Summary

アイスクリームの融解挙動評価のためのコンピュータビジョンシステム

Published: October 04, 2024
doi:

Summary

ここでは、コンピュータビジョンシステム(CVS)に基づくプロトコルを提示し、多相食品システムの融解挙動を決定します。

Abstract

融解挙動は、アイスクリームの最も重要な品質指標の1つです。これは通常、重量法によって評価され、開始時間と融解速度で表されます。ただし、形状保持は製品の良好な構造に関連しているため、溶けているときのアイスクリームの側面も重要です。ここで提案されているプロトコルは、形状保持と融解速度に関連する2つの新しい融解指数を計算するための既存の重力方法論をサポートするために使用できるコンピュータービジョンシステム(CVS)を示しています。溶けているアイスクリームの写真は、15分ごとに合計90分撮影されます。その後、デジタル画像は、アイスクリームの面積、高さ、幅を計算するために、意図的に開発された画像処理方法を使用して精緻化されます。各融解時間における高さと幅の比率は、時間0での比率(Rt/R0)で、アイスクリームの形状保持の指標であり、異なる融解時間での面積は、時間0での面積(At/A0)で参照され、融解速度に関連しています。このコンピュータビジョンシステムは、高感度で信頼性の高い結果を得ることができ、アイスクリームだけでなく、ホイップミルククリームや卵白など、さまざまな食品マトリックスにも適用できます。

Introduction

アイスクリームは、液相、固相、気相が厳密に接続されている多相システムです。連続液相は気泡や氷の結晶を包み込み、部分的に結晶化した脂肪、コロイド状タンパク質、塩、糖(最終的には結晶化)、安定剤を含んでいます。アイスクリームの組成は、現地の市場の要求や可能な規制によって異なります。加工技術は最終的なアイスクリームの特性に影響を与えますが、各成分は製品の品質を定義する上で重要な役割を果たします1。溶融挙動は、消費中と口内の両方で発生する現象を考慮すると、アイスクリームの最も重要な品質指標の1つです。アイスクリームに熱が浸透すると、氷の結晶が溶け、水が拡散して美容相と混ざり合い、残りの構造2を通って排出されます。速溶性製品は、快適な食事だけでなく、より高い耐熱衝撃性を保証するためにも望ましくありません。しかし、ゆっくりと融解する生成物は、製剤1にいくつかの欠陥も示している。アイスクリームの微細構造が融解特性に関与していることは知られています3が、これまでに対照的な結果が発表されており、微構造因子が融解に与える影響についての知識はまだ限られていることが示されています4。したがって、メルトダウンメカニズムを解明するためには、さらなる研究が必要であり、これは新しい製剤の設計においても重要である3

融解挙動は通常、重量法によって評価され、融解の開始時間と融解速度で表されます5。アイスクリームの所定の部分を温度制御されたキャビネットの金網に置き、溶かした製品の重量を登録します。重量-時間曲線から、熱の浸透が発生する遅延段階、希薄な血清相がアイスクリーム構造を最大速度で流れる高速融解段階、および製品の大部分が滴り落ちる固定相3つのフェーズを強調表示できます2。

重量法では、ゆっくりと溶ける製品と速い溶融製品を認識できます。ただし、メルトダウン中のアイスクリームの側面も重要であり、形状保持は製品の良好な組成と構造に関連しています6。したがって、コンピュータビジョンシステム(CVS)に基づく手順は、溶融中の製品の外観の研究を可能にすることにより、既存の重力方法論をサポートできます。CVSは、人間の目では観察できない正確な詳細で、多数の食品属性3(サイズ、重量、形状、食感、色など)を取得できます。このようなシステムは、通常、デジタルカメラと画像処理ソフトウェア7で作られている。実際、CVSに基づくプロトコルには、1)画像取得と2)画像処理の2つの主要なステップが含まれています。人工知能開発のための深層学習法8,9のように、最も単純なものからより複雑なものまで、さまざまなレベルの画像処理を適用できる7。近年、食品分野ではCVSが注目されており、食品安全検査、食品加工監視、異物検出などの分野で多くのアプリケーションが開発されています。それらは速く、効率的で、非破壊的であるため、消費者に高品質の安全な食品を提供するための有効なツールを表しています10

アイスクリームの分野では、光学顕微鏡11により氷の再結晶を研究するための画像解析法が提案された。最近では、X線コンピュータ断層撮影画像が処理され、アイスクリーム3を含む軟多孔質物質の3D微細構造が分析されました。しかし、単純なデジタルCCD(Charge Coupled Device)画像の精緻化は、消費者が知覚するアイスクリームの側面の取得とレンダリングの容易さの点でいくつかの利点を提示することができます。一部の著者は、融解中のアイスクリームの画像を示しています12が、私たちの知る限り、画像からの数値インデックスの抽出は、MorianoとAlampreseによって初めて報告されました13

したがって、ここで提案されているプロトコルは、MorianoとAlamprese13の研究に基づいており、アイスクリームの融解挙動の研究のための既存の重力方法論をサポートするために適用できる単純なCVSを示しています。提案手法のブロック図を 図1に示します。このようなシステムを使用すると、形状保持と融解速度に関連する2つの融解指数の計算が可能になります。特に、この論文では、アイスクリームのメルトダウン中のデジタル画像取得の詳細な実験設定と手順、および画像処理手順について初めて説明しています。さらに、さまざまな甘味料(すなわち、スクロース、スクロマルト、エリスリトール)で製造されたアイスクリームから得られた結果は、この方法の可能性を示していると報告されています。

Figure 1
図1:提案された方法論のブロック図。 提案されたコンピュータービジョンシステムの一般的な手順と、アイスクリームの融解挙動を研究するための重量法の概要。 この図の拡大版を表示するには、ここをクリックしてください。

Protocol

1. 溶融試験の実験設定と手順 アイスクリームサンプル調製蓋付きの、容量と形状が固定された透明なカップを選択してください。幅約2 cmの長い縞模様のベーキングペーパーを2本切り、紙テープを使用してカップの内壁に固定し、底に十字形を形成します。へらを使って、カップにアイスクリームのサンプルを入れ始めます。注意: 始め?…

Representative Results

提案されたCVS出力の例として、3つの異なるアイスクリーム配合のメルトダウン分析の結果と、重量法から得られたデータを比較して示します。特に、異なる甘味料(すなわち、スクロース、スクロマルト、エリスリトール)で作られたアイスクリームの融解挙動が研究されました。 表1 および 図5A は、融解中の3?…

Discussion

提案されたCVSは、融解プロセスを視覚化するだけでなく、融解中のアイスクリームサンプルの形状と面積保持指数の計算を可能にします。これは、アイスクリーム5の融解挙動を評価するために適用される従来の重量法と組み合わせて、アイスクリームの側面に関連する結果を得ることができます。消費者は製品の視覚的な外観にも基づいてその品?…

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