Summary

Un sistema de visión artificial para la evaluación del comportamiento de fusión del helado

Published: October 04, 2024
doi:

Summary

En este trabajo se presenta un protocolo basado en un sistema de visión artificial (CVS) para determinar el comportamiento de fusión de sistemas alimentarios multifásicos.

Abstract

El comportamiento de fusión es uno de los índices de calidad más importantes del helado. Por lo general, se evalúa mediante métodos gravimétricos y se expresa en términos de tiempo de inicio y tasa de fusión. Sin embargo, el aspecto del helado durante la fusión también es importante porque la retención de la forma está relacionada con una buena estructura del producto. El protocolo propuesto aquí ilustra un sistema de visión por computadora (CVS) que se puede utilizar para respaldar la metodología gravitacional ya existente para calcular dos nuevos índices de fusión relacionados con la retención de la forma y la tasa de fusión. Las imágenes del helado durante el derretimiento se toman cada 15 minutos durante un total de 90 minutos. A continuación, las imágenes digitales se elaboran utilizando un método de procesamiento de imágenes desarrollado a propósito para calcular el área, la altura y la anchura del helado. La relación entre la altura y la anchura en cada momento de fusión, referida a la relación en el tiempo 0 (Rt/R0), es un índice de la retención de la forma del helado, mientras que el área en los diferentes tiempos de fusión referida al área en el tiempo 0 (At/A0) está relacionada con la velocidad de fusión. Este sistema de visión artificial permite la obtención de resultados altamente sensibles y fiables, y se puede aplicar no solo a helados sino también a diferentes matrices de alimentos, como la crema de leche batida o la albúmina de huevo.

Introduction

El helado es un sistema multifásico en el que las fases líquida, sólida y gaseosa están estrictamente conectadas. La fase líquida continua envuelve burbujas de aire y cristales de hielo, y contiene grasas parcialmente cristalizadas, proteínas coloidales, sales, azúcares (eventualmente cristalizados) y estabilizadores. La composición del helado varía en función de las solicitudes del mercado local y de las posibles normativas. Aunque la tecnología de procesamiento afecta las características del helado final, cada componente juega un papel importante en la definición de la calidad del producto1. El comportamiento de fusión es uno de los índices de calidad más importantes del helado, considerando los fenómenos que ocurren tanto durante el consumo como en la boca. Con la penetración del calor en el helado, los cristales de hielo se derriten y el agua se difunde y se mezcla con la fase sérica, que puede drenar a través de la estructura restante2. Un producto de fusión rápida no es deseable para comer cómodamente, pero también para garantizar una mayor resistencia al choque térmico. Sin embargo, los productos de fusión lenta también indican algunos defectos en la formulación1. Se sabe que la microestructura del helado es responsable de las propiedades de fusión3, pero hasta ahora se han publicado resultados contrastantes, que muestran que el conocimiento sobre la influencia de los factores microestructurales en la fusión es aún limitado4. Por lo tanto, se necesitan más estudios para dilucidar el mecanismo de fusión, que también es crucial en el diseño de nuevas formulaciones3.

El comportamiento de fusión generalmente se evalúa por métodos gravimétricos y se expresa en términos de tiempo de inicio y tasa de fusión5. Una porción determinada de helado se coloca sobre una malla de alambre en un gabinete de temperatura controlada y se registra el peso del producto derretido. De la curva peso-tiempo, se pueden destacar tres fases: la fase de retraso durante la cual se produce la penetración del calor, la fase de fusión rápida con la fase de suero diluido que fluye a través de la estructura del helado a la velocidad máxima, y la fase estacionaria, donde la mayor parte del producto ha goteado2.

Con el método gravimétrico, se pueden reconocer productos de fusión lenta y rápida; Sin embargo, el aspecto del helado durante el derretimiento también es importante, porque la retención de la forma está relacionada con una buena composición y estructura del producto6. Así, un procedimiento basado en un sistema de visión artificial (CVS) puede apoyar la metodología gravitacional ya existente al permitir el estudio de la apariencia del producto durante la fusión. Los CVS pueden adquirir numerosos atributos alimenticios3 (por ejemplo, tamaño, peso, forma, textura y color) con detalles precisos que no pueden ser observados por el ojo humano. Estos sistemas suelen estar formados por cámaras digitales y programas informáticos de procesamiento de imágenes7. De hecho, un protocolo basado en CVS incluye dos pasos principales: 1) adquisición de imágenes y 2) procesamiento de imágenes. Se pueden aplicar varios niveles de procesamiento de imágenes7, desde los más simples hasta los más complejos, como los métodos de aprendizaje profundo para el desarrollo de Inteligencia Artificial 8,9. Recientemente se ha prestado gran atención a los CVS en el sector alimentario y se ha desarrollado un gran número de aplicaciones para la inspección de seguridad alimentaria, el control del procesamiento de alimentos, la detección de objetos extraños y otros campos. Son rápidos, eficientes y no destructivos, por lo que representan herramientas válidas para proporcionar a los consumidores alimentos inocuos y de alta calidad10.

En el campo del helado, se sugirió un método de análisis de imágenes para estudiar la recristalización del hielo mediante microscopía óptica11. Más recientemente, se procesaron imágenes de tomografía computarizada de rayos X para analizar la microestructura 3D de materias blandas-porosas, incluido el helado3. Sin embargo, la elaboración de imágenes digitales simples de dispositivos de carga acoplada (CCD) puede presentar varias ventajas en términos de facilidad de adquisición y representación del aspecto del helado tal como lo perciben los consumidores. Algunos autores muestran imágenes de helado durante la fusión12, pero, hasta donde sabemos, la extracción de índices numéricos de las imágenes fue reportada por primera vez por Moriano y Alamprese13.

Por lo tanto, el protocolo aquí propuesto, basado en el trabajo de Moriano y Alamprese13, ilustra un CVS simple que se puede aplicar para apoyar la metodología gravitacional ya existente para el estudio del comportamiento de fusión del helado. En la Figura 1 se ilustra un diagrama de bloques del método propuesto. El uso de este sistema permite el cálculo de dos índices de fusión relacionados con la retención de la forma y la tasa de fusión. En particular, el artículo describe por primera vez la configuración experimental detallada y el procedimiento para la adquisición de imágenes digitales durante el derretimiento del helado y los pasos de procesamiento de imágenes. Además, se informa que los resultados obtenidos de los helados producidos con diferentes edulcorantes (es decir, sacarosa, sucrotmalt y eritritol) muestran el potencial del método.

Figure 1
Figura 1: Diagrama de bloques de las metodologías propuestas. Resumen de los pasos generales para el Sistema de Visión por Computador propuesto y el método gravimétrico para estudiar el comportamiento de fusión del helado. Haga clic aquí para ver una versión más grande de esta figura.

Protocol

1. Configuración experimental y procedimientos para los ensayos de fusión Preparación de muestras de heladoElige tazas transparentes de volumen y forma fijas, con tapa. Corta dos tiras largas de papel de horno de unos 2 cm de ancho y, con la ayuda de cinta de papel, fíjalas a las paredes interiores de la taza para formar una cruz en la parte inferior. Comience a llenar la taza con la muestra de helado usando una espátula.NOTA: Antes de comenzar, asegúrese de que el helado tenga una temperatura en el rango de -7 °C a -12 °C para que pueda extenderse dentro de la taza. Preste atención a no crear espacios vacíos durante el llenado de la taza revisando regularmente la transparencia de la taza. Cuando la taza esté llena, retire suavemente el exceso de helado con la espátula, creando una superficie lisa y plana. Cierre el vaso con la tapa y almacene la muestra a -30 °C durante al menos 24 h. Antes del análisis, acondicionar la muestra a -16 °C durante 24 h. Configuración de la prueba de fusión y adquisición de imágenesAjuste un armario termostático a 20 ± 1 °C. Inserte una báscula digital en el gabinete y conéctela a una computadora con software para el registro del peso en función del tiempo. Coloque un cilindro graduado en la báscula digital y reinicie el peso. Sobre el cilindro, coloque un embudo colgante para ayudar a recoger el helado derretido. La configuración del ensayo de fusión se muestra en la Figura 2.NOTA: El embudo debe estar suspendido sobre el cilindro para evitar exceder la escala completa de la báscula digital. Para evitar la inestabilidad del embudo durante el posicionamiento de la muestra al comienzo del análisis, debe fijarse al estante del gabinete sobre el cilindro. Coloque una cámara con un trípode frente a la puerta del gabinete a una altura y distancia definidas para tener el mejor encuadre confiable de la muestra.NOTA: Asegúrese de que la cámara esté bien alineada con la muestra de helado para evitar errores de paralaje al procesar la imagen. Prueba de fusiónPrepare una pantalla de malla de alambre metálica equipada con una referencia de tamaño. Saca el vaso de helado del congelador, retira la tapa y empieza a poner suavemente una espátula entre el helado y las paredes del vaso para separar la muestra del recipiente.NOTA: La taza de helado debe retirarse del congelador solo cuando se completen los pasos anteriores (hasta el paso 1.2.3) para evitar el derretimiento antes del registro de datos. Mientras separa la muestra de helado de las paredes de la taza, mantenga el papel de hornear pegado a la superficie del helado. Cuando toda la muestra de helado se haya separado de las paredes de la taza, tire suavemente de los extremos del papel de hornear para extraer el helado y colóquelo sobre la pantalla de malla de alambre metálica junto con las tiras de papel de hornear. Luego, retire con cuidado las tiras de papel de hornear de la superficie del helado.NOTA: Preste atención a no alterar la forma del helado al realizar los pasos 1.3.1-1.3.3. Coloque la pantalla de malla de alambre metálico con la muestra de helado en el embudo del gabinete. Usando la cámara digital en el trípode, tome la primera foto (t0) de la muestra de helado con la puerta del gabinete abierta, prestando atención para disparar también la referencia de tamaño. Cierre la puerta del armario y comience a registrar los datos gravimétricos cada minuto con el software conectado a la báscula.NOTA: No utilice flash para evitar sombras en la imagen, y utilice un fondo muy contrastado para mejorar la segmentación del helado. Verifique el enfoque de la imagen adquirida; Si la imagen está desenfocada, tome inmediatamente una nueva. Registre los datos gravimétricos durante 90 minutos (un registro por minuto) y tome una fotografía de la muestra de helado (consulte el paso 1.3.4) cada 15 minutos (para un total de 7 imágenes). Figura 2: Configuración de la prueba de fusión. La figura muestra cómo configurar la prueba de fusión en el gabinete termostático: coloque un cilindro de vidrio graduado en una báscula digital para recoger y pesar el helado derretido. La muestra de helado se coloca en una pantalla de malla de alambre metálico en un embudo suspendido sobre el cilindro. Haga clic aquí para ver una versión más grande de esta figura. 2. Procesamiento de imágenes para el cálculo de índices de fusión Tratamiento de imágenesDescargue las imágenes digitales de la tarjeta de memoria de la cámara y guárdelas como archivos .tiff o .jpg sin compresión. Utilice los comandos Abrir > archivo del software de análisis de imágenes para abrir las imágenes de helado. Comience a procesar la primera imagen (t0), corrigiendo la rotación si es necesario (comandos: Editar > Rotar). Utilice la referencia de tamaño adquirida en cada imagen (ver pasos 1.3.1. y 1.3.4.) para calibrar espacialmente la imagen (comandos: Medir > Calibración > Imagen de > Espacial), convirtiendo los píxeles en milímetros (Figura complementaria 1). Seleccione el área rectangular de interés (AOI), incluyendo la muestra de helado y evitando el borde de la pantalla de malla metálica (comandos: Editar > Nuevo AOI > Rectangular). Recorte el AOI y conviértalo en una escala de grises (profundidad de color, 8) utilizando los comandos Editar > Encubierto a > Escala de grises 8 (Figura complementaria 2). Aplique el filtro Mejor ajuste que ajusta automáticamente el brillo y el contraste (comandos: Mejorar > Ecualizar > Mejor ajuste). Vaya a la ventana Medir > Conteo/Tamaño del software y abra la ventana Medir para seleccionar los siguientes parámetros: Área, Altura de la caja y Ancho de la caja. A continuación, haga clic en Aceptar para cerrar esta ventana (Figura complementaria 3). Seleccione la medición manual (marque Manual en la ventana Conteo/Tamaño ) y haga clic en Seleccionar rangos para establecer los valores del histograma para segmentar exactamente la forma brillante del helado. Cierre la ventana Segmentación (Figura complementaria 4). Haga clic en Recuento en la ventana Recuento/Tamaño del software para medir los tres parámetros seleccionados en el paso 2.1.6. Si se cuentan objetos brillantes que no sean la muestra de helado, utilice un umbral de área para filtrar los objetos (comandos: Medir > Seleccionar medidas > Área; ajustar los rangos de inicio y fin). Para ver los resultados de la medición, haga clic en Ver > datos de medición (Figura complementaria 5). Utilice Archivar > datos en el portapapeles para copiar los resultados de la medición y pegarlos en una hoja de cálculo de software de gestión de datos. Repita los pasos de 2.1.2 a 2.1.8 para cada imagen recopilada durante el derretimiento del helado. Evaluación de índices de fusiónNOTA: A partir de ahora, los parámetros de tamaño medidos a partir de las imágenes de helado se indicarán de la siguiente manera: A, área; H: altura de la caja; W, ancho de la caja (Figura complementaria 6).Utilizando los datos H y W calculados en el paso anterior 2.1 en los diferentes tiempos t durante la fusión (0 min, 15 min, 30 min, 45 min, 75 min y 90 min), calcule el índice de retención de la forma (Rt) de acuerdo con la ecuación 1:(1) De acuerdo con la ecuación 2 y la ecuación 3, refiérase a los datos de R y A calculados en cada momento con el índice correspondiente en el tiempo 0 (R0 y A0) y represente los resultados obtenidos en función del tiempo, como se muestra en la Figura 3A, B. La tendencia de At en función del tiempo está relacionada con la tasa de fusión del helado.(2)(3) Figura complementaria 1: Calibración espacial de la imagen. (A) Vaya a la ventana Medir > Calibración > Espacial del software de análisis de imágenes. Seleccione Nuevo y, a continuación, marque Imagen para abrir la ventana Escalado . Se indica la longitud de referencia en la unidad para convertir píxeles (por ejemplo, milímetros). (B) Superponga con cuidado la barra verde con la parte de referencia correspondiente a la longitud indicada y haga clic en Aceptar. Haga clic aquí para descargar este archivo. Figura complementaria 2: Recorte de AOI y conversión en una escala de grises. (A) Conversión del área de interés (AOI) en escala de grises y (B) la imagen resultante. Haga clic aquí para descargar este archivo. Figura complementaria 3: Selección de los parámetros a medir. En la ventana Seleccionar medición , se pueden seleccionar los parámetros a medir; Para la evaluación de Ice Cream Meltdown, se debe seleccionar el área, el ancho de la caja y la altura de la caja. Haga clic aquí para descargar este archivo. Figura complementaria 4: Segmentación de la muestra de helado. En la ventana “Segmentación” es posible seleccionar los rangos de histograma a considerar para cubrir exactamente el área de la forma del helado. Haga clic aquí para descargar este archivo. Figura complementaria 5: Filtrado de objetos y la función Count. Las líneas rojas resaltan los objetos brillantes reconocidos. Al aplicar la función de recuento y abrir la ventana “Ver, Datos de medición”, se mostrarán los resultados de los parámetros seleccionados (A). Para filtrar solo la forma del helado, es posible seleccionar un rango de área mínima y máxima en la ventana “Seleccionar medición”, contando así solo los parámetros de un objeto (B). Haga clic aquí para descargar este archivo. Figura suplementaria 6: Índice de retención de forma (R). Se muestran la altura de la caja (Ht, línea punteada roja) y el ancho de la caja (Wt, línea continua negra) utilizados para el cálculo del índice de retención de forma (R). Haga clic aquí para descargar este archivo. Figura 3: Curvas de retención de forma y área. Ejemplo de una curva de retención de forma (A) y (B) área, en la que se trazan los valores medios de Rt/R0 y At/A0 a lo largo del tiempo; Las barras de error corresponden a los valores de desviación estándar obtenidos por las réplicas de análisis. Haga clic aquí para ver una versión más grande de esta figura. 3. Elaboración de datos gravimétricos Al final de la prueba de fusión (90 min), guarde la hoja de cálculo con el peso de la muestra fundida (gramos) por cada minuto del análisis obtenido por el software conectado a la báscula digital. Abra la hoja de cálculo de peso en un software de gestión de datos para crear un gráfico del peso derretido (gramos) en función del tiempo (minutos), obteniendo así la curva de fusión de la muestra de helado. Seleccione los datos en la porción lineal de la curva de fusión y calcule la línea de regresión de mínimos cuadrados, registrando la ecuación 4 y el coeficiente de regresión (R2).(4) El valor de pendiente de la línea de regresión (m) es la tasa de fusión del helado (gramos/minuto). Calcule el tiempo de inicio de la fusión (ts; minuto) como la intersección con el eje x (cuando y = 0) de la siguiente manera:(5) Figura 4: Curva gravimétrica. Ejemplo de una curva de fusión de un helado obtenida por el método gravimétrico. La curva original se muestra en rojo; Las series de datos seleccionadas en la parte lineal se muestran en verde; La línea de regresión calculada se muestra en puntos negros. También se muestra la ecuación y el coeficiente de determinación (R2) de la línea de regresión. Haga clic aquí para ver una versión más grande de esta figura. NOTA: Para tener resultados confiables que se analizarán estadísticamente, repita todo el procedimiento de prueba de fusión y procesamiento de imágenes al menos tres veces para cada muestra.

Representative Results

Como ejemplo de los resultados propuestos de CVS, se muestran los resultados de los análisis de fusión para tres formulaciones diferentes de helado, en comparación con los datos obtenidos del método gravimétrico. En particular, se estudió el comportamiento de fusión de helados elaborados con diferentes edulcorantes (es decir, sacarosa, sucrosal y eritritol). La Tabla 1 y la Figura 5A muestran los resultados…

Discussion

El CVS propuesto permite calcular los índices de retención de forma y área de las muestras de helado durante la fusión, además de visualizar el proceso de fusión. Se puede acoplar con el método gravimétrico tradicional aplicado para evaluar el comportamiento de fusión del helado5, para obtener resultados relacionados con el aspecto del helado. Esto es muy importante porque los consumidores evalúan su calidad también en función de la apariencia visual d…

Divulgaciones

The authors have nothing to disclose.

Materials

Cabinet Cavallo s.r.l. FTX700 Location for the melting test
Digital camera Sony Group Corp DSC-S650
Digital scale Gibertini Elettronica EU-C 4002 LCD
ImagePro Plus 7.0 Media Cybernetics, Inc N/A Image analysis elaboration software
Microsoft Excel Microsoft N/A Data and graphical elaboration
Scalecom Gibertini Elettronica N/A Digital scale software acquisition
Tripod Manfratto #055

Referencias

  1. Marshall, R. T., Arbuckle, W. S. . Ice Cream. , (1996).
  2. Goff, H. D., Hartel, R. W. . Ice Cream. , (2013).
  3. Metilli, L., et al. Investigating the microstructure of soft, microporous matter with synchrotron X-ray tomography. Materials Characterization. 180, 111408 (2021).
  4. Liu, X., Sala, G., Scholten, E. Structural and functional differences between ice crystal-dominated and fat network-dominated ice cream. Food Hydrocolloids. 138, 108466 (2023).
  5. Alamprese, C., Foschino, R., Rossi, M., Pompei, C., Savani, L. Survival of Lactobacillus johnsonii La1 and influence of its addition in retail-manufactured ice cream produced with different sugar and fat concentrations. International Dairy Journal. 12 (2-3), 201-208 (2002).
  6. Alamprese, C., Foschino, R. Technology and Stability of Probiotic and Prebiotic Ice Cream. Probiotic and Prebiotic Foods: Technology, Stability and Benefits to Human Health. , (2011).
  7. Golnabi, H., Asadpour, A. Design and application of industrial machine vision systems. Robotics and Computer-Integrated Manufacturing. 23 (6), 630-637 (2007).
  8. Patel, C., et al. DBGC: Dimension-based generic convolution block for object recognition. Sensors. 22 (5), 1780 (2022).
  9. Bhatt, D., et al. CNN variants for computer vision: History, architecture, application, challenges and future scope. Electronics. 10 (20), 2470 (2021).
  10. Zhu, L., Spachos, P., Pensini, E., Plataniotis, K. N. Deep learning and machine vision for food processing: A survey. Current Research in Food Science. 4, 233-249 (2021).
  11. Donhowe, D. P., Hartel, R. W. Recrystallization of ice in ice cream during controlled accelerated storage. International Dairy Journal. 6 (11-12), 1191-1208 (1996).
  12. Velásquez-Cock, J., et al. Influence of cellulose nanofibrils on the structural elements of ice cream. Food Hydrocolloids. 87, 204-213 (2019).
  13. Moriano, M. E., Alamprese, C. Honey, trehalose and erythritol as sucrose-alternative sweeteners for artisanal ice cream. A pilot study. LWT-Food Science & Technology. 75, 329-334 (2017).
  14. Loffredi, E., Moriano, M. E., Masseroni, L., Alamprese, C. Effects of different emulsifier substitutes on artisanal ice cream quality. LWT-Food Science & Technology. 137, 110499 (2021).
  15. Loffredi, E., Alamprese, C. Optimisation of a blend of emulsifier substitutes for clean-label artisanal ice cream. LWT-Food Science & Technology. 173, 114338 (2023).
  16. Moriano, M. E., Alamprese, C. Organogels as novel ingredients for low saturated fat ice creams. LWT-Food Science & Technology. 86, 371-376 (2017).

Play Video

Citar este artículo
Loffredi, E., Alamprese, C. A Computer Vision System for the Assessment of Ice Cream Melting Behavior. J. Vis. Exp. (212), e66114, doi:10.3791/66114 (2024).

View Video