PL
Celem pracy było opracowanie matematycznych modeli wzrostu bakterii z rodzaju Pseudomonas w modelowych produktach mięsnych przy uwzględnieniu następujących czynników: czas i temperatura. W badaniach zastosowano „model" produktu mięsnego reprezentujący grupę produktów z mięsa rozdrobnionego. Otrzymane wyniki badań pozwoliły na utworzenie pierwszorzędowych modeli Gompertza i logistycznych, które dobrze opisywały rozwój drobnoustrojów w produktach z mięsa rozdrobnionego w czasie przechowywania w zróżnicowanej temperaturze. Uzyskane modele liniowe Conline'a nie były wystarczająco dobrze dopasowane. Drugorzędowy model Ratkowsky'ego okazał się najbardziej przydatny do oszacowania współczynnika szybkości wzrostu badanych grup drobnoustrojów. Wielomiany drugiego stopnia były najbardziej odpowiednie do opisu, w postaci powierzchni odpowiedzi, wpływu dwóch zmiennych na rozwój wybranych grup drobnoustrojów w produktach mięsnych. Podjęto również próbę zastosowania nowego narzędzia w prognozowaniu mikrobiologicznym, jakim są sieci neuronowe. Do uzyskiwania sieci o dobrej jakości (niski iloraz odchyleń) niezbędna jest duża liczba przypadków uczących.
EN
The objective of the paper was to construct mathematical bacteria growth models of the Pseudomonas spp. bacteria occurring in model meat products considering the two following factors: time and temperature. For the purpose of the investigations performed, there was used a 'model' of the meat product representing a group of meat products made of minced meat. The investigation results obtained made it possible to construct first-order Gompertz and logistic models which appropriately described the growth of bacteria in minced meat products during their storage at various temperatures. The constructed Conline linear models were not sufficiently matching. The second-degree Ratkowsky model appeared to be the most suitable for the purpose of assessing the growth rate of the groups of microorganisms. The second-degree poly-nominals appeared to be the most suitable to describe, in the form of response surfaces, the effect of two variables on the growth of selected groups of microorganisms in meat products. Additionally, an attempt was made to apply this new tool, i.e. neural networks, to microbiological prognoses.