Een computervisiesysteem voor de beoordeling van het smeltgedrag van ijs

IJs is een meerfasig systeem waarin vloeibare, vaste en gasfasen strikt met elkaar verbonden zijn. De continue vloeibare fase omhult luchtbellen en ijskristallen en bevat gedeeltelijk gekristalliseerde vetten, colloïdale eiwitten, zouten, suikers (uiteindelijk gekristalliseerd) en stabilisatoren. De samenstelling van het ijs varieert afhankelijk van de lokale markt, de vraag en mogelijke regelgeving. Hoewel de verwerkingstechnologie van invloed is op de kenmerken van het uiteindelijke ijs, speelt elk bestanddeel een belangrijke rol bij het bepalen van de productkwaliteit¹. Smeltgedrag is een van de belangrijkste kwaliteitsindices van ijs, rekening houdend met verschijnselen die zich zowel tijdens consumptie als in de mond voordoen. Bij het binnendringen van warmte in het ijs smelten ijskristallen en diffundeert het water en vermengt het zich met de serumfase, die door de resterende structuur kan wegvloeien². Een snelsmeltend product is ongewenst om comfortabel te eten, maar ook om een hogere hittebestendigheid te garanderen. Langzaam smeltende producten duiden echter ook op enkele defecten in de formulering¹. Het is bekend dat de microstructuur van ijs verantwoordelijk is voor smelteigenschappen³, maar tot nu toe zijn er contrasterende resultaten gepubliceerd, waaruit blijkt dat de kennis over de invloed van microstructurele factoren op het smelten nog beperkt is⁴. Er zijn dus meer studies nodig om het meltdown-mechanisme op te helderen, dat ook cruciaal is bij het ontwerpen van nieuwe formuleringen³.

Het smeltgedrag wordt meestal geëvalueerd met behulp van gravimetrische methoden en uitgedrukt in termen van starttijd en smeltsnelheid⁵. Een bepaalde portie ijs wordt op een gaas in een kast met gecontroleerde temperatuur geplaatst en het gewicht van het gesmolten product wordt geregistreerd. Uit de gewichtstijdcurve kunnen drie fasen worden afgemaakt: de lag-fase waarin warmtepenetratie optreedt, de snelsmeltfase waarbij de verdunde serumfase met maximale snelheid door de ijsstructuur stroomt, en de stationaire fase, waarin het grootste deel van het product eruit is gedruppeld².

Met de gravimetrische methode kunnen langzaam en snel smeltende producten worden herkend; Maar ook het aspect van ijs tijdens meltdown is belangrijk, want vormbehoud is gekoppeld aan een goede samenstelling en structuur van het product⁶. Zo kan een procedure op basis van een computer vision system (CVS) de reeds bestaande zwaartekrachtmethodologie ondersteunen door het mogelijk te maken het uiterlijk van het product tijdens het smelten te bestuderen. CVS’s kunnen tal van voedselkenmerken³ (bijv. grootte, gewicht, vorm, textuur en kleur) verwerven met nauwkeurige details die niet door het menselijk oog kunnen worden waargenomen. Dergelijke systemen zijn meestal gemaakt van digitale camera’s en beeldverwerkingssoftware⁷. Een protocol op basis van CVS’s omvat namelijk twee hoofdstappen: 1) beeldacquisitie en 2) beeldverwerking. Er kunnen verschillende niveaus van beeldverwerking worden toegepast⁷, van de eenvoudigste tot de meer complexe, zoals deep-learningmethoden voor de ontwikkeling van kunstmatige intelligentie ^8,9. Er is de laatste tijd veel aandacht besteed aan CVS’s in de voedingssector en er is een groot aantal toepassingen ontwikkeld voor inspectie van voedselveiligheid, monitoring van voedselverwerking, detectie van vreemde voorwerpen en andere gebieden. Ze zijn snel, efficiënt en niet-destructief en vertegenwoordigen dus geldige hulpmiddelen om consumenten veilig voedsel van hoge kwaliteit te bieden¹⁰.

Op het gebied van ijs werd een beeldanalysemethode voorgesteld om de herkristallisatie van ijs door optische microscopie te bestuderen¹¹. Meer recentelijk werden röntgencomputertomografiebeelden verwerkt om de 3D-microstructuur van zacht-poreuze stoffen,^{waaronder ijs,} te analyseren. De uitwerking van eenvoudige digitale Charge Coupled Device (CCD)-afbeeldingen kan echter verschillende voordelen opleveren in termen van gemak bij het verwerven en weergeven van het ijsaspect zoals dat door de consument wordt waargenomen. Sommige auteurs tonen afbeeldingen van ijs tijdens het smelten¹², maar voor zover wij weten, werd de extractie van numerieke indices uit de afbeeldingen voor het eerst gerapporteerd door Moriano en Alamprese¹³.

Daarom illustreert het hier voorgestelde protocol, gebaseerd op het werk van Moriano en Alamprese¹³, een eenvoudig CVS dat kan worden toegepast ter ondersteuning van de reeds bestaande zwaartekrachtmethodologie voor de studie van het smeltgedrag van ijs. Een blokdiagram van de voorgestelde methode wordt geïllustreerd in figuur 1. Het gebruik van een dergelijk systeem maakt het mogelijk om twee smeltindices te berekenen die verband houden met vormbehoud en de smeltsnelheid. In het bijzonder beschrijft het artikel voor het eerst de gedetailleerde experimentele opzet en procedure voor digitale beeldacquisitie tijdens het smelten van ijs en de beeldverwerkingsstappen. Bovendien worden de resultaten verkregen van ijsjes geproduceerd met verschillende zoetstoffen (d.w.z. sucrose, sucromalt en erythritol) gerapporteerd om het potentieel van de methode aan te tonen.

Figuur 1: Blokschema van de voorgestelde methodologieën. Samenvatting van de algemene stappen voor het voorgestelde Computer Vision System en de gravimetrische methode voor het bestuderen van het smeltgedrag van ijs. Klik hier om een grotere versie van deze figuur te bekijken.