Summary

نظام رؤية حاسوبي لتقييم سلوك ذوبان الآيس كريم

Published: October 04, 2024
doi:

Summary

هنا ، نقدم بروتوكولا يعتمد على نظام رؤية الكمبيوتر (CVS) لتحديد سلوك ذوبان النظم الغذائية متعددة المراحل.

Abstract

سلوك الذوبان هو واحد من أهم مؤشرات جودة الآيس كريم. عادة ما يتم تقييمه بطرق القياس الوزني ويتم التعبير عنه من حيث وقت البدء ومعدل الذوبان. ومع ذلك ، فإن جانب الآيس كريم أثناء الذوبان مهم أيضا لأن الاحتفاظ بالشكل مرتبط ببنية جيدة للمنتج. يوضح البروتوكول المقترح هنا نظام رؤية الكمبيوتر (CVS) الذي يمكن استخدامه لدعم منهجية الجاذبية الموجودة بالفعل لحساب مؤشري انصهار جديدين يتعلقان بالاحتفاظ بالشكل ومعدل الذوبان. يتم التقاط صور الآيس كريم أثناء الذوبان كل 15 دقيقة لمدة 90 دقيقة. بعد ذلك ، يتم تطوير الصور الرقمية باستخدام طريقة معالجة الصور المطورة عن قصد لحساب مساحة الآيس كريم والارتفاع والعرض. النسبة بين الارتفاع والعرض في كل وقت انصهار ، المشار إليها في الوقت 0 (Rt / R0) ، هي مؤشر للاحتفاظ بشكل الآيس كريم ، في حين أن المنطقة في أوقات الانصهار المختلفة المشار إليها في المنطقة في الوقت 0 (At / A0) مرتبطة بمعدل الانصهار. يسمح نظام رؤية الكمبيوتر هذا بالحصول على نتائج حساسة وموثوقة للغاية ، ويمكن تطبيقه ليس فقط على الآيس كريم ولكن أيضا على مصفوفات الطعام المختلفة ، مثل كريمة الحليب المخفوق أو زلال البيض.

Introduction

الآيس كريم هو نظام متعدد المراحل ترتبط فيه المراحل السائلة والصلبة والغازية بشكل صارم. يغلف الطور السائل المستمر فقاعات الهواء وبلورات الثلج ، ويحتوي على دهون متبلورة جزئيا وبروتينات غروانية وأملاح وسكريات (تبلورت في النهاية) ومثبتات. تختلف تركيبة الآيس كريم حسب طلبات السوق المحلية واللوائح الممكنة. على الرغم من أن تقنية المعالجة تؤثر على خصائص الآيس كريم النهائي ، إلا أن كل مكون يلعب دورا مهما في تحديد جودة المنتج1. يعد سلوك الذوبان أحد أهم مؤشرات جودة الآيس كريم ، مع الأخذ في الاعتبار الظواهر التي تحدث أثناء الاستهلاك وفي الفم. مع تغلغل الحرارة في الآيس كريم ، تذوب بلورات الثلج ، وينتشر الماء ويختلط مع مرحلة المصل ، والتي يمكن أن تستنزف من خلال الهيكل المتبقي2. المنتج سريع الذوبان غير مرغوب فيه للأكل المريح ولكن أيضا لضمان مقاومة أعلى للصدمات الحرارية. ومع ذلك ، تشير المنتجات ذات الذوبان البطيء أيضا إلى بعض العيوب في الصيغة1. من المعروف أن البنية المجهرية للآيس كريم هي المسؤولة عن خصائص الذوبان3 ، ولكن تم نشر نتائج متناقضة حتى الآن ، مما يدل على أن المعرفة حول تأثير العوامل المجهرية على الذوبان لا تزال محدودة4. وبالتالي ، من الضروري إجراء المزيد من الدراسات لتوضيح آلية الانهيار ، وهو أمر حاسم أيضا في تصميم تركيبات جديدة3.

عادة ما يتم تقييم سلوك الذوبان بطرق القياس الوزني ويتم التعبير عنه من حيث وقت البدء ومعدل الذوبان5. يتم وضع جزء معين من الآيس كريم على شبكة سلكية في خزانة درجة حرارة يتم التحكم فيها ، ويتم تسجيل وزن المنتج المذاب. من منحنى وقت الوزن ، يمكن تسليط الضوء على ثلاث مراحل: مرحلة التأخر التي يحدث خلالها تغلغل الحرارة ، ومرحلة الذوبان السريع مع تدفق مرحلة المصل المخفف عبر هيكل الآيس كريم بأقصى معدل ، والمرحلة الثابتة ، حيث يقطر معظم المنتج2.

باستخدام طريقة الجاذبية ، يمكن التعرف على المنتجات البطيئة وسريعة الذوبان ؛ ومع ذلك ، فإن جانب الآيس كريم أثناء الانهيار مهم أيضا ، لأن الاحتفاظ بالشكل مرتبط بتكوين وهيكل جيد للمنتج6. وبالتالي ، يمكن للإجراء القائم على نظام رؤية الكمبيوتر (CVS) أن يدعم منهجية الجاذبية الموجودة بالفعل من خلال السماح بدراسة مظهر المنتج أثناء الذوبان. يمكن أن تكتسب CVSs العديد من سمات الطعام3 (على سبيل المثال ، الحجم والوزن والشكل والملمس واللون) بتفاصيل دقيقة لا يمكن ملاحظتها بالعين البشرية. عادة ما تكون هذه الأنظمة مصنوعة من الكاميرات الرقمية وبرامج معالجة الصور7. في الواقع ، يتضمن البروتوكول القائم على CVSs خطوتين رئيسيتين: 1) الحصول على الصور و 2) معالجة الصور. يمكن تطبيق مستويات مختلفة من معالجة الصور7 ، من أبسطها إلى أكثرها تعقيدا ، مثل طرق التعلم العميق لتطوير الذكاء الاصطناعي 8,9. تم إيلاء اهتمام كبير مؤخرا ل CVSs في قطاع الأغذية ، وتم تطوير عدد كبير من التطبيقات لفحص سلامة الأغذية ، ومراقبة معالجة الأغذية ، واكتشاف الأجسام الغريبة ، وغيرها من المجالات. إنها سريعة وفعالة وغير مدمرة ، وبالتالي تمثل أدوات صالحة لتزويد المستهلكين بأطعمة آمنة ذات جودةعالية 10.

في مجال الآيس كريم ، تم اقتراح طريقة تحليل الصور لدراسة إعادة بلورة الجليد بواسطة المجهر الضوئي11. في الآونة الأخيرة ، تمت معالجة صور التصوير المقطعي المحوسب بالأشعة السينية لتحليل البنية المجهرية ثلاثية الأبعاد للمسائل المسامية الناعمة ، بما في ذلك الآيس كريم3. ومع ذلك ، فإن إعداد صور رقمية بسيطة لجهاز اقتران الشحن (CCD) يمكن أن يقدم العديد من المزايا من حيث سهولة الحصول على جانب الآيس كريم وتقديمه كما يراه المستهلكون. يعرض بعض المؤلفين صورا للآيس كريم أثناء الذوبان12 ، ولكن على حد علمنا ، تم الإبلاغ عن استخراج المؤشرات العددية من الصور لأول مرة بواسطة Moriano و Alamprese13.

لذلك ، فإن البروتوكول المقترح هنا ، بناء على عمل Moriano و Alamprese13 ، يوضح CVS بسيطا يمكن تطبيقه لدعم منهجية الجاذبية الموجودة بالفعل لدراسة سلوك ذوبان الآيس كريم. يوضح الشكل 1 مخططا للكتلة للطريقة المقترحة. يسمح استخدام مثل هذا النظام بحساب مؤشري انصهار يتعلقان بالاحتفاظ بالشكل ومعدل الانصهار. على وجه الخصوص ، تصف الورقة لأول مرة الإعداد التجريبي التفصيلي وإجراءات الحصول على الصور الرقمية أثناء ذوبان الآيس كريم وخطوات معالجة الصور. إلى جانب ذلك ، تم الإبلاغ عن النتائج التي تم الحصول عليها من الآيس كريم المنتج بمحليات مختلفة (مثل السكروز والسكرومالت والإريثريتول) لإظهار إمكانات الطريقة.

Figure 1
الشكل 1: مخطط كتلة للمنهجيات المقترحة. ملخص الخطوات العامة لنظام الرؤية الحاسوبية المقترح وطريقة الجاذبية لدراسة سلوك ذوبان الآيس كريم. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Protocol

1. الإعداد التجريبي وإجراءات تجارب الذوبان إعداد عينة الآيس كريماختر أكواب شفافة ذات حجم وشكل ثابتين ، مع أغطية. اقطع خطين طويلين من ورق الخبز بعرض حوالي 2 سم ، وبمساعدة شريط ورقي ، قم بتثبيتهما على الجدران الداخلية للكوب لتشكيل صليب في الأسفل. ابدأ في م…

Representative Results

كمثال على مخرجات CVS المقترحة ، يتم عرض نتائج تحليلات الانهيار لثلاث تركيبات مختلفة من الآيس كريم ، مقارنة بالبيانات التي تم الحصول عليها من طريقة الجاذبية. على وجه الخصوص ، تمت دراسة سلوك ذوبان الآيس كريم المصنوع من مواد تحلية مختلفة (مثل السكروز والسكرومالت والإريثريتو…

Discussion

يسمح CVS المقترح بحساب مؤشرات الاحتفاظ بالشكل والمساحة لعينات الآيس كريم أثناء الذوبان ، إلى جانب تصور عملية الذوبان. يمكن أن يقترن بالطريقة الجاذبية التقليدية المطبقة لتقييم سلوك ذوبان الآيس كريم5 ، للحصول على نتائج تتعلق بجانب الآيس كريم. هذا مهم للغاية لأ…

Disclosures

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

References

  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

Cite This Article
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