随着快餐市场需求量增大，我国的中式快餐发展已进入高速发展时期，其品质要求也不断提高。在冷链配送蔬菜菜肴的生产与配送过程中，由于需要经过高温烹饪、低温保藏，以及复热处理等环节，较大的温度处理区间以及贮藏时间跨度使得冷配送蔬菜菜肴品质劣变严重，从而制约了中式快餐规模化发展。目前我国冷配送快餐主要以肉类配菜为主，且国内外关于冷配送蔬菜菜肴的研究甚少，消费者对蔬菜配菜的需求和冷配送快餐中蔬菜菜肴的开发现状决定了对冷配送蔬菜菜肴适用种类的研究以及探索出一条可操作性强的新型冷配送蔬菜菜肴生产路线具有现实意义。本文对十多种常见蔬菜冷链复热后与其常规烹饪后的品质进行比较，确定其冷配送生产适用性。并对冷配送蔬菜菜肴的适用烹饪方式、冷却技术进行系统研究以及优化，为冷配送中式配餐的工业化生产提供技术指导和理论参考。并在此基础上，对冷藏过程中蔬菜菜肴品质变化规律进行研究，建立货架期预测模型。本论文研究成果如下：（1）对冷配送蔬菜菜肴适用品种的筛选过程中，从烹饪后各蔬菜菜肴的菌落总数方面考虑，除了叶菜类，其他蔬菜的的菌落总数在其要求的烹饪时间下均能达到一个比较低的水平，对冷藏货架期比较有利。另外，以常规烹饪后菜肴的品质为标准，由维生素C、色差值、硬度、感官等指标结果可知在多种常见蔬菜菜肴中，黄色菜肴的土豆、南瓜冷藏复热后各品质指标均比较稳定；此外，绿色菜肴中莴笋、青花菜，以及花菜类菜肴冷藏复热后的品质也保持较好；这几类蔬菜对冷配送方式的适用性均较强。叶菜类冷藏复热后品质劣变比较严重。（2）实验以绿色莴笋为对象，研究不同烹饪方式对冷配送莴笋菜肴品质的影响。结果表明四种烹饪方式下莴笋菜肴（10℃冷藏72h）的亚硝酸盐含量无显著性差异(P>0.05)。热烫、油炸方式能够加强莴笋烹饪过程中传热的均匀性和稳定性，对保证烹饪后莴笋菜肴微生物数量的稳定性具有显著效果，并保持在较低范围内，对冷链货架期具有重要意义。另外，对于烹饪后莴笋，四种烹饪方式对其硬度影响效果不显著(P>0.05)；而色泽方面，油炸烹饪后莴笋的绿色最深。然而烹饪方式对冷配送莴笋菜肴品质的影响还需考虑冷藏复热后品质的变化。由结果可知，冷藏复热后的热烫烹饪莴笋a*值变化幅度最小，平均增大了6.6%，绿色保持最好；而油炸烹饪方式的变化幅度最大，a*值增大了33.0%。另外复热后莴笋的硬度均有较大程度的下降，其中热烫烹饪方式的硬度下降程度最小，为17.5%；而油炸方式硬度下降程度最大，达到66.0%；微波烹饪莴笋复热后硬度的波动性最大，其标准偏差达到1005。实验结合感官评定结果，综合考虑确定热烫烹饪方式为冷配送莴笋菜肴最佳烹饪方式。同时热烫实验表明热烫时间为45s的冷配送莴笋菜肴即能够将微生物控制在较低范围内，又能够最大限度的保持产品的品质。（3）实验以盘装的热烫烹饪莴笋为研究对象，对其真空冷却过程中的影响因素以及温度、失重率的变化规律进行研究。结果表明：真空冷却过程中盘装莴笋菜肴的中心和表面位置的温差非常小，不大于1.73℃，冷却至10℃时盘装莴笋的中心与表面温差仅为0.23℃。另外，真空冷却过程中单位质量烹饪莴笋的冷却速率随着冷凝温度的降低、冷却量的增大而增大。其中当冷却量（37.5kg）增大3倍（150kg）时，单位质量莴笋冷却时间有效的缩短了46.34%。同时真空冷却也造成莴笋菜肴质量的损失。1%的莴笋菜肴失重率约能带来7℃的温度下降。另外，本文提出一种分段式真空冷却模式，通过实验验证，该冷却模式能够有效地降低能耗，仅为传统真空冷却方式耗能的47.29%。且通过降低冷却过程中最大冷凝负荷，达到降低冷凝系统制冷能力要求。（4）实验对0℃、4℃、10℃温度下莴笋菜肴在冷藏期间的品质变化规律进行研究，并建立冷配送莴笋菜肴的货架期预测模型。实验结果表明：在各温度下，随着冷藏时间的延长，莴笋菜肴的菌落总数、亚硝酸盐含量、色差a*值呈上升趋势，而硬度、感官评定结果呈下降趋势。冷藏温度越高，其品质指标变化程度越大。实验对各指标的货架期终点进行比较，确定色差a*值作为莴笋菜肴冷藏过程中货架期预测模型的评价指标，并建立色差at*/a0*比值的一级反应动力学方程和Arrhenius方程(R2均大于0.95)，确立冷配送莴笋菜肴的货架期预测模型。由实验结果可知在0℃~10℃温度下莴笋菜肴的冷藏货架期预测值与实测值之间相对误差均小于6%；表明在该温度范围内，根据该模型可快速准确预测冷配送莴笋菜肴的剩余货架期。（5）实验对冷配送菜心和莴笋菜肴的细菌总数变化规律及生长预测模型进行研究。结果表明贮藏温度越高，蔬菜菜肴菌落总数的最大比生长速率μm越大，而生长延迟期λ越短。另外，在相同温度下，初始菌数较小的莴笋菜肴的μm均比菜心小，而λ比菜心长。在0~10℃贮藏温度下，Logistic模型能够很好的拟合和预测菜肴菌落总数的生长动态，R2均大于0.99。实验结合平方根模型确立0～10℃温度下菜心和莴笋菜肴的细菌总数货架期预测模型，由该模型可快速准确预测0~10℃温度下冷配送菜心和莴笋菜肴的菌落总数货架期。