サインイン

このコンテンツを視聴するには、JoVE 購読が必要です。 サインイン又は無料トライアルを申し込む。

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 資料
  • 参考文献
  • 転載および許可

要約

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。

要約

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。

概要

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-introduction-2633
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。

プロトコル

1. 溶融試験の実験設定と手順

  1. アイスクリームサンプル調製
    1. 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: 始める前に、アイスクリームがカップ内に広がることができるように、アイスクリームの温度が-7°Cから-12°Cの範囲にあることを確認してください。カップの透明度を定期的にチェックすることにより、カップの充填中に空きスペースを作らないように注意してください。
    2. カップがいっぱいになったら、余分なアイスクリームをヘラでそっと引き離し、滑らかで平らな表面を作ります。カップを蓋で閉じ、サンプルを-30°Cで少なくとも24時間保存します。
    3. 分析の前に、サンプルを-16°Cで24時間コンディショニングします。
  2. 溶融試験のセットアップと画像取得
    1. サーモスタットキャビネットを20°C±1°Cにセットします。 キャビネットにデジタルスケールを挿入し、時間の関数として重量を登録するためのソフトウェアを備えたコンピューターに接続します。
    2. メスシリンダーをデジタルスケールに置き、ウェイトをリセットします。シリンダーの上に、溶けたアイスクリームを集めるのを助けるために吊り下げられた漏斗を置きます。溶融試験のセットアップを 図2に示します。
      注意: 漏斗は、デジタルスケールのフルスケールを超えないように、シリンダーの上に吊り下げる必要があります。分析開始時のサンプル位置決め時の漏斗の不安定性を避けるために、ファンネルはシリンダーの上のキャビネットシェルフに固定する必要があります。
    3. キャビネットのドアの前に三脚付きのカメラを定義された高さと距離に設置して、サンプルの信頼性の高いフレーミングを実現します。
      注意: カメラがアイスクリームとしっかりと位置合わせされていることを確認してくださいamp画像を処理する際の視差エラーを避けるために。
  3. 融解試験
    1. サイズリファレンスを備えた金属製のワイヤーメッシュスクリーンを準備します。冷凍庫からアイスクリームカップを取り出し、蓋を取り外し、アイスクリームとカップの壁の間にヘラをそっと置き始めて、サンプルを容器から取り外します。
      注:アイスクリームカップは、データ登録前のメルトダウンを避けるために、前の手順(手順1.2.3まで)が完了したときにのみ冷凍庫から取り出す必要があります。
    2. アイスクリームのサンプルをカップの壁から取り外すときは、ベーキングペーパーをアイスクリームの表面に貼り付けたままにします。
    3. アイスクリームサンプル全体がカップの壁から外れたら、ベーキングペーパーの端をそっと引っ張ってアイスクリームを抽出し、ベーキングペーパーのストライプと一緒に金属製のワイヤーメッシュスクリーンに置きます。次に、アイスクリームの表面からベーキングペーパーのストライプを慎重に取り除きます。
      注意: 手順1.3.1-1.3.3を実行するときは、アイスクリームの形状を変更しないように注意してください。
    4. アイスクリームのサンプルが入った金属製の金網スクリーンをキャビネットの漏斗に置きます。三脚のデジタルカメラを使用して、キャビネットのドアを開けた状態でアイスクリームサンプルの最初の写真(t0)を撮り、サイズ基準も撮影するように注意します。キャビネットのドアを閉め、はかりに接続されたソフトウェアで毎分重量データの記録を開始します。
      注:画像内の影を避けるためにフラッシュを使用せず、アイスクリームのセグメンテーションを改善するために非常に対照的な背景を使用してください。取得した画像のピントを確認してください。画像のピントが合っていない場合は、すぐに新しい画像を撮影してください。
    5. 重量測定データを 90 分間記録し (1 分に 1 回登録)、15 分ごとにアイスクリームのサンプルを撮影します (ステップ 1.3.4 を参照) (合計 7 枚の写真)。

figure-protocol-2078
図2:融解試験のセットアップ。 この図は、サーモスタットキャビネットで融解試験を設定する方法を示しています:デジタルスケールにメスガラスシリンダーを置き、溶けたアイスクリームを収集して計量します。アイスクリームのサンプルは、シリンダーの上に吊り下げられた漏斗の金属製の金網スクリーンに置かれます。 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。

2. メルティングインデックス計算のための画像処理

  1. 画像処理
    1. カメラのメモリーカードからデジタル画像をダウンロードし、圧縮せずに.tiffまたは.jpgファイルとして保存します。
    2. 画像解析ソフトウェアの [ファイル]コマンド>[開く ]コマンドを使用して、アイスクリーム画像を開きます。最初の画像(t0)の処理を開始し、必要に応じて回転を修正します(コマンド: 編集>回転)。
    3. 各画像で取得したサイズ参照(手順1.3.1.および1.3.4を参照)を使用して、画像を空間的にキャリブレーションし(コマンド: Measure > Calibration > Spatial > Image)、ピクセルをミリメートル単位で変換します(補足図1)。
    4. アイスクリームのサンプルを含む長方形の関心領域(AOI)を選択し、金属ワイヤーメッシュスクリーンの端を避けます(コマンド: 新しいAOIの編集>長方形>)。AOIをトリミングし、 Edit > Covertから> Grey Scale 8 (補足図2)コマンドを使用して、グレースケール(色深度、8)に変換します。
    5. 明るさとコントラストを自動的に調整する 「ベストフィット 」フィルタを適用します(コマンド: 「強化」>「イコライズ」>「ベストフィット」)。
    6. ソフトウェアの [Measure (測定)] > [Count / Size (カウント/サイズ)] ウィンドウに移動し、[Measure (測定)] ウィンドウを開いて、Area (面積)、Box Height (ボックスの高さ)、および [Box Width (ボックスの幅)] のパラメーターを選択します。次に、[OK]をクリックしてこのウィンドウを閉じます(補足図3)。
    7. 手動測定を選択し([カウント/サイズ]ウィンドウで[手動]フラグ)、[範囲の選択]をクリックしてヒストグラム値を設定し、アイスクリームの明るい形状を正確にセグメント化します。[セグメンテーション] ウィンドウを閉じます (補足図 4)。
    8. ソフトウェアの[カウント/サイズ]ウィンドウで[カウント]をクリックして、手順2.1.6で選択した3つのパラメータを測定します。アイスクリームサンプル以外の明るい物体がカウントされる場合は、面積のしきい値を使用して物体をフィルタリングします(コマンド:測定>面積>測定値の選択、開始範囲と終了範囲の調整)。測定結果を表示するには、「View > Measurement Data」をクリックします(補足図5)。「File > Data to Clipboard」を使用して、測定結果をコピーし、データ管理ソフトウェアのスプレッドシートに貼り付けます。
    9. アイスクリームのメルトダウン中に収集された画像ごとに、2.1.2 から 2.1.8 の手順を繰り返します。
  2. メルティングインデックスの評価
    注:今後、アイスクリームの画像から測定されたサイズパラメータは次のように示されます:A、面積;H、ボックスの高さ;W、ボックス幅(補足図6)。
    1. 前のステップ 2.1 で計算した H データと W データを使用して、溶融中の異なる時間 t (0 分、15 分、30 分、45 分、75 分、90 分) で計算し、式 1 に従って形状保持指数 (Rt) を計算します。
      figure-protocol-4527(1)
    2. 式2および式3に従って、各時間で計算されたRおよびAデータを時間0における対応する指標(R0 およびA0)に参照し、 図3A、Bに示すように、得られた結果を時間の関数としてプロットする。時間の関数としての ATの傾向は、アイスクリームの融解速度に関連しています。
      figure-protocol-4845(2)
      figure-protocol-4940(3)

補足図1:画像の空間キャリブレーション。 (A)画像解析ソフトウェアの[測定]>[キャリブレーション]>[Spatial ]ウィンドウに移動します。 [新規] を選択し、 次に [イメージ ] にフラグを立てて [ スケーリング ] ウィンドウを開きます。ピクセルを変換する単位での参照長さ(ミリメートルなど)が示されています。(B)緑色のバーを指定された長さに対応する参照部分と慎重に重ね、[OK]をクリックします。 このファイルをダウンロードするには、ここをクリックしてください。

補足図2:AOIのトリミングとグレースケールへの変換。 (A)関心領域(AOI)のグレースケールへの変換と(B)結果の画像への変換。 このファイルをダウンロードするには、ここをクリックしてください。

補足図3:測定するパラメータの選択。Select Measurementウィンドウでは、測定するパラメータを選択できます。アイスクリームのメルトダウン評価では、面積、ボックスの幅、およびボックスの高さを選択する必要があります。このファイルをダウンロードするには、ここをクリックしてください。

補足図4:アイスクリームサンプルのセグメンテーション。 セグメンテーション」ウィンドウでは、アイスクリーム形状の領域を正確にカバーすると見なされるヒストグラム範囲を選択できます。 このファイルをダウンロードするには、ここをクリックしてください。

補足図 5: オブジェクトのフィルタリングと Count 関数。 赤い線は、認識された明るいオブジェクトを強調しています。カウント機能を適用し、「View, Measurement data」ウィンドウを開くと、選択したパラメータの結果が表示されます(A)。アイスクリームの形状のみをフィルタリングするには、[測定の選択]ウィンドウで最小領域範囲と最大領域範囲を選択して、1つのオブジェクト(B)のパラメータのみをカウントすることができます。 このファイルをダウンロードするには、ここをクリックしてください。

補足図6:形状保持指数(R)。 形状保持指数(R)の計算に用いたボックスの高さ(Ht、赤の点線)とボックスの幅(Wt、黒の実線)を示しています。 このファイルをダウンロードするには、ここをクリックしてください。

figure-protocol-7182
図3:形状と面積の保持曲線。 アイスクリームの (A) 形状と (B) 面積保持曲線の例で、Rt/R0 と At/A0 の平均値が経時的にプロットされます。エラーバーは、分析の反復によって取得された標準偏差値に対応します。 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。

3. 重量データの精緻化

  1. 融解試験の終了時(90分)に、デジタルスケールに接続されたソフトウェアによって得られた分析の各分あたりの融解サンプルの重量(グラム)をスプレッドシートに保存します。
  2. データ管理ソフトウェアで重量スプレッドシートを開き、溶融重量(グラム)を時間(分)の関数としてプロットを作成し、アイスクリームサンプルの融解曲線を取得します。
  3. 融解曲線の線形部分のデータを選択し、最小二乗回帰線を計算して、式4と回帰係数(R2)を登録します。
    figure-protocol-7943(4)
  4. 回帰直線(m)の傾き値は、アイスクリームの融解速度(グラム/分)です。融解の開始時間 (ts; 分) を x 切片 ( y = 0 の場合) として次のように計算します。
    figure-protocol-8172(5)

figure-protocol-8341
図4:重量曲線。 重量法で得られたアイスクリームの融解曲線の例。元の曲線は赤で示されています。線形部分で選択した一連のデータは緑色で表示されます。計算された回帰直線は、黒い点で示されています。回帰直線の方程式と決定係数(R2)も示されています。 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。

注:統計的に分析される信頼性の高い結果を得るには、各サンプルに対して少なくとも3回、融解試験と画像処理の全手順を再現します。

結果

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?...

ディスカッション

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?...

開示事項

著者は何も開示していません。

資料

NameCompanyCatalog NumberComments
CabinetCavallo s.r.l.FTX700Location for the melting test
Digital cameraSony Group CorpDSC-S650
Digital scaleGibertini ElettronicaEU-C 4002 LCD
ImagePro Plus 7.0Media Cybernetics, IncN/AImage analysis elaboration software
Microsoft ExcelMicrosoftN/AData and graphical elaboration
ScalecomGibertini ElettronicaN/ADigital scale software acquisition
TripodManfratto#055

参考文献

  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).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

研究

教育

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved