Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
En este trabajo se presenta un protocolo basado en un sistema de visión artificial (CVS) para determinar el comportamiento de fusión de sistemas alimentarios multifásicos.
El comportamiento de fusión es uno de los índices de calidad más importantes del helado. Por lo general, se evalúa mediante métodos gravimétricos y se expresa en términos de tiempo de inicio y tasa de fusión. Sin embargo, el aspecto del helado durante la fusión también es importante porque la retención de la forma está relacionada con una buena estructura del producto. El protocolo propuesto aquí ilustra un sistema de visión por computadora (CVS) que se puede utilizar para respaldar la metodología gravitacional ya existente para calcular dos nuevos índices de fusión relacionados con la retención de la forma y la tasa de fusión. Las imágenes del helado durante el derretimiento se toman cada 15 minutos durante un total de 90 minutos. A continuación, las imágenes digitales se elaboran utilizando un método de procesamiento de imágenes desarrollado a propósito para calcular el área, la altura y la anchura del helado. La relación entre la altura y la anchura en cada momento de fusión, referida a la relación en el tiempo 0 (Rt/R0), es un índice de la retención de la forma del helado, mientras que el área en los diferentes tiempos de fusión referida al área en el tiempo 0 (At/A0) está relacionada con la velocidad de fusión. Este sistema de visión artificial permite la obtención de resultados altamente sensibles y fiables, y se puede aplicar no solo a helados sino también a diferentes matrices de alimentos, como la crema de leche batida o la albúmina de huevo.
El helado es un sistema multifásico en el que las fases líquida, sólida y gaseosa están estrictamente conectadas. La fase líquida continua envuelve burbujas de aire y cristales de hielo, y contiene grasas parcialmente cristalizadas, proteínas coloidales, sales, azúcares (eventualmente cristalizados) y estabilizadores. La composición del helado varía en función de las solicitudes del mercado local y de las posibles normativas. Aunque la tecnología de procesamiento afecta las características del helado final, cada componente juega un papel importante en la definición de la calidad del producto1. El comportamiento de fusión es uno de los índices de calidad más importantes del helado, considerando los fenómenos que ocurren tanto durante el consumo como en la boca. Con la penetración del calor en el helado, los cristales de hielo se derriten y el agua se difunde y se mezcla con la fase sérica, que puede drenar a través de la estructura restante2. Un producto de fusión rápida no es deseable para comer cómodamente, pero también para garantizar una mayor resistencia al choque térmico. Sin embargo, los productos de fusión lenta también indican algunos defectos en la formulación1. Se sabe que la microestructura del helado es responsable de las propiedades de fusión3, pero hasta ahora se han publicado resultados contrastantes, que muestran que el conocimiento sobre la influencia de los factores microestructurales en la fusión es aún limitado4. Por lo tanto, se necesitan más estudios para dilucidar el mecanismo de fusión, que también es crucial en el diseño de nuevas formulaciones3.
El comportamiento de fusión generalmente se evalúa por métodos gravimétricos y se expresa en términos de tiempo de inicio y tasa de fusión5. Una porción determinada de helado se coloca sobre una malla de alambre en un gabinete de temperatura controlada y se registra el peso del producto derretido. De la curva peso-tiempo, se pueden destacar tres fases: la fase de retraso durante la cual se produce la penetración del calor, la fase de fusión rápida con la fase de suero diluido que fluye a través de la estructura del helado a la velocidad máxima, y la fase estacionaria, donde la mayor parte del producto ha goteado2.
Con el método gravimétrico, se pueden reconocer productos de fusión lenta y rápida; Sin embargo, el aspecto del helado durante el derretimiento también es importante, porque la retención de la forma está relacionada con una buena composición y estructura del producto6. Así, un procedimiento basado en un sistema de visión artificial (CVS) puede apoyar la metodología gravitacional ya existente al permitir el estudio de la apariencia del producto durante la fusión. Los CVS pueden adquirir numerosos atributos alimenticios3 (por ejemplo, tamaño, peso, forma, textura y color) con detalles precisos que no pueden ser observados por el ojo humano. Estos sistemas suelen estar formados por cámaras digitales y programas informáticos de procesamiento de imágenes7. De hecho, un protocolo basado en CVS incluye dos pasos principales: 1) adquisición de imágenes y 2) procesamiento de imágenes. Se pueden aplicar varios niveles de procesamiento de imágenes7, desde los más simples hasta los más complejos, como los métodos de aprendizaje profundo para el desarrollo de Inteligencia Artificial 8,9. Recientemente se ha prestado gran atención a los CVS en el sector alimentario y se ha desarrollado un gran número de aplicaciones para la inspección de seguridad alimentaria, el control del procesamiento de alimentos, la detección de objetos extraños y otros campos. Son rápidos, eficientes y no destructivos, por lo que representan herramientas válidas para proporcionar a los consumidores alimentos inocuos y de alta calidad10.
En el campo del helado, se sugirió un método de análisis de imágenes para estudiar la recristalización del hielo mediante microscopía óptica11. Más recientemente, se procesaron imágenes de tomografía computarizada de rayos X para analizar la microestructura 3D de materias blandas-porosas, incluido el helado3. Sin embargo, la elaboración de imágenes digitales simples de dispositivos de carga acoplada (CCD) puede presentar varias ventajas en términos de facilidad de adquisición y representación del aspecto del helado tal como lo perciben los consumidores. Algunos autores muestran imágenes de helado durante la fusión12, pero, hasta donde sabemos, la extracción de índices numéricos de las imágenes fue reportada por primera vez por Moriano y Alamprese13.
Por lo tanto, el protocolo aquí propuesto, basado en el trabajo de Moriano y Alamprese13, ilustra un CVS simple que se puede aplicar para apoyar la metodología gravitacional ya existente para el estudio del comportamiento de fusión del helado. En la Figura 1 se ilustra un diagrama de bloques del método propuesto. El uso de este sistema permite el cálculo de dos índices de fusión relacionados con la retención de la forma y la tasa de fusión. En particular, el artículo describe por primera vez la configuración experimental detallada y el procedimiento para la adquisición de imágenes digitales durante el derretimiento del helado y los pasos de procesamiento de imágenes. Además, se informa que los resultados obtenidos de los helados producidos con diferentes edulcorantes (es decir, sacarosa, sucrotmalt y eritritol) muestran el potencial del método.
Figura 1: Diagrama de bloques de las metodologías propuestas. Resumen de los pasos generales para el Sistema de Visión por Computador propuesto y el método gravimétrico para estudiar el comportamiento de fusión del helado. Haga clic aquí para ver una versión más grande de esta figura.
1. Configuración experimental y procedimientos para los ensayos de fusión
Figura 2: Configuración de la prueba de fusión. La figura muestra cómo configurar la prueba de fusión en el gabinete termostático: coloque un cilindro de vidrio graduado en una báscula digital para recoger y pesar el helado derretido. La muestra de helado se coloca en una pantalla de malla de alambre metálico en un embudo suspendido sobre el cilindro. Haga clic aquí para ver una versión más grande de esta figura.
2. Procesamiento de imágenes para el cálculo de índices de fusión
Figura complementaria 1: Calibración espacial de la imagen. (A) Vaya a la ventana Medir > Calibración > Espacial del software de análisis de imágenes. Seleccione Nuevo y, a continuación, marque Imagen para abrir la ventana Escalado . Se indica la longitud de referencia en la unidad para convertir píxeles (por ejemplo, milímetros). (B) Superponga con cuidado la barra verde con la parte de referencia correspondiente a la longitud indicada y haga clic en Aceptar. Haga clic aquí para descargar este archivo.
Figura complementaria 2: Recorte de AOI y conversión en una escala de grises. (A) Conversión del área de interés (AOI) en escala de grises y (B) la imagen resultante. Haga clic aquí para descargar este archivo.
Figura complementaria 3: Selección de los parámetros a medir. En la ventana Seleccionar medición , se pueden seleccionar los parámetros a medir; Para la evaluación de Ice Cream Meltdown, se debe seleccionar el área, el ancho de la caja y la altura de la caja. Haga clic aquí para descargar este archivo.
Figura complementaria 4: Segmentación de la muestra de helado. En la ventana "Segmentación" es posible seleccionar los rangos de histograma a considerar para cubrir exactamente el área de la forma del helado. Haga clic aquí para descargar este archivo.
Figura complementaria 5: Filtrado de objetos y la función Count. Las líneas rojas resaltan los objetos brillantes reconocidos. Al aplicar la función de recuento y abrir la ventana "Ver, Datos de medición", se mostrarán los resultados de los parámetros seleccionados (A). Para filtrar solo la forma del helado, es posible seleccionar un rango de área mínima y máxima en la ventana "Seleccionar medición", contando así solo los parámetros de un objeto (B). Haga clic aquí para descargar este archivo.
Figura suplementaria 6: Índice de retención de forma (R). Se muestran la altura de la caja (Ht, línea punteada roja) y el ancho de la caja (Wt, línea continua negra) utilizados para el cálculo del índice de retención de forma (R). Haga clic aquí para descargar este archivo.
Figura 3: Curvas de retención de forma y área. Ejemplo de una curva de retención de forma (A) y (B) área, en la que se trazan los valores medios de Rt/R0 y At/A0 a lo largo del tiempo; Las barras de error corresponden a los valores de desviación estándar obtenidos por las réplicas de análisis. Haga clic aquí para ver una versión más grande de esta figura.
3. Elaboración de datos gravimétricos
Figura 4: Curva gravimétrica. Ejemplo de una curva de fusión de un helado obtenida por el método gravimétrico. La curva original se muestra en rojo; Las series de datos seleccionadas en la parte lineal se muestran en verde; La línea de regresión calculada se muestra en puntos negros. También se muestra la ecuación y el coeficiente de determinación (R2) de la línea de regresión. Haga clic aquí para ver una versión más grande de esta figura.
NOTA: Para tener resultados confiables que se analizarán estadísticamente, repita todo el procedimiento de prueba de fusión y procesamiento de imágenes al menos tres veces para cada muestra.
Como ejemplo de los resultados propuestos de CVS, se muestran los resultados de los análisis de fusión para tres formulaciones diferentes de helado, en comparación con los datos obtenidos del método gravimétrico. En particular, se estudió el comportamiento de fusión de helados elaborados con diferentes edulcorantes (es decir, sacarosa, sucrosal y eritritol).
La Tabla 1 y la Figura 5A muestran los resultados...
El CVS propuesto permite calcular los índices de retención de forma y área de las muestras de helado durante la fusión, además de visualizar el proceso de fusión. Se puede acoplar con el método gravimétrico tradicional aplicado para evaluar el comportamiento de fusión del helado5, para obtener resultados relacionados con el aspecto del helado. Esto es muy importante porque los consumidores evalúan su calidad también en función de la apariencia visual d...
Los autores no tienen nada que revelar.
Name | Company | Catalog Number | Comments |
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 |
Solicitar permiso para reutilizar el texto o las figuras de este JoVE artículos
Solicitar permisoThis article has been published
Video Coming Soon
ACERCA DE JoVE
Copyright © 2025 MyJoVE Corporation. Todos los derechos reservados