Summary

מערכת ראייה ממוחשבת להערכת התנהגות המסת גלידה

Published: October 04, 2024
doi:

Summary

כאן, אנו מציגים פרוטוקול המבוסס על מערכת ראייה ממוחשבת (CVS) כדי לקבוע את התנהגות ההמסה של מערכות מזון רב פאזיות.

Abstract

התנהגות המסה היא אחד ממדדי האיכות החשובים ביותר של גלידה. זה מוערך בדרך כלל על ידי שיטות גרבימטריות ומתבטא במונחים של זמן התחלה וקצב התכה. עם זאת, ההיבט של גלידה במהלך המסה חשוב גם כי שימור צורה קשורה למבנה טוב של המוצר. הפרוטוקול המוצע כאן מדגים מערכת ראייה ממוחשבת (CVS) שניתן להשתמש בה כדי לתמוך במתודולוגיית הכבידה הקיימת כבר לחישוב שני מדדי התכה חדשים הקשורים לשימור צורה וקצב התכה. תמונות של גלידה במהלך המסה נלקחים כל 15 דקות במשך סך של 90 דקות. לאחר מכן, תמונות דיגיטליות משוכללות באמצעות שיטת עיבוד תמונה שפותחה בכוונה תחילה כדי לחשב את שטח הגלידה, גובהה ורוחבה. היחס בין גובה לרוחב בכל זמן התכה, המכונה היחס בזמן 0 (Rt/R0), הוא מדד לשימור הצורה של הגלידה, בעוד שהאזור בזמני ההתכה השונים המתייחסים לאזור בזמן 0 (At/A0) קשור לקצב ההתכה. מערכת ראייה ממוחשבת זו מאפשרת קבלת תוצאות רגישות ואמינות ביותר, וניתן ליישם אותה לא רק על גלידה אלא גם על מטריצות מזון שונות, כגון קצפת חלב או חלבון ביצה.

Introduction

גלידה היא מערכת רב-שלבית שבה פאזות נוזליות, מוצקות וגזיות מחוברות בקפידה. הפאזה הנוזלית הרציפה עוטפת בועות אוויר וגבישי קרח, והיא מכילה שומנים מגובשים חלקית, חלבונים קולואידים, מלחים, סוכרים (שבסופו של דבר התגבשו) ומייצבים. הרכב הגלידה משתנה בהתאם לבקשות השוק המקומי ולתקנות אפשריות. למרות שטכנולוגיית העיבוד משפיעה על מאפייני הגלידה הסופית, כל מרכיב ממלא תפקיד חשוב בהגדרת איכות המוצר1. התנהגות המסה היא אחד ממדדי האיכות החשובים ביותר של גלידה, בהתחשב בתופעות המתרחשות הן במהלך הצריכה והן בפה. עם חדירת החום לתוך הגלידה, גבישי קרח נמסים, ומים מתפזרים ומתערבבים עם שלב הסרום, אשר יכול להתנקז דרך המבנה הנותר2. מוצר שנמס במהירות אינו רצוי לאכילה נוחה, אך גם להבטחת עמידות גבוהה יותר בפני הלם חום. עם זאת, מוצרים איטי התכה גם להצביע על כמה פגמים ניסוח1. ידוע כי מיקרו-מבנה גלידה אחראי לתכונות ההתכה3, אך עד כה פורסמו תוצאות מנוגדות, המראות כי הידע על השפעת גורמים מיקרו-מבניים על המסה עדיין מוגבל4. לפיכך, נדרשים מחקרים נוספים כדי להבהיר את מנגנון ההתכה, שהוא חיוני גם בתכנון ניסוחים חדשים3.

התנהגות ההתכה מוערכת בדרך כלל בשיטות גרבימטריות ומתבטאת במונחים של זמן התחלה וקצב התכה5. מנה נתונה של גלידה מונחת על רשת תיל בארון טמפרטורה מבוקרת, ומשקל המוצר המומס נרשם. מעקומת זמן המשקל ניתן להדגיש שלושה שלבים: שלב הפיגור שבמהלכו מתרחשת חדירת חום, שלב ההתכה המהירה עם שלב הסרום המדולל הזורם במבנה הגלידה בקצב המקסימלי, והשלב הנייח, בו רוב המוצר טפטףהחוצה 2.

בשיטה הגרבימטרית ניתן לזהות מוצרים בהתכה איטית ומהירה; עם זאת, גם ההיבט של גלידה במהלך ההתכה חשוב, מכיוון ששימור הצורה קשור להרכב ומבנה טובים של המוצר6. לפיכך, הליך המבוסס על מערכת ראייה ממוחשבת (CVS) יכול לתמוך במתודולוגיית הכבידה הקיימת כבר בכך שהוא מאפשר ללמוד את מראה המוצר במהלך ההמסה. CVS יכול לרכוש תכונות מזון רבות3 (למשל, גודל, משקל, צורה, מרקם וצבע) עם פרטים מדויקים שאינם ניתנים לצפייה על ידי העין האנושית. מערכות כאלה עשויות בדרך כלל ממצלמות דיגיטליות ותוכנות עיבוד תמונה7. ואכן, פרוטוקול המבוסס על CVS כולל שני שלבים עיקריים: 1) רכישת תמונה 2) עיבוד תמונה. ניתן ליישם רמות שונות של עיבוד תמונה7, מהפשוטות ביותר ועד המורכבות יותר, כגון שיטות למידה עמוקה לפיתוח בינה מלאכותית 8,9. תשומת לב רבה הוקדשה לאחרונה ל- CVS בתחום המזון, ומספר רב של יישומים פותחו לבדיקת בטיחות מזון, ניטור עיבוד מזון, זיהוי עצמים זרים ותחומים אחרים. הם מהירים, יעילים ולא הרסניים, ובכך מייצגים כלים תקפים לספק לצרכנים מזון בטוח באיכות גבוהה10.

בתחום הגלידה, הוצעה שיטת ניתוח תמונה לחקר התגבשות מחדש של קרח על ידי מיקרוסקופ אופטי11. לאחרונה, תמונות טומוגרפיה ממוחשבת רנטגן עובדו כדי לנתח את המיקרו-מבנה התלת-ממדי של חומרים נקבוביים רכים, כולל גלידה3. עם זאת, ההרחבה של תמונות דיגיטליות פשוטות של Charge Coupled Device (CCD) יכולה להציג מספר יתרונות מבחינת קלות הרכישה ועיבוד היבט הגלידה כפי שהוא נתפס על ידי הצרכנים. חלק מהמחברים מראים תמונות של גלידה במהלך המסה12, אך למיטב ידיעתנו, הפקת מדדים מספריים מהתמונות דווחה לראשונה על ידי מוריאנו ואלמפרזה13.

לכן, הפרוטוקול המוצע כאן, המבוסס על עבודתם של מוריאנו ואלמפרזה13, ממחיש CVS פשוט שניתן ליישם כדי לתמוך במתודולוגיית הכבידה הקיימת כבר לחקר התנהגות המסת גלידה. דיאגרמת בלוקים של השיטה המוצעת מודגמת באיור 1. השימוש במערכת כזו מאפשר חישוב של שני מדדי התכה הקשורים לשימור צורה וקצב ההתכה. בפרט, המאמר מתאר לראשונה את ההגדרה הניסויית המפורטת ואת ההליך לרכישת תמונה דיגיטלית במהלך התכת גלידה ואת שלבי עיבוד התמונה. חוץ מזה, התוצאות המתקבלות מגלידות המיוצרות עם ממתיקים שונים (כלומר, סוכרוז, סוכרומלט ואריתריטול) מדווחות כדי להראות את הפוטנציאל של השיטה.

Figure 1
איור 1: דיאגרמת בלוקים של המתודולוגיות המוצעות. סיכום השלבים הכלליים למערכת הראייה הממוחשבת המוצעת והשיטה הכבידתית לחקר התנהגות המסת גלידה. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

Protocol

1. מערך ניסויי ונהלים לניסויי התכה הכנת דוגמת גלידהבחרו כוסות שקופות בעלות נפח וצורה קבועים, עם מכסים. חותכים שני פסים ארוכים של נייר אפייה ברוחב של כ -2 ס”מ, ובעזרת נייר דבק, מקבעים אותם לדפנות הפנימיות של הכוס ליצירת צלב בתחתית. התחילו למלא את הכוס בדוגמ…

Representative Results

כדוגמה לתפוקות CVS המוצעות, מוצגות תוצאות של ניתוחי התכה עבור שלוש פורמולציות גלידה שונות, בהשוואה לנתונים שהתקבלו מהשיטה הגרבימטרית. בפרט, התנהגות ההמסה של גלידות המיוצרות עם ממתיקים שונים (כלומר, סוכרוז, סוכרומלט ואריתריטול) נחקרה. טבלה 1 <strong class…

Discussion

CVS המוצע מאפשר חישוב של מדדי שימור הצורה והשטח של דגימות גלידה במהלך ההמסה, מלבד הדמיה של תהליך ההמסה. זה יכול להיות בשילוב עם השיטה הכבידתית המסורתית מיושמת כדי להעריך את התנהגות ההמסה של גלידה5, כדי להשיג תוצאות הקשורות להיבט של הגלידה. זה מאוד חשוב כי הצרכנ…

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