第 5 期 蒋飞等:基于注意力机制的 DM-BCNN 鲨鱼种群细粒度分类方法

度相似的细粒度特征的能力仍然不足。 对比基于

多尺度融合的 EfficientNet 细粒度分类[40]

,该算法

可更全面捕捉不同尺度下的特征信息,但在区分

背景与目标物种细微特征差异的能力上还有所不

足。 针对以上问题,改进的 DM-BCNN 网络模型

采用 NAM 注意力机制和互通道损失函数,增强

了模型对鲨鱼图像关键特征的识别提取能力和网

络不同通道间的语义关联性,以此得到了较好的

对于鲨鱼种群的细粒度图像分类识别能力。

4 结论

针对鲨鱼种群细粒度分类问题,提出了一种

基于注意力机制的 DM-BCNN 鲨鱼种群细粒度分

类方法。 DM-BCNN 算法首先将原模型中的骨干

网络替换为引入了可变形卷积新结构的特征提取

网络,允许卷积核在空间维度上动态调整形状,使

模型更好地适应复杂非规则形状,加强模型对鲨

鱼图像非规则形状局部特征的提取。 然后在此改

进的网络上融入 NAM 注意力机制,使鲨鱼图像

的关键特征能得到更多的关注。 最后通过一个新

的互通道损失函数增强网络不同通道间的语义关

联性,促使网络学习多样性的特征表示使其能够

更全面地捕捉图像不同方面的信息。 从试验结果

来看,相比原模型,改进后的 DM-BCNN 模型准确

率提高了 2. 51 个百分点。 该模型在细粒度分类

精度上的提升为不同类别鲨鱼种群的习性研究和

生存环境保护提供了一种新的方法。 但此算法在

模型全局信息利用能力方面还有所不足,今后将

尝试把模型与图卷积网络结合,进一步提升鲨鱼

种群细粒度分类准确率,为鲨鱼种群的保护提供

更好的帮助。

□

参考文献

[1] ZHAO B,FENG J,WU X,et al. A survey on deep learning-based

fine-grained object classification and semantic segmentation [J].

International Journal of Automation and Computing,2017,14(2):

119-135.

[2] HEUPEL M R,KNIP D M,SIMPFENDORFER C A,et al. Sizing

up the ecological role of sharks as predators[J]. Marine Ecology

Progress Series,2014,495:291-298.

[3] MOFTAH M, ABDEL AZIZ S H, ELRAMAH S, et al.

Classification of sharks in the Egyptian Mediterranean waters

using morphological and DNA barcoding approaches[ J]. PLoS

One,2011,6(11):e0027001.

[4] JENRETTE J,LIU Z Y C,CHIMOTE P,et al. Shark detection

and classification with machine learning [ J ]. Ecological

Informatics,2022,69:101673.

[5] KILFOIL J P,CAMPBELL M D,HEITHAUS M R, et al. The

influence of shark behavior and environmental conditions on

baited remote underwater video survey results [ J]. Ecological

Modelling,2021,447:109507.

[6] 董绍江,刘伟,蔡巍巍,等. 基于分层精简双线性注意力网络

的鱼类识别[J]. 计算机工程与应用,2022,58(5):186-192.

[7] 龚瑞昆,赵学智,赵福生. 基于 EfficientNetV2-HDCA 模型水

下鱼类图像分类算法研究 [ J]. 电子测量技术, 2022, 45

(22):128-134.

[8] LU H,UEMURA T,WANG D,et al. Deep-sea organisms tracking

using dehazing and deep learning [ J ]. Mobile Networks and

Applications,2020,25:1008-1015.

[9] WILSON A D M, BROWNSCOMBE J W, KRAUSE J, et al.

Integrating network analysis, sensor tags, and observation to

understand shark ecology and behavior[ J]. Behavioral Ecology,

2015,26(6):1577-1586.

[10]LIN T Y,ROYCHOWDHURY A,MAJI S. Bilinear CNN models

for fine - grained visual recognition [ C] / / Proceedings of the

IEEE international conference on computer vision, 2015: 1449

-1457.

[11]YANG Q, YANG X, JI X. NAM net: meta - network with

normalization-based attention for few-shot learning[C] / / 2022

2nd International Conference on Computer Science, Electronic

Information Engineering and Intelligent Control Technology

(CEI),IEEE,2022:473-476.

[12]CHENGCHENG H,JIAN Y,XIAO Q. Research and application of

fine-grained image classification based on small collar dataset[J].

Frontiers in Computational Neuroscience,2022,15:766284.

[13]YUAN H,ZHANG S, CHEN G, et al. Underwater image fish

recognition technology based on transfer learning and image

enhancement[J]. Journal of Coastal Research,2020,105( SI):

124-128.

[14]王长庚. 基于改进双线性的细粒度图像分类方法[ J]. 电脑

知识与技术,2023,19(30):6-10.

[15]LIN T Y,ROYCHOWDHURY A,MAJI S. Bilinear convolutional

neural networks for fine - grained visual recognition [ J]. IEEE

transactions on pattern analysis and machine intelligence,2017,

40(6):1309-1322.

[16]葛艳,张亚婷,李海涛. 基于特征融合的 FL-BCNN 鱼类识别

算法研 究 [ J]. 计 算 机 应 用 与 软 件, 2023, 40 ( 8 ): 174 -

179,186.

[17]朱晨鹏,彭宏京,刘学军. 基于双注意力核化双线性网络的

细粒度图像分类[J]. 计算机工程与设计,2022,43(7):2007

-2014.

[18]WANG X W,LAI G J. The Target Recognition algorithm based on

99

渔 业 现 代 化 2024 年

the coordinate attention mechanism and the mutual-channel loss

[C] / / 2022 4th International Conference on Communications,

Information System and Computer Engineering (CISCE),IEEE,

2022:443-447.

[19]DU L, LU Z, LI D. Broodstock breeding behaviour recognition

based on Resnet50-LSTM with CBAM attention mechanism[J].

Computers and Electronics in Agriculture,2022,202:107404.

[20]蔡雨涵. 基于卷积自编码和残差网络的图像分类算法[ J].

信息技术与信息化,2022(7):73-76.

[21]CHEN F,WU F,XU J,et al. Adaptive deformable convolutional

network[J]. Neurocomputing,2021,453:853-864.

[22]ZHAO S,ZHANG S,LU J,et al. A lightweight dead fish detection

method based on deformable convolution and YOLOv4 [ J ].

Computers and Electronics in Agriculture,2022,198:107098.

[ 23]CAI Y,YAO Z,JIANG H,et al. Rapid detection of fish with SVC

symptoms based on machine vision combined with a NAM -

YOLOv7 hybrid model[J]. Aquaculture,2024,582:740558.

[24] WANG J,DONG Y,ZHAO S,et al. A high - precision vehicle

detection and tracking method based on the attention mechanism

[J]. Sensors,2023,23(2):724.

[25]ZADEH S G,SCHMID M. Bias in cross-entropy-based training

of deep survival networks [ J ]. IEEE transactions on pattern

analysis and machine intelligence,2020,43(9):3126-3137.

[26]HO Y,WOOKEY S. The real-world-weight cross-entropy loss

function:Modeling the costs of mislabeling [ J]. IEEE access,

2019,8:4806-4813.

[27]CHANG D,DING Y,XIE J,et al. The devil is in the channels:

Mutual-channel loss for fine-grained image classification[ J].

IEEE Transactions on Image Processing,2020,29:4683-4695.

[28]MAJUMDER A,RAJBONGSHI A,RAHMAN M M,et al. Local

freshwater fish recognition using different CNN architectures with

transfer learning[J]. Int. J. Adv. Sci. Eng. Inf. Technol,2021,11

(3):1078-1083.

[29]SHAHA M,PAWAR M. Transfer learning for image classification

[ C ] / / 2018 second international conference on electronics,

communication and aerospace technology ( ICECA ), IEEE,

2018:656-660.

[30] LI Q,YANG Y,GUO Y,et al. Performance evaluation of deep

learning classification network for image features [ J ]. IEEE

Access,2021,9:918-933.

[31]NARKHEDE M V,BARTAKKE P P,SUTAONE M S. A review

on weight initialization strategies for neural networks [ J ].

Artificial intelligence review,2022,55(1):291-322.

[32]HIBBAN D M,Al MAKI W F. Classification of ornamental betta fish

using convolutional neural network method and grabcut segmentation

[C] / / 2021 International Conference on Data Science and Its

Applications (ICoDSA),IEEE,2021:102-109.

[33]孙东洋,刘辉,张纪红,等. 基于深度卷积神经网络的海洋牧

场岩礁性生物图像分类[ J]. 海洋与湖沼,2021,52(5):1160

-1169.

[34]BANAN A,NASIRI A,TAHERI-GARAVAND A. Deep learning

-based appearance features extraction for automated carp species

identification[J]. Aquacultural Engineering,2020,89:102053.

[35]赵正伟,朱宏进,杨根滕,等. 基于改进 Res2Net 模型的淡水

鱼类图像分类研究[J]. 软件工程,2022,25(7):28-32.

[36]田战胜,刘立波. 基于改进 Transformer 的细粒度图像分类模

型[J]. 激光与光电子学进展,2023,60(2):171-178.

[37]陆靖桥,宾炜,卢永锵,等. 结合注意力互斥正则的细粒度图

像分类[J]. 计算机应用,2023,43(增刊 1):224-228.

[38]钱榕,张茹,张克君,等. 融合全局和局部特征的胶囊图神经

网络[J]. 吉林大学学报(工学版),2021,51(3):1048-1054.

[39]肖蕾,蓝宗苗. 基于注意力机制的污水微型动物识别方法

[J]. 激光与光电子学进展,2023,60(2):249-256.

[40]LIANG G,CHEN J,XIE J,et al. Classification of fine-grained

species of marine organisms based on multi-scale fusion[C] / /

10th International Conference on Internet Computing for Science

and Engineering,2021:94-100.

100

第 5 期 蒋飞等:基于注意力机制的 DM-BCNN 鲨鱼种群细粒度分类方法

Research on fine-grained classification method of shark population

based on DM-BCNN with attention mechanism

JIANG Fei,LI Hao,LI Yaqin,XIAO Songyan,LIU Tianwei

(School of Mathematics and Computer Science,Wuhan Polytechnic University,Wuhan 430048,Hubei,China)

Abstract:To enhance the accuracy of fine-grained classification of shark populations and address issues such

as image interference,insufficient extraction of local key features,and lack of semantic correlation between

channels,a DM - BCNN model for fine - grained classification of shark populations based on an improved

Bilinear Convolutional Neural Network (B-CNN) is proposed. First,deformable convolution is introduced to

replace the feature extraction part of the original model with a DRAM_ResNet network structure,enhancing the

model′s ability to detect complex and irregular shapes and local structures. Then, the NAM attention

mechanism is employed to strengthen the model′s ability to identify and extract key features. Finally,a Mutual

Channel Loss function is introduced to enhance the semantic correlation between different channels of shark

images,allowing the model to capture information from various aspects of the images more comprehensively.

The results show that the improved DM-BCNN model achieved a Top-1 accuracy of 96. 12%,representing a

2. 51 percentage point improvement over the original model. The study demonstrates that the proposed improved

model outperforms the original model in fine-grained image classification,making it more effective for finegrained classification and identification of shark populations.

Key words:shark; fine-grained image; attention mechanism; deformable convolution; mutual channel loss

101

第 51 卷第 5 期 渔 业 现 代 化 Vol. 51 No. 5

2024 年 10 月 FISHERY MODERNIZATION Oct. 2024

DOI:10. 3969 / j. issn. 1007-9580. 2024. 05. 012 开放科学(资源服务)标识码(OSID):

李纳,高瑞. 基于 CFD 的某远洋围网渔船纵倾节能技术研究[J]. 渔业现代化,2024,51(5):102-109.

收稿日期:2024-04-29

基金项目:国家重点研发计划课题“远洋渔船节能技术及捕捞装备自动化控制系统集成示范(2020YFD0901201)”;中国水产科学研究院

渔业机械仪器研究所基本科研专项课题“纵浪对鱿鱼钓船失稳预报的影响因素(2024LKY052)”

作者简介:李纳(1987—),女,副研究员,研究方向:渔船设计。 E-mail:n13469990791@ 126. com

基于 CFD 的某远洋围网渔船纵倾节能技术

李 纳,高 瑞

(中国水产科学研究院渔业机械仪器研究所,农业农村部远洋渔船与装备重点实验室,上海 200092)

摘要:为响应联合国粮农组织(FAO)提出的“蓝色倡议”和海洋经济可持续发展要求,降低某 40 m 远洋围网

渔船整个营运周期的能耗和运营成本,提高远洋渔船的能效管理技术水平,本研究依托渔船数字化研发平

台,基于雷诺平均方程法(RANS),运用计算流体力学(CFD)分析软件 STAR-CCM+对该远洋围网渔船不同

吃水、不同纵倾状态下的船舶阻力进行仿真计算,分析其阻力的变化规律并寻找不同吃水不同航速下的最佳

纵倾角度,针对围网渔船完整营运周期中关键工况点的排水量和航速需求,建立全工况最佳纵倾操作手册和

主机功率的经济性选择方案,并通过船舶正浮状态和最佳纵倾状态能耗对比计算验证纵倾优化的实际节能

效果。 研究结果可为同类型远洋渔船的节能减排优化设计和运营管理提供案例参考。

关键词:围网渔船;仿真计算;纵倾节能;主机能效分析

中图分类号:U 662. 2;S 972. 7 文献标志码:A 文章编号:1007-9580(2024)05-0102-008

经济高效化、节能绿色化一直是远洋渔船发

展的重要方向。 能效设计指数(EEDI)实施以后,

采用新技术、新方法实现船舶的绿色营运成为船

舶行业的当务之急[1]

。 远洋围网渔船因其捕捞

对象主要是游行迅速的上层鱼群,对航速要求较

高。 近年来,为提高航速,适应远洋作业的需求,

远洋围网渔船的主机功率在不断增加,同时也造

成了造价和油耗的不断攀升。 通过对围网渔船全

工况的纵倾组合浮态的阻力计算和动力需求精准

分析,实现远洋渔船 “技术先进性、环境友好型、

经济合理性”的绿色船舶技术升级[2-3]

。

近年来,随着船舶节能技术的快速发展,国内

外很多专家就船舶的纵倾浮态与船舶航行阻力、

推进效率的关系进行了试验研究[4-7]

,杨佑宗

等[8]通过货船不同吃水变纵倾阻力试验结果,绘

制了纵倾寻优曲面及最佳纵倾曲线,为船舶营运

提供指导;Laren 等[9] 通过系列船模试验,综合分

析了不同纵倾角下船舶水线长度、有效功率等船

型要素对船模阻力的影响,以实现浮态优化节能。

这些研究主要针对大型商业运输船舶,对渔船的

纵倾优化节能研究[10] 却很少,而远洋渔船工况

多[11]

,浮态变化大,通过研究渔船典型装载工况

的最佳纵倾角度,建立操船指导手册,同时基于阻

力优化结果合理选择柴油发动机[12]

,可以降低初

期投入和运营成本,提高船舶能效管理水平,形成

渔船节能减排的新途径。

基于 黏 性 流 场 求 解 雷 诺 平 均 N - S 方 程

(RANS) 法 在 船 舶 水 动 力 性 能 研 究 中 应 用 广

泛[13-14]

,而 STAR -CCM +软件作为新一代通用

CFD 分析软件广泛应用于船舶行业[15]

。 限于西

非入渔国对海洋经济区作业渔船的尺度和吨位要

求,中国在西非的远洋渔船船长大部分在 40 m 左

右,故选择一条总长 40 m 的远洋围网渔船作为研

究对象,利用 STAR-CCM+对其进行全营运周期

作业工况下不同吃水、不同纵倾状态下的阻力仿

真计算,预报全工况阻力,并根据计算结果进行主

机和螺旋桨的合理配置。

1 数值模拟

1. 1 数值方法

依照 RANS 法对某 40 m 远洋围网渔船进行

静水直航运动的阻力分析,采用 VOF(目标流体

第 5 期 李纳等:基于 CFD 的某远洋围网渔船纵倾节能技术

的体 积 与 网 格 体 积 的 比 值) 法 捕 捉 自 由 液

面[16-17]

,运用 CATIA 和 STAR-CCM+进行三维建

模和数值计算[18]

。 其控制方程如下所示,采用 k

-ε 湍流模型进行方程闭合[19]

。

连续性方程[20]

:

∂u′i

∂xi

= 0 (1)

动量方程:

∂?ui

∂t

+?uj

∂?ui

∂xj

+

∂

∂xj

(u′iu′j) = -

1

ρ

∂p?

∂xi

+ v

∂

2?ui

∂xj∂xj

+ f

i (2)

式中: ui,uj 为流体速度在 x、y、z 三个方向上的分

量(i,j = 1,2,3);u′iu′j 为引入的雷诺应力项;p 为

压力均值;ρ 为流体密度;v 为流体的运动黏性系

数;f

i 为质量力。

1. 2 数值模型

1. 2. 1 计算域与边界条件

远洋围网渔船实船和计算模型的船型参数如

表 1 所示。

表 1 船型参数表

Tab. 1 Principal scale parameter

参数 单位 实船 模型

垂线间长/ Lpp m 35. 5 2. 78

型宽/ B m 10 0. 78

型深/ D m 5 0. 39

设计吃水/ T m 3. 8 0. 30

湿表面积/ WSA m

2

526 3. 24

设计排水量/ Δ t 945. 35 5. 81

计算采用缩尺比为 1 ∶ 12. 75,渔船三维模型

如图 1 所示。 计算模型沿中纵剖面对称,为节省

计算成本,仅考虑计算左舷半体船模。 计算域及

边界条件如表 2 所示。

图 1 40 m 远洋围网渔船三维模型图

Fig. 1 3 D model of 40 m purse seine vessels

表 2 边界条件

Tab. 2 Boundary conditions

表面 计算域 边界条件

船体 — 壁面条件

入口 船前 2 Lpp 速度入口

出口 船艉 5 Lpp 压力出口

顶部 距自由表面 1. 5 Lpp 速度入口

底部 距自由表面 2 Lpp 速度入口

侧部 距中纵剖面 4 Lpp 速度入口

中纵剖面 对称 对称条件

1. 2. 2 网格划分

计算网格划分采用多面体网格,如图 2 所示。

在自由表面附近对网格进行了加密处理以有效捕

捉自由液面位置。 船体表面附近添加边界层可以

更加准确捕捉边界层流动,如图 3 所示。

1. 2. 3 网格无关性验证

计算时间步长 Δt = 0. 02 s,在该时间步长基

础上,采用粗网格、中网格与细网格 3 种网格数量

进行无关性验证,具体结果如表 3 所示。 可见,中

网格能够较好地平衡计算成本与精度,因此后续

计算中均采用中网格。

B

fl  C



图 2 网格加密

Fig. 2 Grid refinement

103

渔 业 现 代 化 2024 年

B

 C

 D



图 3 船体表面边界层

Fig. 3 Boundary layer of ship

表 3 网格无关性验证

Tab. 3 Grid independence verification

网格类型 网格数量/ 百万个 阻力/ N

粗网格 0. 76 34. 14

中网格 1. 12 36. 53

细网格 1. 59 36. 69

1. 2. 4 计算结果

图 4、图 5 分别给出了对称面处的水线高度

变化以及船舶航行过程中所产生的开尔文波形。

从图 5 可知,前述模拟设置能够较好地捕捉自由

表面及航行时产生的波形。

图 4 对称面处艏艉水线

Fig. 4 Waterlines in symmetry plane

图 5 设计航速下开尔文波

Fig. 5 Kelvin wave in design speed

2 全工况纵倾阻力分析

2. 1 阻力计算

远洋围网渔船的一个生产运营周期包括 3 个

主要航行作业工况[21]

:满载出港(燃油、淡水量

100%,渔获物 0%)、捕鱼作业(第一阶段燃油、淡

水量 70%,渔获物 40%;第二阶段燃油、淡水量

40%,渔获物 80%) 和满载返港 ( 燃油、 淡水量

10%,渔获物 100%),装载情况如表 4 所示。 其中

捕鱼作业是对航速要求最高的工况,根据渔获量

把捕鱼作业分成两个阶段。

燃油、淡水量、渔获物及其他消耗品的装载分

布会影响船舶的浮态,对航行作业的 4 个阶段中

船舶在不同航速不同纵倾角度下[22] 的阻力进行

计算。

2. 1. 1 满载出港

满载出港( Ld1) 状态,渔船燃油、淡水量为

100%, 渔 获 物 为 0%, 船 舶 初 始 浮 态 为 艉 倾

1. 87°,从码头到作业渔场的油水消耗会影响船舶

的浮态,所以在 Ld1 阶段计算艉倾 2°、1. 5°、1°、

0. 5°(艉倾为负) 状态下船舶在航速 8. 5、10. 5、

12. 5、14. 5、16. 5 kn 时的阻力,并根据计算结果绘

制阻力趋势线,如图 6 所示。

S

   















图 6 Ld1 工况下不同航速下渔船阻力随纵

倾角度变化图

Fig. 6 The relation between resistance of fishing vessel and

trim angle at different speed under Ld1

如图 6 中趋势线(Ⅰ)、(Ⅱ) 所示,Fr < 0. 30

104

第 5 期 李纳等:基于 CFD 的某远洋围网渔船纵倾节能技术

时,船体阻力随艉倾角度增大而增加,艉倾 0. 5°

时船体阻力最小;趋势线(Ⅲ)所示,Fr≈0. 33 时,

船体阻力随艉倾角度增大而增加,阻力变化趋势

与船舶低速状态 Fr < 0. 30 时基本一致;趋势线

(Ⅳ)、(Ⅴ) 所示,Fr > 0. 35 时,船体阻力在艉倾

1. 5°呈现阻力最优化状态,并且当艉倾角度小于

1. 5°时,阻力随艉倾角度减小而增加。 航速 12. 5

kn 时,阻力最小状态艉倾 0. 5°时船体总阻力相比

于阻力最大状态减小了 9. 8%,相比于阻力平均

值减小了 4. 3%。

表 4 围网渔船装载量和浮态表

Tab. 4 Loading capacity and floating state of purse seine vessel

工况 简称 排水量/ t 燃油量/ t 淡水量/ t 渔获量/ t 平均吃水/ m

满载出港 Ld1 715 53 26 0 3. 01

捕鱼

作业

第一阶段 Ld2 815 37 19 120 3. 35

第二阶段 Ld3 920 23 12 240 3. 71

满载返港 Ld4 945 16 8 300 3. 80

通过分析船舶浮态和船舶各阻力成分的变化

可知,低载荷浅吃水状态下,船舶处于中低速状态

时,随艉倾角度增大,船舶的湿表面积增大,摩擦

阻力增加,而兴波阻力变化不大,船体总阻力增

大;航速提高后,船舶的兴波阻力因为艉倾角度增

加引起的实际船舶水线长增加而降低,在一定艉

倾角度范围内,船体总阻力随艉倾角度增大而

降低。

2. 1. 2 捕鱼作业

捕鱼作业第一阶段( Ld2),渔获物装载量为

40%,船舶纵倾调整范围为艉倾 1. 5° ~ 0°,所以在

Ld2 阶段计算艉倾 1. 5°、1°、0. 5°、0°状态下船舶

在航速 8. 5 kn、10. 5 kn、12. 5 kn、14. 5 kn、16. 5 kn

时的阻力,并根据计算结果绘制阻力趋势线,如图

7 所示。

S



















     

图 7 Ld2 工况下不同航速下渔船阻力随

纵倾角度变化图

Fig. 7 The relation between resistance of fishing vessel and

trim angle at different speed under Ld2

如图 7 中趋势线(Ⅰ)、(Ⅱ) 所示,Fr < 0. 30

时,船体阻力随艉倾角度增加而增大; 趋势线

(Ⅳ)、(Ⅴ)所示,Fr>0. 35 时,船体阻力随艉倾角

度增大而降低,航速越高,阻力随艉倾角度的增大

而产生的降低趋势越大。 趋势线(Ⅲ)所示,Fr≈

0. 33 时,船体阻力随艉倾角度的变化呈现出由低

速状态随艉倾角度增大而增加到高速状态随艉倾

角度增加而降低的过渡。 航速 12. 5 kn 时,阻力

最小状态艉倾 1°时船体总阻力相比于阻力最大

状态艉倾 0. 5°减小了 5. 4%,相比于阻力平均值

减小了 2. 7%。

通过分析船舶浮态和船舶各阻力成分的变化

可知,随着船舶吃水增加,由于湿表面积变化引起

的摩擦阻力变化占总阻力的比值降低,所以在低

速阶段船体阻力随艉倾角度变化改变的梯度减

小;在高速阶段,船舶的兴波阻力因为艉倾角度增

大引起的实际船舶水线长增加而降低,船体总阻

力随艉倾角度增大而降低。

捕鱼作业第二阶段( Ld3),渔获物装载量为

80%,船舶纵倾调整范围为艉倾 1° ~ 0°,所以在

Ld3 阶段计算艉倾 1°、0. 5°、0°状态下船舶在航速

8. 5、10. 5、12. 5、14. 5、16. 5 kn 时的阻力,并根据

计算结果绘制阻力趋势线,如图 8 所示。 如图 8

中趋势线(Ⅰ)所示,Fr≈0. 22 时,船体阻力在艉

倾 0. 5° 时形成阻力峰值, 趋势线 ( Ⅱ)、 ( Ⅲ)、

(Ⅳ)、(Ⅴ) 所示,Fr≥0. 28 时,船体阻力随艉倾

角度增加而增加,航速越高,阻力随艉倾角度的增

加而产生的增加趋势越大。 航速 12. 5 kn 时,船

105

渔 业 现 代 化 2024 年

舶从艉倾 0°即正浮状态到艉倾 0. 5°阻力变化不

大,阻力最小状态艉倾 0°时船体总阻力相比于阻

力最大状态艉倾 1°减小了 9. 0%,相比于阻力平

均值减小了 3. 0%。

S



















     

图 8 Ld3 工况下不同航速下渔船阻力随

纵倾角度变化图

Fig. 8 The relation between resistance of fishing vessel and

trim angle at different speed under Ld3

通过分析船舶浮态和船舶各阻力成分的变化

可知,Ld3 工况平均吃水 3. 7 m,在艉倾角度变化

范围内艉封板和球鼻艏始终处于淹没状态,船舶

湿表面积和水线长变化不大,船舶摩擦阻力变化

不明显,船舶总阻力的变化可能是由于纵倾造成

船舶水下形状发生变化,引起兴波阻力变化造成。

航速越高,方形系数和棱形系数对兴波阻力的影

响越敏感,艉倾增加,船舶进流段曲率增加,兴波

阻力增加,船舶总阻力增加。

2. 1. 3 满载返港

满载返港状态(Ld4),渔船燃油、淡水装载量

为 30%,渔获物为 100%,船舶纵倾调整范围为艉

倾 0. 5°至艏倾 0. 5°,所以在 Ld4 阶段计算艉倾

0. 5°、0°和艏倾 0. 5°状态下船舶在航速 8. 5 kn、

10. 5 kn、12. 5 kn、14. 5 kn、16. 5 kn 时的阻力,结

果如图 9 所示。 如图 9 中趋势线(Ⅰ~ Ⅴ)所示,

船舶阻力随纵倾角度变化的改变不明显,艉倾状

态阻力相对大一点,正浮状态至艏倾 0. 5°之间阻

力基本保持不变。 航速 12. 5 kn 时,阻力最小状

态艏倾 0. 5°时船体总阻力相比于阻力最大状态

艉倾 0. 5°减小了 0. 6%,相比于阻力平均值减小

了 0. 5%。

S





















     

图 9 Ld4 工况下不同航速下渔船阻力随

纵倾角度变化图

Fig. 9 The relation between resistance of fishing vessel and

trim angle at different speed under Ld4

通过分析船舶浮态和船舶各阻力成分的变化

可知,Ld4 工况平均吃水 3. 8 m,在纵倾角度变化

范围内船舶湿表面积和水线长变化不大,船舶纵

倾主要影响船舶水下形状。 艏倾状态船舶的进流

段较平缓,兴波阻力减小,船舶总阻力也减小。

2. 2 纵倾节能分析

由 4 种工况的仿真结果可知,在固定排水量

下,对于每一个速度总能找到一个最佳纵倾值使

得船舶的总阻力最小[23]

,根据这个结果可以建立

航行最佳纵倾操作手册,如表 5 所示。

表 5 渔船最小阻力纵倾角度

Tab. 5 Optimum trim angle for navigation

航速/

kn

渔船最小阻力纵倾角度/ (°)(艉倾为负)

排水量

715 t

排水量

815 t

排水量

920 t

排水量

945 t

8. 5 -0. 5 0. 0 -1. 0 0. 5

10. 5 -0. 5 0. 0 0. 0 0. 5

12. 5 -0. 5 -1. 0 0. 0 0. 5

14. 5 -1. 5 -1. 0 0. 0 0. 5

16. 5 -1. 5 -1. 5 0. 0 0. 5

船舶航行时产生的船体阻力主要包括摩擦阻

力和剩余阻力,摩擦阻力由摩擦阻力系数和船体

湿表面积决定[24]

,对于中小型渔船,小范围调整

船舶纵倾角度对船体水线长和湿表面积的改变很

小,所以摩擦阻力随纵倾角度的变化改变不大,可

以忽略不计。 但是剩余阻力系数随纵倾角度变化

改变明显,因为调整船舶浮态对船舶艏部的兴波

阻力和艉部的粘压阻力都会有影响,所以对于同

106

第 5 期 李纳等:基于 CFD 的某远洋围网渔船纵倾节能技术

一排水量和航速情况,调整纵倾角度主要是影响

船舶的剩余阻力。

对仿真计算结果进行对比分析发现,模型对

象围网渔船的最佳纵倾角度是有一定规律的,对

于低速航行状态,Fr 在 0. 25 左右时,船舶最佳浮

态一般为正浮状态或者小角度的纵倾,船体阻力

随纵倾角度增大而增加,随着航速增加,船舶最佳

浮态由正浮状态改为艉倾 1°左右。 最佳艉倾角

度还因排水量改变,吃水较小时,纵倾越大船体阻

力越大,吃水增加,船舶在艉倾 1°左右存在最优

值,当达到满载吃水时,在可调纵倾角度范围内船

舶阻力基本没有变化。

3 合理选择主机

围网渔船因其作业方式的需求,是所有捕捞

渔船中对航速要求最高的船舶,设计航速的确定

既要满足使用需求又要考虑经济性[25]

。 运用

STAR-CCM+软件计算该 40 m 远洋围网渔船在设

计排水量正浮状态时的船舶阻力及有效功率曲

线,如图 10 所示。

              

LO



L8

图 10 满载排水量正浮状态船舶有效功率曲线

Fig. 10 Ship resistance curve in full load displacement

positive floating state

航速在 13 kn 附近曲线的斜率增加较大,说

明 13 kn 以后船舶的有效功率随航速增加较大。

所以在满足围网渔船作业需求的基础上将设计航

速定位在 12. 5~13. 0 kn 之间选择主机[26-27]

。

根据有效功率曲线可以推算航速 12. 5~13. 0

kn 时所需主机功率大概在 1 600~1 900 kW 。 根

据主机功率区间和机舱布置的尺度限制选择三款

在渔船上应用较多技术成熟的柴油发动机,功率

为 1 654、1 765、1 820 kW。 根据三款主机的参数

分别进行螺旋桨的匹配设计[28]

,如表 6 所示。 在

螺旋桨直径限定的情况下,主机功率越大,螺旋桨

的效率越低,所以在满足围网作业航速需求的情

况下,不能一味追求速度而选择功率过大的主机,

造成初期投入成本和营运成本的增加。 方案Ⅲ比

方案Ⅱ航速高 0. 55%,耗油量却高 2. 6%,所以方

案Ⅱ比方案Ⅲ更经济节能。 方案Ⅰ比方案Ⅱ螺旋

桨效率高,但是方案Ⅰ中主机油耗率高造成运营

周期内耗油量比方案Ⅱ高,所以从高效节能角度

综合考虑选择方案Ⅱ,将设计航速定为 12. 5 kn。

表 6 螺旋桨设计表

Tab. 6 Propeller design table

项目 方案Ⅰ 方案Ⅱ 方案Ⅲ

主机功率/ kW 1 654 1 710 1 765

油耗率/ [g / (kW·h)] 198 190 190

螺旋桨直径/ m 3. 0 3. 0 3. 0

螺旋桨转速/ (r/ min) 225 227 229

螺旋桨效率 0. 532 0. 529 0. 527

最大航速/ kn 12. 61 12. 69 12. 76

续航力/ nmile 3 000. 00 3 000. 00 3 000. 00

耗油量/ t 77. 91 76. 81 78. 84

4 能耗对比计算

根据选定的主机方案和螺旋桨设计参数对围

网渔船完整营运周期纵倾优化结果进行节能对比

计算[29-30]

。 根据渔获量比例将续航力的 3 000

nmile 分配到 4 个典型工况中, 按照设计航速

12. 5 kn 计算正浮状态和纵倾优化状态下主机所

需功率,然后根据航程和主机功率计算耗油量,如

表 7 所示。 整个营运周期内的总耗油量计算结果

显示纵倾优化下船舶的耗油量要比正浮状态节省

3%,表明纵倾节能策略是有效的。

表 7 能耗对比表

Tab. 7 Energy consumption comparison table

项目 LD1 LD2 LD3 LD4 总计

航程/ nmile 1 200 1 200 500 100 3 000

航速/ kn 12. 5 12. 5 12. 5 12. 5 —

纵倾角度/ (°) -0. 5 -1 -0. 25 0. 25 —

正浮状态主机所需功率/ kW 1 331 1 480 1 585 1 620 —

纵倾优化主机所需功率/ kW 1 270 1 440 1 585 1 600 —

正浮状态耗油量/ t 24. 28 27. 00 12. 05 2. 46 65. 8

纵倾优化耗油量/ t 23. 16 26. 27 12. 05 2. 43 63. 9

107

渔 业 现 代 化 2024 年

5 结论

以某 40 m 远洋围网渔船为对象,采用 CFD

软件 STAR-CCM+计算了其营运周期内典型工况

节点船舶在不同纵倾角度不同航速下的航行阻

力,分析其阻力变化规律编制船舶航行最佳纵倾

操作手册,并以此为基础形成围网渔船主机节能

抉择方案,得到了以下结论:(1)渔船可以通过调

整油水使用顺序和渔获装载位置实现优化船舶纵

倾角度降低船舶航行阻力的目的。 船舶尺度越

大,可调整的纵倾角度区间越大,减阻节能效果会

越好。 理论计算可以指导船长通过实船运营建立

更准确更节能的操船手册。 (2)在国际环保政策

和船舶经济效益的双重引导下,远洋渔船要完成

粗犷性作业向精细化作业的转换,通过主机优化

抉择和最佳纵倾操作手册等节能策略,降低渔船

的排放和成本,实现节能减排的目标。 (3) 目前

的纵倾减阻计算是基于静水阻力计算结果,没有

考虑风浪流的影响,与船舶的实际航行结果有一

定误差,未来需要增加运营工况点和波浪增阻的

计算,完善操船手册,优化航行监控系统。 □

参考文献

[1] 贺亚鹏,严新平,范爱龙,等. 船舶智能能效管理技术发展现

状及展望[J]. 哈尔滨工程大学学报,2021,42(3):317-324.

[2] 吴秀霞. 加快技术应用促进船舶工业绿色升级[N]. 中国船

舶报,2021-04-02(001).

[3] 曲保智,杨溢,田宇. 船舶减排技术的现状与发展趋势[ J].

中国水运,2022(3):18-22.

[4] SUN J,TU H,CHEN Y,et al. A study on trim optimization for a

container ship based on effects due to resistance[ J]. Journal of

Ship Research,2016,60:30-47.

[5] SAKAMOTO N,KUME K,KAWANAMI Y, et al. Evaluation of

hydrodynamic performance of pre -swirl and post -swirl ESDs for

merchant ships by numerical towing tank procedure [ J]. Ocean

Engineering,2019,178:104-133.

[6] 郭航. 波浪条件下变纵倾对船舶阻力性能影响研究[D]. 哈

尔滨:哈尔滨工程大学,2021.

[7] 张正阳,李子如,万鹏程,等. 双尾鳍船舶纵倾节能及其尺度

效应的数值研究[J]. 舰船科学技术,2024,46(3):56-61.

[8] 杨佑宗,杨昌培. 七万吨级散货轮在各种吃水状态下的变纵

倾系列模型试验研究[J]. 船舶力学,1999,3(4):8-16.

[9] LARSEN N L,SIMONSEN C D. Understanding the physics of

trim[J]. Ship and Offshore,2011(2):121-130.

[10]吕俊,王化明,陈林,等. 计及纵倾影响的金枪鱼围网船最优

阻力数值研究[J]. 浙江海洋大学学报(自然科学版),2018,

37(1):64-68.

[11] 李纳,梁建生. 33. 2 m 远洋双甲板拖网渔船阻力特性分析

[J]. 渔业现代化,2018,45(6):74-80.

[12]王永鼎,王梦凡. 基于模糊综合评价法的拖网渔船主机优选

[J]. 华中科技大学学报(自然科学版),2023,51(4):49-54.

[13] LEE S H, PAIK K J, HWANG H S, et al. A study on ship

performance in waves using a RANS solver,part 1:Comparison of

power prediction methods in regular waves [ J ]. Ocean

Engineering,2021,227:1-16.

[14]胡俊明. 基于 RANS 法虚拟试验水池的船舶快速性预报研究

[D]. 大连:大连理工大学,2018.

[15]张明霞, 卢鹏程, 韩兵兵, 等. 基于 STAR - CCM + 平台和

OCIMF 方法的 FPSO 流载荷计算与分析[J]. 中国海洋平台,

2020,35(4):49-55.

[16]任再美,孙江龙,杨云飞. 船舶有效功率预报方法[ J]. 舰船

科学技术,2021,43(3):141-145.

[17]HIRT C W,NICHOLS B D. Volume of Fluid (VOF) method for

the dynamics of free boundaries [ J]. Journal of Computational

Physics,1981,39(1):201-225.

[18]李岗. V 型无压载水船设计方法及阻力性能研究[D]. 大连:

大连理工大学,2019.

[19]刘悦. 基于智能优化方法船舶阻力性能优化设计研究[D].

大连:大连理工大学,2021.

[20] 刘应中,张怀新,李谊乐,等. 21 世纪的船舶性能计算和

RANS 方程[J]. 船舶力学,2001(5):66-84.

[21]曾进日. 对围网渔船作业特征与其安全分析[ J]. 中国水运,

2015,15(7):13-14.

[22]吴明,王骁,杨波,等. 舰船任意吃水———纵倾组合浮态阻力

计算的 CFD 方法[C] / / 1995—2009 航海技术论文选集(第 1

集). 大连:海军大连舰艇学院,2010:259-265.

[23]童骏,涂海文,孙江龙. 船舶纵倾优化减阻数值模拟研究

[J]. 中国海洋大学学报( 自然科学版),2018,48 ( 7):123

-129.

[24]盛振邦,刘应中. 船舶原理[M]. 上海:上海交通大学出版社,

2003:152-168.

[25]樊付见,陈永念,罗海东. 基于连续图谱的船舶吃水及纵倾

优化[J]. 船舶工程,2019,41(2):10-14,23.

[26]王壮,王凯,黄连忠,等. 海况识别下的船舶航速动态优化方

法[J]. 哈尔滨工程大学学报,2022,43(4):488-494.

[27]郭霆,田家骏,赖祥华,等. 基于人工蜂群算法的船舶航速优

化[J]. 舰船科学技术,2023,45(19):64-69.

[28]孙文志,陶冶,潘启祥. 渔船螺旋桨图谱设计分析[ J]. 大连

水产学院学报,2000(3):227-230.

[29]李鹏,安士杰. 舰艇柴油机主机最优化评估方法[ J]. 船舶,

2001,12(2):50-52.

[30]熊一超. 基于表面粗糙度和航行浮态的船体阻力及推进系

统能效分析[D]. 武汉:武汉理工大学,2018.

108

第 5 期 李纳等:基于 CFD 的某远洋围网渔船纵倾节能技术

Research on trim energy-saving technology of

purse seiner based on CFD

LI Na,GAO Rui

(Fishery Machinery and Instrument Research Institute,Chinese Academy of Fishery Sciences,Key Laboratory of

Ocean Fishing Vessel and Equipment,Ministry of Agriculture and Rural Affairs,Shanghai 200092,China)

Abstract: In response to the Food and Agriculture Organization of the United Nations ( FAO)’ s “ Blue

Initiative” and the need for sustainable development of the marine economy,this study aims to reduce the

energy consumption and operating costs of a 40 m-long ocean-going purse seine vessel throughout its entire

operating cycle to enhance the energy efficiency management technology for ocean-going fishing vessels,this

paper relies on the Digital Research and Development Platform of fishing vessels,based on Reynolds-averaged

Navier-Stokes equations (RANS) ,using the computational fluid dynamics (CFD) analysis software STARCCM + ,the resistance of an ocean-going purse seine fishing vessel under different draught and different yaw

conditions was simulated and calculated,based on the analysis of the change law of the resistance and the

search for the optimal pitch angle under different draught and speeds,the displacement and speed requirements

of the purse seine fishing vessels at the key operating points in the complete operating cycle are discussed,the

optimal pitch operation manual and the economical selection scheme of the main engine power are established,

and the actual energy saving effect of the pitch optimization is verified by comparing the energy consumption of

the ship in the positive floating state and the optimal pitch state. The research results provide theoretical

support for implementing energy-saving technology of ocean-going fishing vessel pitch optimization.

Key words:purse seiner; simulation calculation; trim energy-saving; host energy efficiency analysis

109

第 51 卷第 5 期 渔 业 现 代 化 Vol. 51 No. 5

2024 年 10 月 FISHERY MODERNIZATION Oct. 2024

DOI:10. 3969 / j. issn. 1007-9580. 2024. 05. 013 开放科学(资源服务)标识码(OSID):

马田田,肖哲非,欧阳杰,等. 蒸煮过程中南极磷虾虾青素降解动力学研究[J]. 渔业现代化,2024,51(5):110-116.

收稿日期:2024-01-07

基金项目:青岛海洋科技中心山东省专项经费(2022QNLM030002-3);中央级公益性科研院所基本科研业务费专项资金(2023YJS001)

作者简介:马田田(1992—),女,助理研究员,研究方向:水产品加工工艺。 E-mail:matiantian@ fmiri. ac. cn

通信作者:沈建(1971—),男,研究员,研究方向:水产品加工技术与装备。 E-mail:shenjian@ fmiri. ac. cn

蒸煮过程中南极磷虾虾青素降解动力学研究

马田田1,3,4

,肖哲非1,3,4

,欧阳杰1,2,3,4

,沈 建1,2,3,4

(1 中国水产科学研究院渔业机械仪器研究所,上海 200092;

2 崂山实验室,山东 青岛 266200;

3 国家水产品加工装备研发分中心,上海 200092;

4 大连工业大学海洋食品精深加工关键技术省部共建协同创新中心,辽宁 大连 116034)

摘要:南极磷虾受热易使营养物质降解,为探索蒸煮对南极磷虾中虾青素稳定性的作用规律,将流水解冻的

南极磷虾沥水后置于恒温环境进行隔水蒸煮,蒸煮温度为 60、70、80、90、100 ℃ ,蒸煮时间为 1. 0、3. 0、5. 0、

7. 0、9. 0 min,基于不同蒸煮条件下南极磷虾含水率、蒸煮损失率和虾青素保留率变化情况,分析虾青素降解

过程,并建立降解动力学模型。 结果显示:在低温或短时条件下,含水率和蒸煮损失率无显著变化;温度上升

或时间延长,虾青素保留率呈下降趋势;试验条件下,虾青素降解符合一级反应动力学模型,温度上升,虾青

素降解速率增大,半衰期和降解 90%所需时间减小,降解数学模型为 k = 0. 002 8 T-0. 088 8,R

2 = 0. 966 4。 研

究结果对于了解南极磷虾在蒸煮过程中虾青素的稳定性具有参考意义,可为南极磷虾加工和利用提供理论

参考。

关键词:南极磷虾;虾青素;蒸煮;降解动力学

中图分类号:TS 254. 4 文献标志码:A 文章编号:1007-9580(2024)05-0110-007

南极磷虾(Euphausia superba),作为重要的战

略性海洋生物资源,分布于环南极的南大洋水域,

年产量高达 50 多万 t

[1-4]

。 南极磷虾富含蛋白质、

脂肪和虾青素等物质[5-9]

, 因具有复杂的酶系

统[10-12]

,在捕捞后需尽快加工,否则会发生自溶。

蒸煮是南极磷虾粉加工的关键步骤,主要目的是

将磷虾体内酶灭活。 虾青素是南极磷虾中一类重

要活性物质,具有抗氧化、提高免疫力等作用[13]

。

虾青素因其化学结构中包含共轭双键链和带有不

饱和酮基和羟基的共轭双键链末端,使它易受到

光、热和氧气等外界因素影响而发生降解[14-17]

。

虾青素的降解不仅会导致其功能活性下降,还会

影响虾粉产品的外观和色泽,降低虾粉品质。 同

时,虾青素的降解产物中可能含有带苯环的醛、酮

类物质,不利于人体健康,影响虾粉利用[18]

。 目

前,关于南极磷虾虾青素稳定性的研究主要集中

在贮藏方面。 宋玉昆[19]探讨了贮藏气体、温度对

南极磷虾油中虾青素稳定性的影响,并建立了相

应的降解动力学模型;谈俊晓[20] 得出在贮藏过程

中使用低温避光密封方式可以有效保存微胶囊产

品中的磷虾虾青素;宋素梅等[21] 得出酸、碱及

Fe

3+等会加速磷虾壳中虾青素降解;周庆新等[22]

得出抗氧化剂 VE 与迷迭香提取物混合使用则能

有效抑制磷虾油中虾青素降解。 关于南极磷虾虾

青素在加工过程中的稳定性研究尚未见报道,而

虾青素在加工过程中的稳定性,是发挥其功能活

性,开发以虾青素为主要功能成分的南极磷虾粉

产品的重要前提。 另外,关于南极磷虾虾青素含

量测定均需借助试剂、仪器,耗费一定时间,不能

在南极磷虾加工过程及时反馈虾青素损失情况。

在南极磷虾蒸煮过程中,了解任意温度或时间下

虾青素的保留情况,可为南极磷虾蒸煮过程参数

实时调整提供品质指标依据,因此有必要建立南

极磷虾虾青素含量与加工参数(如蒸煮温度、时

第 5 期 马田田等:蒸煮过程中南极磷虾虾青素降解动力学研究

间)之间数学关系模型。

目前,国内南极磷虾蒸煮主要采用的是恒温

式蒸煮,本试验以恒温水浴锅模拟恒温式蒸煮,为

避免蒸煮液流向恒温水浴锅,将冷冻的南极磷虾

经流水解冻沥水后单层平铺于自封袋内,将自封

袋置于恒温水浴锅中蒸煮,基于船载虾粉蒸煮工

艺参数及南极磷虾热处理特性[15]

,设定了不同蒸

煮温度 ( 60、 70、 80、 90 和 100 ℃ ) 和时间参数

(1. 0、3. 0、5. 0、7. 0 和 9. 0 min),通过分析各个参

数对南极磷虾含水率、蒸煮损失率和虾青素含量

的影响,获取南极磷虾在蒸煮过程中虾青素降解

的规律,并建立相应的动力学模型,为南极磷虾加

工和虾青素降解研究提供理论依据。

1 材料与方法

1. 1 试验材料

南极磷虾冻品,体长 4 ~ 7 cm,2023 年购自中

国水产有限公司,-18℃ 冷库贮藏备用。 虾青素,

生化试剂,北京索莱宝科技有限公司;无水乙醇,

分析纯,江苏强盛功能化学股份有限公司。 电热

数显恒温水浴锅,WB-2 型,常德比克曼生物科技

有限公司;电子卤素水分测定仪, LC-DHS-10A

型,上海 力 辰 仪 器 科 技 有 限 公 司; 分 析 天 平,

YTL3104 型,瑞安市乐祺贸易有限公司;紫外可见

分光光度计,721G 型,上海仪田精密仪器有限

公司。

1. 2 试验方法

1. 2. 1 南极磷虾蒸煮试验

南极磷虾冻品经流水解冻,静置沥水 15 min

后进行隔水蒸煮,其中解冻完全标志为虾块自然

断开,且断开处磷虾个体较完整[23-25]

。 取上述南

极磷虾 20 g,单层平铺在自封袋内后,置于恒温水

浴锅内,设定蒸煮温度为 60、70、80、90、100 ℃ ,蒸

煮时间为 1. 0、3. 0、5. 0、7. 0、9. 0 min。 蒸煮完成

后,取出自封袋,测定袋内南极磷虾含水率、蒸煮

损失率和虾青素含量。

1. 2. 2 相关指标测定

含水率:参考国标,采用 105 ℃干燥恒重法测

定物料的水分含量[26]

。

W =

m0

- m

m0

× 100% (1)

式中:W 为物料水分含量,%;m0 为物料的质量,

g;m 为物料干燥至恒重的质量,g。

蒸煮损失率:参考魏荣男等[27-28] 研究,通过

测定蒸煮前后南极磷虾质量计算蒸煮损失率。 公

式如下:

Z =

z0

- z

z0

× 100% (2)

式中:Z 为物料蒸煮损失率,%;z0 为物料蒸煮前

质量,g;z 为物料蒸煮后质量,g。

虾青素提取与测定:

(1)虾青素提取。 参考宋素梅[29] 研究,采用

有机溶剂法提取南极磷虾虾青素。 选取乙醇作为

提取溶剂,称取蒸煮搅碎后的南极磷虾 6 g 于锥

形瓶内,加入 30 mL 的乙醇,将锥形瓶置于 50 ℃

恒温水浴锅中 4 h。

(2)虾青素测定。 参考赵昕源等[30-31] 研究,

利用分光光度法定量测定。 标准曲线制作:取虾

青素标准品适量,用乙醇溶液配制 100 mg / L 的母

液。 移取母液适量,用乙醇分别稀释成 1、2、4、6、

8、10 mg / L,在 472 nm 波长下测定上述浓度系列

溶液的吸光度,绘制虾青素标准曲线。

y = 0. 129 2 x + 0. 025,R

2 = 0. 991 9 (3)

式中:y 为吸光度,L / [mg·cm],x 为虾青素质量

浓度,mg / L。

(3)虾青素含量计算:吸取待测溶液适量于

石英比色皿中,在 472 nm 波长下测定吸光度,依

据公式(3)换算虾青素含量。

1. 2. 3 虾青素降解动力学模型的建立

假定本试验中南极磷虾虾青素的降解符合一

级动力学模型。 根据式(4)计算动力学参数[32]

:

ln(Ct

/ C0 ) = - kt (4)

t

1/ 2

= - ln0. 5 × k

-1

(5)

D = ln10 × k

-1

(6)

式中:C0 为未蒸煮的磷虾中虾青素含量(μg / g);

Ct 为一定温度下蒸煮 t min 后磷虾中虾青素含量

(μg / g);k 为一级反应常数(min

-1

);t

1/ 2 为虾青素

降解 50%所需时间,即半衰期(min);D 为虾青素

降解 90%所需时间(min)。

南极磷虾中虾青素在蒸煮过程中随温度变化

是根据反应活化能 Ea、温度系数 Q10 和半衰期 t

1/ 2

变化 10 倍所需的温度变化 Z 决定。 按公式(7) ~

(9)计算 Ea、Q10 和 Z 值。

111

渔 业 现 代 化 2024 年

k = k0

e

-Ea

/ RT

(7)

式中:k 为一级反应常数(min

-1

);k0 为频率常数

(min

-1

);Ea 为反应活化能( kJ/ mol);R 为气体常

数(J/ (mol·K));T 为温度(K)。

Q10

= (k1

/ k2 )

10/ (T1

-T2

)

(8)

式中:Q10 为温度系数,即温度每升高 10 ℃ ,反应

速率增大的比例数。 k1 、k2 分别是温度 T1 、T2 对

应的一级反应常数。

T = - Zlgt

1/ 2

+ b (9)

式中:T 为半衰期 t

1/ 2 变化 10 倍所需的温度变化

(℃ );b 为常数。

1. 3 数据处理

至少重复试验 3 次,利用 Excel 等软件进行

数据分析并作图。

2 结果与分析

2. 1 南极磷虾蒸煮过程中含水率、蒸煮损失率和

虾青素保留率变化

蒸煮过程中南极磷虾含水率、蒸煮损失率、虾

青素保留率变化如图 1 所示。

NJO NJO NJO



















0 1 2 3 4 5 6 7 8 9





B

60 ℃

70 ℃

80 ℃

90 ℃

100 ℃

0.0

1.0

2.0

3.0

4.0

5.0

0 1 2 3 4 5 6 7 8 9









C 60 ℃

70 ℃

80 ℃

90 ℃

100 ℃



20

30

40

50

60

70

80

90

100

         



fl









D 60 ℃

70 ℃

80 ℃

90 ℃

100 ℃

图 1 蒸煮过程中南极磷虾含水率、蒸煮损失率、虾青素保留率变化

Fig. 1 Changes of water content,cooking loss rate and astaxanthin retention rate of Antarctic krill during cooking

随着蒸煮时间延长,在不同温度下,南极磷虾

的含水率变化如图 1a 所示。 在 60 ~ 100 ℃ 和 1 ~

9 min 蒸煮条件下,含水率最大减少 2. 06%。 相

同温度条件下,当时间小于 3 min 时,随着时间延

长,对含水率无显著影响;当时间大于 3 min 时,

随时间延长,含水率缓慢下降。 相同时间条件下,

当温度低于 70 ℃时,随温度上升,含水率无显著

变化;当温度大于 70 ℃时,随温度上升,含水率缓

慢下降。 综上,蒸煮温度较低或时间较短,南极磷

虾含水率无显著变化,可能是由于试验采用隔水

蒸煮,南极磷虾与水不直接接触,不涉及外部水分

渗入物料内,仅存在内部水分流失,由于加热温度

较低或时间较短,南极磷虾内部水分不易快速

流失。

随着蒸煮时间延长,在不同温度下,南极磷虾

的蒸煮损失率变化如图 1b 所示。 在 60 ~ 100 ℃

和 1 ~ 9 min 蒸煮条件下, 最大蒸煮损失率为

2. 08%。 相同温度条件下,当时间为 1 min 时,蒸

煮产生少量损失;当时间为 1~3 min 时,蒸煮损失

率无显著变化;当时间为 3 min 以上时,随时间延

长,损失率逐步增加。 相同时间条件下,温度低于

70 ℃ 时,温度上升对蒸煮损失率无显著影响;当

温度高于 70 ℃时,温度上升,蒸煮损失率缓慢下

降,与王凯欣[15] 研究结果一致,且与含水率变化

趋势一致,可能是因为蒸煮液中含有较多的水分

所致。 此外,观察发现蒸煮液呈乳白色,并不是无

色,说明蒸煮过程中南极磷虾蒸煮损失除了水分

外,可能还包含蛋白质及少量虾青素等物质。

随着蒸煮时间延长,在不同温度下,南极磷虾

中虾青素保留率变化如图 1c 所示。 在 60 ~ 100

℃条件下,当蒸煮时间为 1 min 时,虾青素的保留

率分别为 86. 27%、82. 56%、80. 83%、77. 45% 和

71. 67%;当蒸煮时间为 5 min 时,虾青素的保留

率分别为 63. 73%、60. 11%、50. 57%、44. 11% 和

37. 98%;当蒸煮时间为 9 min 时,虾青素的保留

率分 别 为 47. 04%、 40. 93%、 31. 21%、 25. 2%、

15. 91%。 在相同温度下,随着蒸煮时间的增加,

南极磷虾中的虾青素含量逐渐减少;对比 5 个蒸

煮时间发现,虾青素在 1 min 内降低得最多。 在

相同时间下,随着温度升高,南极磷虾中的虾青素

112

第 5 期 马田田等:蒸煮过程中南极磷虾虾青素降解动力学研究

降解速度也越快;对比 5 个蒸煮温度后发现,虾青

素在 100 ℃ 时降低得最多,试验结果与宋素梅

等[21]研究一致。 这可能是因为随着蒸煮温度或

时间的增大,南极磷虾自身温度升高,导致体内虾

青素发生氧化分解和异构化反应,降解加剧。

2. 2 南极磷虾蒸煮过程中虾青素降解动力学

根据南极磷虾蒸煮过程中含水率和蒸煮损失

率的变化,可以得出试验条件下南极磷虾的含水

率最多减少 2. 06%,蒸煮最大损失率为 2. 08%。

相对于初始含水率 82. 57%的南极磷虾来说,在

试验条件下进行蒸煮后,造成的含水率减少可以

忽略不计。 在蒸煮损失中,水分占比较大,营养物

质含量较少,研究发现蒸煮损失中营养流失主要

是蛋白质[15]

;虾青素占比较小,即蒸煮过程中南

极磷虾体内虾青素损失大部分不是流向蒸煮液,

可能是虾青素自身发生降解。

假设忽略南极磷虾在蒸煮过程中含水率和蒸

煮损失率的变化,分析虾青素降解过程。 将蒸煮

t min 后的和未蒸煮的南极磷虾中虾青素含量 Ct、

C0 的比值取对数后与时间作图(图 2)。

0.00

0.50

1.00

1.50

2.00

0 1 2 3 4 5 6 7 8 9

NJO

60 ℃

70 ℃

80 ℃

90 ℃

100 ℃

图 2 蒸煮过程中南极磷虾虾青素降解动力学

Fig. 2 Astaxanthin degradation kinetics of Antarctic krill

during cooking

由图 2 可知,不同温度下-ln(Ct

/ C0 )与时间 t

呈线性关系,且相关系数 R

2

>0. 98,这说明蒸煮过

程中南极磷虾中虾青素降解遵循一级动力学,这

与宋玉昆等[19] 关于贮藏过程中虾青素降解动力

学研究得出结论一致,可能是因为南极磷虾虾青

素稳定性受加热贮藏温度、时间等影响,虾青素的

降解速度与温度呈正相关。

表 1 不同温度下南极磷虾蒸煮过程中虾青素的降解参数

Tab. 1 Degradation parameters of astaxanthin during the cooking of Antarctic krill at different temperatures

T/ ℃ k / min

-1

t

1 / 2

/ min D/ min Z/ ℃

Q10

60~70 ℃ 70~80 ℃ 80~90 ℃ 90~100 ℃

Ea

/

(kJ/ mol)

60 0. 085 7 8. 09 26. 87

70 0. 100 6 6. 89 22. 89

80 0. 129 1 5. 37 17. 84 109. 03 1. 17 1. 28 1. 18 1. 30 21. 62

90 0. 152 7 4. 54 15. 08

100 0. 198 5 3. 49 11. 60

由表 1 可知,随着温度升高,南极磷虾中虾青

素降解速率 k 值逐渐增加,且其半衰期 t

1/ 2 和虾

青素降解 90%所需时间 D 值也逐渐缩短。 当温

度处于 60 ~ 100 ℃ 范围时,虾青素降解反应速率

常数在 0. 085 7~0. 198 5 min

-1

,反应活化能约为

21. 62 kJ/ mol,D 值介于 11. 60~26. 87 min。

虾青素 是 类 胡 萝 卜 素 的 一 种[33]

, 丛 心 缘

等[34]研究表明南极磷虾中虾青素主要以游离、单

脂、双脂三种形式存在,结构形式主要是全反式,

光学异构体主要是 3R,3’R 构型。 关于不同原料

来源的虾青素或类胡萝卜素的热稳定性研究,发

现其热降解符合一级降解动力学。 如徐学明

等[35]发现法夫酵母在不同温度条件下储存,虾青

素变化符合一级降解动力学;袁超等[36] 发现温度

约为 50 ~ 900 ℃ ,虾青素热降解符合一级降解动

力学;汪小娉[37]发现南瓜片干燥过程中类胡萝卜

素变化符合一级降解动力学;Song 等[38]发现 3 种

南极磷虾油分别在-20 ℃ 、4 ℃ 和 25 ℃ 条件下储

存,南极磷虾油中虾青素的降解均遵循一级动

力学。

虾青素因其特殊的化学结构,在热处理过

程中造成损失的原因可能是氧化分解和异构化

反应[39]

。 研究表明,热处理可以引起虾青素发

生异构化反应,如欧阳杰等[40]研究发现,在蒸煮

过程中南极磷虾虾青素主要发生了几何异构,

在干燥过程中虾青素主要发生了光学异构。 此

113

渔 业 现 代 化 2024 年

外,在蒸煮过程中,南极磷虾原料处于有氧环境

下,随蒸煮温度和时间的变化,导致虾青素除了

异构化反应外,同时还可能发生氧化反应。 蒸

煮过程中虾青素分子结构逐渐向顺式结构转

变,并进一步形成 9-顺式和 13-顺式[41]

。 研究

发现,在类胡萝卜素发生异构化的过程中,由于

分子扭曲形成不成对旋转状态,这种状态极易

与氧气发生反应[18]

。 氧化降解导致环氧化物、

羰基化合物等产物生成,并最终生成短支链羰

基化合物、二氧化碳和羧酸链。

2. 3 南极磷虾蒸煮过程中虾青素降解模型

假设南极磷虾内部温度、含水量及虾青素含量

在蒸煮前均匀分布,则当南极磷虾初始温度为 20

℃,含水率为 82. 57%,虾青素含量为 39. 72 μg / g

时,在 60~100 ℃和 1~9 min 范围内建立一个描述

虾青素降解情况的数学模型。 将表 1 中所示降解

速率常数 k 与相应蒸煮温度 T 作图,详见图 3。 由

图 3 可知,降解反应速率常数 k 与蒸煮温度 T 呈线

性关系,故可得虾青素降解数学模型的公式:k =

0. 002 8 T-0. 088 8,其中 R

2 为 0. 966 4。

模型验证试验条件:温度分别为 75、85、95 ℃,

时间分别为 1、3、5、7、9 min。 使用上述试验条件对

南极磷虾进行蒸煮,并验证虾青素降解模型。 根据

虾青素降解模型公式:k = 0. 002 8 T-0. 088 8,将温

度代入可得到相应的 k 值;75、85、95 ℃对应的 k 值

分别为 0. 121 2、0. 149 2、0. 177 2。 将上述 k 值和蒸

煮时间代入式(4),可得特定温度下经过一定时间

蒸煮后南极磷虾中虾青素含量预测值。 以虾青素

含量试验值作为横坐标,以虾青素含量预测值为纵

坐标,进行线性拟合分析,结果如图 4 所示。 在温

度分别为 75、85、95 ℃,时间分别为 1、3、5、7、9 min

时,拟合结果显示 R

2 分别为 0. 999 6、0. 999 6、

0. 999 8。 这说明该数学模型能够准确地预测南极

磷虾在蒸煮过程中虾青素含量的变化情况。

Z = 0.002 8Y-0.088 8

32

= 0.966 4

0.00

0.05

0.10

0.15

0.20

0.25

60 70 80 90 100

 /℃

图 3 降解反应速率常数 k 与蒸煮温度 T 关系

Fig. 3 Relationship between reaction rate constant and

cooking temperature T

Z = 0.993Y+ 0.034 8

32= 0.999 6

10

15

20

25

30

35

40

10 15 20 25 30 35 40



Z =1.020 6Y-0.331 5

32= 0.999 6

10

20

30

40

10 15 20 25 30 35 40



Z =1.001 9Y-0.037

32 = 0.999 8

5

15

25

35

5 10 15 20 25 30 35



图 4 不同试验条件下虾青素降解模型拟合验证结果

Fig. 4 Fitting verification results of astaxanthin degradation model under different experimental conditions

3 结论

南极磷虾在 60、70、80、90、100 ℃条件下进行

隔水蒸煮过程中,虾青素的降解符合一级反应动

力学模型,相关系数分别为 0. 984 5、0. 981 3、

0. 989 6、0. 987 2、0. 988 6;提高蒸煮温度,虾青素

降解速率增大,虾青素降解 50%和 90%所需时间

逐渐减小,其中半衰期时间分别为 8. 09、6. 89、

5. 37、4. 54、3. 49 min,D 值时间分别为 26. 87、

22. 89、17. 84、15. 08、11. 60 min;虾青素降解反应

速率常数与蒸煮温度符合阿伦尼乌斯公式,相关

系数为 0. 989 3,反应活化能为 21. 62 kJ/ mol;虾

青素降解数学模型为 k = 0. 002 8 T-0. 088 8,R

2

为 0. 966 4。 通过南极磷虾蒸煮过程中虾青素降

解动力学模型,可了解相应温度和时间下虾青素

保留情况,及时反馈蒸煮过程中虾青素损失情况,

为实时调整蒸煮技术参数提供参考依据。 未来,

一方面将通过开展蒸汽直喷、挤压加工、梯度蒸煮

等蒸煮方式下南极磷虾虾青素降解动力学研究来

进一步完善蒸煮过程中南极磷虾虾青素降解数学

114

第 5 期 马田田等:蒸煮过程中南极磷虾虾青素降解动力学研究

模型;另一方面将开展南极磷虾干燥过程中虾青

素降解动力学模型,建立不同干燥方式及条件下

虾青素降解数学模型,为系统研究加工过程中南

极磷虾虾青素稳定性提供理论依据。 □

参考文献

[1] 马德蓉,林娜,张俊杰,等. 冷冻南极磷虾加工利用研究进展

[J]. 海洋渔业,2024,46(1):110-118.

[2] BITIUTSKII D G, SAMYSHEV E Z, MINKINA N I, et al.

Distribution and demography of antarctic krill and salps in the

Atlantic sector of the southern ocean during austral summer 2021-

2022[J]. Water,2022,14(23):3812-3814.

[3] 刘禹希,陈琛,林香红. 南极渔业资源开发利用现状及启示

[J]. 中国渔业经济,2023,41(2):117-126.

[4] 范佳五,刘阳,段咪,等. 基于文献计量的国内外南极渔业资

源研究进展[J]. 海洋渔业,2023,45(1):114-128.

[5] 平泽禹,郑尧,郭全友,等. 不同规格的南极磷虾营养品质差

异研究[J]. 食品与发酵科技,2022,58(3):82-91.

[6] 刘柯欣,林松毅,胡胜杰,等. 南极磷虾蛋白营养与功能特性

及食用 安 全 性 研 究 进 展 [ J ]. 食 品 科 学, 2022, 43 ( 7 ):

263-272.

[7] 李雅婷,刘小芳,姜维,等. 不同体长南极磷虾的脂质组成差

异分析[J]. 中国油脂,2022,47(12):90-96.

[8] 李念. 南极磷虾虾青素提取、性质及其保鲜应用研究[D]. 上

海:上海海洋大学,2023.

[9] 杨柳,王鲁民,周国燕,等. 南极磷虾粉的加工工艺、品质特性

与应用研究进展[J]. 海洋渔业,2022,44(4):501-512.

[10]胡玲萍,张晓梅,张鸿伟,等. 南极磷虾自溶前后氨基酸和胰

蛋白酶降解产物的变化[J]. 食品科学,2019,40(11):1-6.

[11]陈昕. 南极磷虾蛋白酶和脂肪酶的分离纯化及性质研究

[D]. 上海:上海海洋大学,2020.

[12]黄俊伟. 南极磷虾自溶特性及其酶解液脱氟工艺研究[D].

广州:华南理工大学,2017.

[13]CHEN J T,KOTANI K. Astaxanthin as a potential protector of

liver function: A Review [ J ]. Journal of Clinical Medicine

Research,2016,8(10):701-704.

[14]谌志新,王志勇,欧阳杰. 我国南极磷虾捕捞与加工装备科

技发展研究[J]. 中国工程科学,2019,21(6):48-52.

[15]王凯欣. 南极磷虾热处理特性及梯度蒸煮技术研究[D]. 上

海:上海海洋大学,2021.

[16]刘志东,马德蓉,陈雪忠,等. 南极磷虾虾青素研究进展[ J].

大连海洋大学学报,2021,36(5):866-874.

[17]丛心缘. 南极磷虾中虾青素的分离、鉴定及抗氧化活性研究

[D]. 青岛:青岛大学,2020.

[18] BOON C S, MCCLEMENTS D J, WEISS J, et al. Factors

influencing the chemical stability of carotenoids in foods [ J].

Critical Reviews in Food Science and Nutrition,2010,50 ( 6):

515-532.

[19]宋玉昆. 南极磷虾油高真空脱溶及其虾青素贮藏稳定性研

究[D]. 大连:大连工业大学,2016.

[20]谈俊晓. 南极磷虾虾青素制备及稳定性研究[D]. 上海:上海

海洋大学,2019.

[21]宋素梅,刘富俊,姜启兴,等. 南极磷虾虾壳中虾青素稳定性

的研究[J]. 食品工业科技,2012,33(18):96-98,102.

[22]周庆新,谷彩霞,陈芳甜,等. 南极磷虾油醇提工艺优化及其

虾青素热稳定性研究[ J]. 食品工业科技, 2023, 44 ( 1):

233-241.

[23]陈京美,刘小芳,冷凯良,等. 不同解冻方式对南极磷虾脂质

品质的影响研究[J]. 食品工业科技,2017,38(2):146-151.

[24]黄显彬. 南极磷虾解冻工艺与解冻后品质变化规律研究

[D]. 大连:大连海洋大学,2016.

[25]刁华玉,林松毅,陈冬,等. 解冻方式对南极磷虾肉理化特性

和滋味的影响[J]. 中国食品学报,2023,23(4):228-238.

[26]GB 5009. 3—2016 食品中水分的测定[S].

[27]魏荣男. 南极磷虾粉加工工艺的优化[D]. 上海:上海海洋大

学,2017.

[28]马田田,欧阳杰,谈佳玉,等. 南极磷虾粉制备过程中蒸煮条

件的优化[J]. 食品工业科技,2020,41(11):158-162,170.

[29]宋素梅. 南极磷虾壳中虾青素的提取与分离纯化[D]. 无锡:

江南大学,2014.

[30]赵昕源,欧阳杰,马田田,等. 南极磷虾体内主要营养活性物

质在热处理过程中的流向[ J]. 水产学报, 2021, 45 ( 7):

1172-1180.

[31]马田田. 南极磷虾粉干燥工艺研究[D]. 上海:上海海洋大

学,2019.

[32]SAGDIC O,EKICI L,SAGDIC O I,et al. Cytotoxic and bioactive

properties of different color tulip flowers and degradation kinetic

of tulip flowers anthocyanins[J]. Food and Chemical Toxicology,

2013,58(1):432-439.

[33]苏芳. 类胡萝卜素在藻虾蟹鱼中的结构分布特征及虾青素

异构化研究[D]. 青岛:中国科学院大学(中国科学院海洋研

究所),2018.

[34]丛心缘,孙伟红,张辉珍,等. 南极磷虾中不同形态虾青素的

分离制备、 结构鉴定及含量分析 [ J]. 食品与发酵工业,

2019,45(2):174-178.

[35]徐学明,陈晓明,金征宇. 法夫酵母中虾青素的稳定性研究

[J]. 食品与生物技术学报,2006,10(4):29-36.

[36]袁超,金征宇. 虾青素的热稳定性及分解动力学[ J]. 天然产

物研究与开发,2010,22(6):1085-1087.

[37]汪小娉. 微波真空干燥过程中南瓜片类胡萝卜素的稳定性

研究[D]. 南京:南京农业大学,2017.

[38]SONG Y K,SONG L,YIN F W, et al. Kinetics of astaxanthin

degradation in three types of Antarctic krill (Euphausia superba)

oil during storage [ J]. Journal of the American Oil Chemists’

Society,2018,95(9):1171-1178.

[39]吴佳. N2 源热泵干燥胡萝卜过程中 β-胡萝卜素损失动力学

及途径研究[D]. 洛阳:河南科技大学,2013.

[40]欧阳杰,赵昕源,马田田. 南极磷虾粉加工过程中虾青素的

含量、 结 构 及 抗 氧 化 性 [ J ]. 水 产 学 报, 2022, 46 ( 3 ):

420-429.

[41]LERFALL J,BIRKELAND S. Effect of high pressure processing

on astaxanthin stability[J]. International Journal of Food Science

& Technology,2014,49(1):294-297.

115

渔 业 现 代 化 2024 年

Study on astaxanthin degradation kinetics of

Antarctic krill during cooking process

MA Tiantian

1,3,4

,XIAO Zhefei

1,3,4

,OUYANG Jie

1,2,3,4

,SHEN Jian

1,2,3,4

(1 Fishery Machinery and Instrument Research Institute,Chinese Academy of

Fishery Sciences,Shanghai 200092,China;

2 Laoshan Laboratory,Qingdao 266200,Shandong,China;

3 National R&D Branch Center for Aquatic Product Processing Equipment,Shanghai 200092,China;

4 Dalian Polytechnic University,Collaborative Innovation Center of

Seafood Deep Processing,Dalian 116034,Liaoning,China)

Abstract:The nutritional components in Antarctic krill undergo varying degrees of degradation during the

cooking process due to the influence of cooking conditions. In order to explore the effect of separated water

cooking conditions on the stability of astaxanthin in Antarctic krill,the raw materials of Antarctic krill were

thawed using flowing water,and then drained and placed in a constant temperature environment for separated

water cooking. In the experiment, different cooking temperature and time parameters were set. Firstly, five

different cooking temperatures of 60,70,80,90,and 100 ℃ were selected to investigate the effect of heating on

the stability of astaxanthin. Secondly,five different cooking times of 1. 0,3. 0,5. 0,7. 0,and 9. 0 minutes were set

at each cooking temperature to investigate the effect of time factors on the stability of astaxanthin. Observe the

relationship between changes in astaxanthin content and degradation rate by extending or reducing cooking time.

A comprehensive analysis was conducted on the changes in moisture content,loss rate,and astaxanthin retention

rate of Antarctic krill under different cooking conditions,and a corresponding astaxanthin degradation kinetics

model was established. The experimental results showed that there was no significant change in the moisture

content and cooking loss of astaxanthin at lower temperatures or shorter times. However,as the temperature rises

or time prolongs,the retention rate of astaxanthin begins to show a downward trend. Under the experimental

conditions,the maximum reduction in moisture content was only 2. 06%,and the maximum loss rate during

cooking was only 2. 08%. Further analysis revealed that under cooking conditions of 60 - 100 ℃ and 1 - 9

minutes,the degradation of astaxanthin followed a first- order reaction kinetics model. The reaction rate constant

was between 0. 085 7 and 0. 198 5 min

-1

,and the activation energy of the reaction was 21. 62 kJ/ mol. The time

required to achieve 90% degradation was between 11. 60 and 26. 87 minutes. It was worth noting that as the

temperature increases,the degradation rate of astaxanthin increases,while the half-life and the time required to

reach 90% degradation decrease. This indicates that high temperature environments may accelerate the

degradation of astaxanthin in Antarctic krill. The degradation of astaxanthin in Antarctic krill can be described by

establishing a mathematical model:k = 0. 002 8 T-0. 088 8 (where k represents the reaction rate constant),which

has a good fitting effect (R

2 = 0. 966 4). In summary,the results of this experiment have important reference

value for understanding the stability of astaxanthin in Antarctic krill during cooking. These findings can provide

theoretical basis for the processing and utilization of Antarctic krill products, and help develop appropriate

treatment methods to maximize the preservation of their nutritional components and quality characteristics.

Key words:Antarctic krill; astaxanthin;cooking; degradation kinetics

116

渔 业 现 代 化

Y U Y E XIANDA I H U A

1 9 7 3 年 创 刊

双 月 刊

( 总2 9 2 期 第 卷 第 5 期 )

2 0 2 4 年 10月

F I S H E R Y

M O D E R N I Z A T I O N

( B i m o n t h l y )

V o l . 5 1 , N o . 5 , 2 0 2 4

( Tot a l N o . 2 9 2 )

October 2 0 2 4

51

主 任 委 员 陈 军

《渔业现代化》编辑委员会

副主任委员

委 员

：

：

：