的新型即食液态鸡汤的加工及贮藏保鲜工艺 | 2020-05-08 | 368 |
| 一种添加低聚半乳糖的原味吐司面包及其制备方法 | 2020-05-11 | 369 |
| 一种含天然抗氧化剂组合物的鱼油微囊粉及其制备方法 | 2020-05-08 | 974 |
| 褪黑素处理延缓鲜切莲藕片褐变的方法、褐变延缓剂及其制备方法和应用 | 2020-05-12 | 232 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈