Summary

Dondurma Erime Davranışının Değerlendirilmesi için Bir Bilgisayarlı Görü Sistemi

Published: October 04, 2024
doi:

Summary

Burada, çok fazlı gıda sistemlerinin erime davranışını belirlemek için bir bilgisayarlı görme sistemine (CVS) dayalı bir protokol sunuyoruz.

Abstract

Erime davranışı, dondurmanın en önemli kalite indekslerinden biridir. Genellikle gravimetrik yöntemlerle değerlendirilir ve erimeye başlama zamanı ve erime hızı cinsinden ifade edilir. Bununla birlikte, dondurmanın eritme sırasındaki yönü de önemlidir, çünkü şeklin korunması ürünün iyi bir yapısına bağlıdır. Burada önerilen protokol, şekil tutma ve erime hızı ile ilgili iki yeni erime indeksini hesaplamak için halihazırda mevcut olan yerçekimi metodolojisini desteklemek için kullanılabilecek bir bilgisayarlı görme sistemini (CVS) göstermektedir. Eritme sırasında dondurma resimleri her 15 dakikada bir toplam 90 dakika boyunca çekilir. Daha sonra, dondurma alanını, yüksekliğini ve genişliğini hesaplamak için özel olarak geliştirilmiş bir görüntü işleme yöntemi kullanılarak dijital görüntüler detaylandırılır. 0 zamanındaki orana (Rt/R0) atıfta bulunulan her erime zamanındaki yükseklik ve genişlik arasındaki oran, dondurmanın şekil tutmasının bir indeksidir, 0 zamanındaki alana atıfta bulunulan farklı erime sürelerindeki alan ise (At/A0) erime hızı ile ilgilidir. Bu bilgisayarlı görme sistemi, son derece hassas ve güvenilir sonuçların elde edilmesini sağlar ve sadece dondurmaya değil, aynı zamanda çırpılmış süt kreması veya yumurta albümini gibi farklı gıda matrislerine de uygulanabilir.

Introduction

Dondurma, sıvı, katı ve gaz fazlarının sıkı bir şekilde bağlı olduğu çok fazlı bir sistemdir. Sürekli sıvı faz hava kabarcıklarını ve buz kristallerini sarar ve kısmen kristalize yağlar, kolloidal proteinler, tuzlar, şekerler (sonunda kristalleşmiş) ve stabilizatörler içerir. Dondurma bileşimi, yerel pazar taleplerine ve olası düzenlemelere bağlı olarak değişir. İşleme teknolojisi nihai dondurmanın özelliklerini etkilese de, her bir bileşen ürün kalitesini tanımlamada önemli bir rol oynar1. Erime davranışı, hem tüketim sırasında hem de ağızda meydana gelen olaylar göz önüne alındığında, dondurmanın en önemli kalite indekslerinden biridir. Dondurmaya ısı nüfuz ettiğinde, buz kristalleri erir ve su yayılır ve kalan yapıdanakabilen serum fazı ile karışır 2. Hızlı eriyen bir ürün, rahat yemek için değil, aynı zamanda daha yüksek bir ısı şoku direncini garanti etmek için de istenmeyen bir durumdur. Bununla birlikte, yavaş eriyen ürünler de formülasyonda bazı kusurları gösterir1. Dondurma mikroyapısının erime özelliklerinden3 sorumlu olduğu bilinmektedir, ancak şimdiye kadar zıt sonuçlar yayınlanmıştır, bu da mikroyapısal faktörlerin erime üzerindeki etkisi hakkındaki bilgilerin hala sınırlı olduğunu göstermektedir4. Bu nedenle, yeni formülasyonların tasarımında da çok önemli olan erime mekanizmasını aydınlatmak için daha fazla çalışmaya ihtiyaç vardır3.

Erime davranışı genellikle gravimetrik yöntemlerle değerlendirilir ve erime başlama zamanı ve erime hızı cinsinden ifade edilir5. Dondurmanın belirli bir kısmı, kontrollü bir sıcaklık kabininde bir tel örgü üzerine yerleştirilir ve erimiş ürünün ağırlığı kaydedilir. Ağırlık-zaman eğrisinden üç faz vurgulanabilir: ısı penetrasyonunun meydana geldiği gecikme fazı, dondurma yapısından maksimum oranda akan seyreltik serum fazı ile hızlı erime fazı ve ürünün çoğunun damladığı sabit faz2.

Gravimetrik yöntemle yavaş ve hızlı eriyen ürünler tanınabilir; Bununla birlikte, dondurmanın erime sırasındaki yönü de önemlidir, çünkü şeklin korunması, ürünün iyi bir bileşimi ve yapısı ile bağlantılıdır6. Bu nedenle, bir bilgisayarlı görme sistemine (CVS) dayalı bir prosedür, erime sırasında ürünün görünümünün incelenmesine izin vererek halihazırda mevcut olan yerçekimi metodolojisini destekleyebilir. CVS’ler, insan gözünün gözlemleyemeyeceği doğru ayrıntılarla çok sayıda gıda özelliği3 (örneğin, boyut, ağırlık, şekil, doku ve renk) elde edebilir. Bu tür sistemler genellikle dijital kameralardan ve görüntü işleme yazılımlarından yapılır7. Gerçekten de, CVS’lere dayalı bir protokol iki ana adım içerir: 1) görüntü elde etme ve 2) görüntü işleme. Yapay Zeka geliştirme için derin öğrenme yöntemlerigibi en basitinden en karmaşığına kadar çeşitli seviyelerde görüntü işleme 7 uygulanabilir 8,9. Son zamanlarda gıda sektöründe CVS’lere büyük önem verilmiş ve gıda güvenliği denetimi, gıda işleme izleme, yabancı madde tespiti ve diğer alanlar için çok sayıda uygulama geliştirilmiştir. Hızlı, verimli ve tahribatsızdırlar, bu nedenle tüketicilere yüksek kalitede güvenli gıdalar sağlamak için geçerli araçları temsil ederler10.

Dondurma alanında, optik mikroskopi11 ile buzun yeniden kristalleşmesini incelemek için bir görüntü analiz yöntemi önerilmiştir. Daha yakın zamanlarda, X-ışını bilgisayarlı tomografi görüntüleri, dondurma3 de dahil olmak üzere yumuşak gözenekli maddelerin 3D mikro yapısını analiz etmek için işlendi. Bununla birlikte, basit dijital Şarj Bağlantılı Cihaz (CCD) görüntülerinin detaylandırılması, dondurma yönünün tüketiciler tarafından algılandığı şekliyle elde edilmesi ve işlenmesi açısından çeşitli avantajlar sunabilir. Bazı yazarlar dondurmanın eritilmesi sırasındaki görüntülerini göstermektedir12, ancak bildiğimiz kadarıyla, görüntülerden sayısal indekslerin çıkarılması ilk kez Moriano ve Alamprese13 tarafından rapor edilmiştir.

Bu nedenle, Moriano ve Alamprese13’ün çalışmasına dayanan burada önerilen protokol, dondurma erime davranışının incelenmesi için halihazırda var olan yerçekimi metodolojisini desteklemek için uygulanabilecek basit bir CVS’yi göstermektedir. Önerilen yöntemin bir blok diyagramı Şekil 1’de gösterilmiştir. Böyle bir sistemin kullanılması, şekil tutma ve erime hızı ile ilgili iki erime indeksinin hesaplanmasına izin verir. Özellikle, makale ilk kez dondurmanın eritilmesi sırasında dijital görüntü elde etmek için ayrıntılı deney kurulumunu ve prosedürünü ve görüntü işleme adımlarını açıklamaktadır. Ayrıca, farklı tatlandırıcılarla (sakaroz, sukromalt ve eritritol gibi) üretilen dondurmalardan elde edilen sonuçların, yöntemin potansiyelini gösterdiği bildirilmektedir.

Figure 1
Şekil 1: Önerilen metodolojilerin blok diyagramı. Önerilen Bilgisayarlı Görü Sistemi için genel adımların özeti ve dondurma erime davranışını incelemek için gravimetrik yöntem. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Protocol

1. Ergitme denemeleri için deney düzeneği ve prosedürleri Dondurma numunesi hazırlamaKapaklı, sabit hacimli ve şekilli şeffaf bardakları seçin. Yaklaşık 2 cm genişliğinde iki uzun pişirme kağıdı şeridi kesin ve kağıt bant yardımıyla, altta bir haç oluşturacak şekilde bardağın iç duvarlarına sabitleyin. Bir spatula kullanarak bardağı dondurma örneğiyle doldurmaya başlayın.NOT: Başlamadan önce, dondurmanın fincan…

Representative Results

Önerilen CVS çıktılarına bir örnek olarak, gravimetrik yöntemden elde edilen verilerle karşılaştırıldığında, üç farklı dondurma formülasyonu için eriyik analizlerinin sonuçları gösterilmektedir. Özellikle, farklı tatlandırıcılarla (yani sakaroz, sükromalt ve eritritol) yapılan dondurmaların erime davranışı incelenmiştir. Tablo 1 ve Şekil 5A , eritme sırasında üç dondurma num…

Discussion

Önerilen CVS, eritme sürecini görselleştirmenin yanı sıra, eritme sırasında dondurma numunelerinin şekil ve alan tutma indekslerinin hesaplanmasına izin verir. Dondurmanın yönü ile ilgili sonuçlar elde etmek için dondurmanın5 erime davranışını değerlendirmek için uygulanan geleneksel gravimetrik yöntemle birleştirilebilir. Bu çok önemlidir, çünkü tüketiciler kalitesini ürünün görsel görünümüne göre de değerlendirir ve erime …

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