Name: Ein Computer-Vision-System zur Beurteilung des Schmelzverhaltens von Speiseeis (Video) | JoVE Journal
Uploaded: 2024-10-04T12:40:00.000+00:00
Duration: 8 min 2 s
Description: Erfahren Sie, wie ein Computer-Vision-System das Schmelzverhalten von Speiseeis analysiert. Diese Methode erfasst visuelle Veränderungen und Formbeständigkeit präziser als gravimetrische Ansätze.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

1. Versuchsaufbau und Verfahren für Schmelzversuche
<ol><li>Vorbereitung von Eisproben<ol><li>Wählen Sie transparente Becher mit festem Volumen und fester Form und Deckel. Schneide zwei lange Streifen Backpapier von ca. 2 cm Breite ab und befestige sie mit Hilfe von Papierklebeband an den Innenwänden der Förmchen, sodass sie am Boden ein Kreuz bilden. Beginnen Sie, den Becher mit einem Spatel mit der Eisprobe zu füllen. HINWEIS: Bevor Sie beginnen, stellen Sie sicher, dass das Eis eine Temperatur im Bereich von -7 °C bis -12 °C hat, damit es im Becher verteilt werden kann. Achten Sie darauf, dass bei der Becherbefüllung keine Leerräume entstehen, indem Sie regelmäßig durch die Bechertransparenz kontrollieren.</li>
		<li>Wenn der Becher voll ist, ziehen Sie den Überschuss an Eis vorsichtig mit dem Spatel ab, so dass eine glatte und ebene Oberfläche entsteht. Verschließen Sie den Becher mit dem Deckel und lagern Sie die Probe mindestens 24 h lang bei -30 °C.</li>
		<li>Vor der Analyse wird die Probe 24 Stunden lang bei -16 °C konditioniert.</li>
	</ol></li>
	<li>Aufbau des Schmelzversuchs und der Bildaufnahme<ol><li>Stellen Sie einen Thermostatschrank auf 20 ± 1 °C ein. Setzen Sie eine digitale Waage in den Schrank ein und schließen Sie sie an einen Computer mit einer Software zur Erfassung des Gewichts in Abhängigkeit von der Zeit an.</li>
		<li>Stellen Sie einen Messzylinder auf die Digitalwaage und setzen Sie das Gewicht zurück. Platziere einen hängenden Trichter über dem Zylinder, um das geschmolzene Eis aufzufangen. Der Aufbau des Schmelzversuchs ist in Abbildung 2 dargestellt. HINWEIS: Der Trichter sollte über dem Zylinder aufgehängt werden, um eine Überschreitung des Skalenvollwerts der Digitalwaage zu vermeiden. Um eine Instabilität des Trichters während der Probenpositionierung zu Beginn der Analyse zu vermeiden, sollte er über dem Zylinder an der Schrankablage befestigt werden.</li>
		<li>Platzieren Sie eine Kamera mit einem Stativ in einer definierten Höhe und Entfernung vor der Schranktür, um die beste zuverlässige Bildausschnitt der Probe zu erhalten. HINWEIS: Stellen Sie sicher, dass die Kamera gut auf die Eisprobe ausgerichtet ist, um Parallaxenfehler bei der Verarbeitung des Bildes zu vermeiden.</li>
	</ol></li>
	<li>Schmelzversuch<ol><li>Bereiten Sie ein Metallgitter vor, das mit einer Größenreferenz versehen ist. Nehmen Sie den Eisbecher aus dem Gefrierschrank, nehmen Sie den Deckel ab und beginnen Sie vorsichtig, einen Spatel zwischen das Eis und die Becherwände zu stecken, um die Probe vom Behälter zu lösen. HINWEIS: Der Eisbecher darf erst dann aus dem Gefrierschrank genommen werden, wenn die vorherigen Schritte (bis Schritt 1.2.3) abgeschlossen sind, um ein Einschmelzen vor der Datenregistrierung zu vermeiden.</li>
		<li>Während du die Eisprobe von den Becherwänden löst, lass das Backpapier auf der Oberfläche des Eises kleben.</li>
		<li>Wenn sich die ganze Eisprobe von den Becherwänden gelöst hat, ziehen Sie vorsichtig an den Enden des Backpapiers, um das Eis herauszunehmen, und legen Sie es zusammen mit den Backpapierstreifen auf das Metallgittersieb. Dann die Backpapierstreifen vorsichtig von der Eisoberfläche entfernen. HINWEIS: Achten Sie darauf, die Eisform nicht zu verändern, wenn Sie die Schritte 1.3.1-1.3.3 ausführen.</li>
		<li>Platzieren Sie das Metallgittersieb mit der Eisprobe auf dem Trichter im Schrank. Nehmen Sie mit der Digitalkamera auf dem Stativ das erste Bild (t0) der Eisprobe bei geöffneter Schranktür auf und achten Sie darauf, auch die Größenreferenz aufzunehmen. Schließen Sie die Schranktür und beginnen Sie mit der minütlichen Aufzeichnung der gravimetrischen Daten mit der an die Waage angeschlossenen Software. HINWEIS: Verwenden Sie keinen Blitz, um Schatten im Bild zu vermeiden, und verwenden Sie einen sehr kontrastreichen Hintergrund, um die Segmentierung von Eiscreme zu verbessern. Überprüfen Sie den Fokus des aufgenommenen Bildes. Wenn das Bild unscharf ist, nehmen Sie sofort ein neues Bild auf.</li>
		<li>Zeichnen Sie die gravimetrischen Daten 90 Minuten lang auf (eine Registrierung pro Minute) und machen Sie alle 15 Minuten ein Foto der Eisprobe (siehe Schritt 1.3.4) (für insgesamt 7 Bilder).</li>
	</ol></li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66114/66114fig02.jpg"> Abbildung 2: Aufbau des Schmelzversuchs. Die Abbildung zeigt, wie der Schmelzversuch im Thermostatschrank eingerichtet wird: Stellen Sie einen Messglaszylinder auf eine Digitalwaage, um das geschmolzene Eis zu sammeln und zu wiegen. Die Eisprobe wird auf ein Metallgittersieb auf einen Trichter gelegt, der über dem Zylinder hängt. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig02large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
2. Bildverarbeitung zur Berechnung der Schmelzindizes
<ol><li>Bildverarbeitung<ol><li>Laden Sie die digitalen Bilder von der Speicherkarte der Kamera herunter und speichern Sie sie als .tiff oder .jpg Dateien ohne Komprimierung.</li>
		<li>Verwenden Sie die Befehle Datei &gt; Öffnen der Bildanalysesoftware, um die Eisbilder zu öffnen. Beginnen Sie mit der Verarbeitung des ersten Bildes (t0) und korrigieren Sie bei Bedarf die Drehung (Befehle: Bearbeiten &gt; Drehen).</li>
		<li>Verwenden Sie die in jedem Bild erfasste Größenreferenz (siehe Schritte 1.3.1 und 1.3.4.), um das Bild räumlich zu kalibrieren (Befehle: Messen &gt; Kalibrierung &gt; Räumliches &gt; Bild) und konvertieren Sie Pixel in Millimeter (Ergänzende Abbildung 1).</li>
		<li>Wählen Sie den rechteckigen Interessenbereich (AOI) aus, einschließlich der Eisprobe und vermeiden Sie den Rand des Metalldrahtgitters (Befehle: Bearbeiten &gt; Neuer AOI &gt; Rechteckig). Schneiden Sie den AOI zu und wandeln Sie ihn in eine Graustufe (Farbtiefe, 8) um, indem Sie die Befehle Edit &gt; Covert to &gt; Grey Scale 8 verwenden (Ergänzende Abbildung 2).</li>
		<li>Wenden Sie den Filter "Optimale Anpassung " an, der Helligkeit und Kontrast automatisch anpasst (Befehle: Verbessern &gt; Angleichen &gt; Optimale Anpassung).</li>
		<li>Gehen Sie zum Fenster Messen &gt; Anzahl/Größe der Software und öffnen Sie das Fenster Messen , um die folgenden Parameter auszuwählen: Fläche, Quaderhöhe und Quaderbreite. Klicken Sie dann auf OK , um dieses Fenster zu schließen (Ergänzende Abbildung 3).</li>
		<li>Wählen Sie die manuelle Messung aus (Flag Manuell im Fenster Anzahl/Größe ) und klicken Sie auf Bereiche auswählen , um die Histogrammwerte so einzustellen, dass die helle Form des Eises genau segmentiert wird. Schließen Sie das Fenster Segmentierung (Ergänzende Abbildung 4).</li>
		<li>Klicken Sie auf Count im Fenster Count/Size der Software, um die drei in Schritt 2.1.6 ausgewählten Parameter zu messen. Wenn andere helle Objekte als die Eisprobe gezählt werden, verwenden Sie einen Bereichsschwellenwert, um die Objekte zu filtern (Befehle: Messen &gt; Messungen &gt; Bereich auswählen; Start- und Endbereich anpassen). Zeigen Sie die Messergebnisse an, indem Sie auf &gt; Messdaten anzeigen klicken (Ergänzende Abbildung 5). Verwenden Sie Datei &gt; Daten in Zwischenablage , um die Messergebnisse zu kopieren und in eine Tabelle der Datenverwaltungssoftware einzufügen.</li>
		<li>Wiederholen Sie die Schritte von 2.1.2 bis 2.1.8 für jedes Bild, das während der Eisschmelze aufgenommen wurde.</li>
	</ol></li>
	<li>Auswertung von Schmelzindizes HINWEIS: Von nun an werden die Größenparameter, die aus den Eiscreme-Bildern gemessen werden, wie folgt angezeigt: A, Fläche; H, Höhe des Kastens; W, Kastenbreite (Ergänzende Abbildung 6).<ol><li>Unter Verwendung der im vorherigen Schritt 2.1 berechneten H- und W-Daten zu den verschiedenen Zeitpunkten t während des Schmelzens (0 min, 15 min, 30 min, 45 min, 75 min und 90 min) wird der Formerhaltungsindex (Rt) gemäß Gleichung 1 berechnet: <img alt="Equation 1" src="/files/ftp_upload/66114/66114eq01.jpg" style="margin: auto;">(1)</li>
		<li>Beziehen Sie sich gemäß Gleichung 2 und Gleichung 3 auf die jeweils berechneten R- und A-Daten auf den entsprechenden Index zum Zeitpunkt 0 (R0 und A0) und stellen Sie die erhaltenen Ergebnisse als Funktion der Zeit dar, wie in Abbildung 3A, B gezeigt. Der Trend von At als Funktion der Zeit hängt mit der Schmelzrate von Eiscreme zusammen. <img alt="Equation 2" src="/files/ftp_upload/66114/66114eq02.jpg" style="margin: auto;">(2) <img alt="Equation 3" src="/files/ftp_upload/66114/66114eq03.jpg" style="margin: auto;">(3)</li>
	</ol></li>
</ol>Ergänzende Abbildung 1: Kalibrierung des Bildes. (A) Gehen Sie zum Fenster Messen &gt; Kalibrieren &gt; Räumlich der Bildanalysesoftware. Wählen Sie Neu und markieren Sie dann Bild , um das Fenster Skalierung zu öffnen. Die Referenzlänge in der Einheit zur Umrechnung von Pixeln (z.B. Millimeter) wird angegeben. (B) Überlappen Sie den grünen Balken vorsichtig mit dem Referenzabschnitt, der der angegebenen Länge entspricht, und klicken Sie auf OK. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%201S.zip" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>
Ergänzende Abbildung 2: AOI zuschneiden und in Graustufen umwandeln. (A) Umwandlung des Area of Interest (AOI) in die Graustufen und (B) das resultierende Bild. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%202S.zip" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>
Ergänzende Abbildung 3: Auswahl der zu messenden Parameter. Im Fenster Messung auswählen können die zu messenden Parameter ausgewählt werden. Für die Auswertung der Eisschmelze müssen Fläche, Kartonbreite und Kartonhöhe ausgewählt werden. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%203S.zip" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>
Ergänzende Abbildung 4: Segmentierung der Eisprobe. Im Fenster "Segmentierung" ist es möglich, die zu berücksichtigenden Histogrammbereiche auszuwählen, um genau den Bereich der Eisform abzudecken. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%204S.zip" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>
Ergänzende Abbildung 5: Filtern von Objekten und die Count-Funktion. Die roten Linien markieren die erkannten hellen Objekte. Wenn Sie die Zählfunktion anwenden und das Fenster "Ansicht, Messdaten" öffnen, werden die Ergebnisse der ausgewählten Parameter angezeigt (A). Um nur die Eisform zu filtern, ist es möglich, im Fenster "Messung auswählen" einen minimalen und einen maximalen Bereichsbereich auszuwählen, wodurch nur die Parameter eines Objekts (B) gezählt werden. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%205S.zip" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>
Ergänzende Abbildung 6: Formbeständigkeitsindex (R). Die Höhe des Kastens (Ht, rote gestrichelte Linie) und die Breite des Kastens (Wt, schwarze durchgezogene Linie), die für die Berechnung des Formbeständigkeitsindex (R) verwendet werden, werden angezeigt. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%206S.zip" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66114/66114fig03.jpg"> Abbildung 3: Form- und Flächenerhaltungskurven. Beispiel für eine Eiscreme-Form (A) und (B) Flächenerhaltungskurven, in denen die Durchschnittswerte von Rt/R0 und At/A0 über die Zeit aufgetragen werden; Die Fehlerbalken entsprechen den Standardabweichungswerten, die von den Analysereplikaten erhalten werden. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig03large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
3. Ausarbeitung gravimetrischer Daten
<ol><li>Am Ende des Schmelzversuchs (90 Minuten) speichern Sie die Tabelle mit dem Gewicht der geschmolzenen Probe (Gramm) pro Minute der Analyse, die von der an die digitale Waage angeschlossenen Software durchgeführt wird.</li>
	<li>Öffnen Sie die Gewichtstabelle in einer Datenverwaltungssoftware, um ein Diagramm des geschmolzenen Gewichts (Gramm) in Abhängigkeit von der Zeit (Minuten) zu erstellen und so die Schmelzkurve der Eisprobe zu erhalten.</li>
	<li>Wählen Sie Daten im linearen Teil der Schmelzkurve aus und berechnen Sie die Regressionslinie der kleinsten Quadrate, indem Sie Gleichung 4 und den Regressionskoeffizienten (R2) registrieren. <img alt="Equation 4" src="/files/ftp_upload/66114/66114eq04.jpg" style="margin: auto;">(4)</li>
	<li>Der Steigungswert der Regressionsgeraden (m) ist die Schmelzrate von Eiscreme (Gramm/Minute). Berechnen Sie die Anfangszeit des Schmelzens (ts; Minute) als x-Achsenabschnitt (wenn y = 0) wie folgt: <img alt="Equation 5" src="/files/ftp_upload/66114/66114eq05.jpg" style="margin: auto;">(5)</li>
</ol><img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66114/66114fig04.jpg"> Abbildung 4: Gravimetrische Kurve. Beispiel für eine Eisschmelzkurve, die mit der gravimetrischen Methode erhalten wurde. Die ursprüngliche Kurve ist rot dargestellt; Die ausgewählten Datenreihen im linearen Teil werden grün dargestellt. Die berechnete Regressionslinie wird in schwarzen Punkten dargestellt. Die Gleichung und der Bestimmtheitskoeffizient (R2) der Regressionsgeraden sind ebenfalls dargestellt. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig04large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
HINWEIS: Um zuverlässige Ergebnisse für die statistische Analyse zu erhalten, wiederholen Sie das gesamte Verfahren des Schmelzversuchs und der Bildverarbeitung mindestens dreimal für jede Probe.

<meta charset="utf8"></head><body>Untersuchung des Schmelzverhaltens von Eiscreme mit einem Computer-Vision-System

<ol><li>Marshall, R. T., Arbuckle, W. S. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMarshall%2C+RT+%22Ice+Cream%22">Ice Cream</a>. , Chapman and Hall. New York. (1996).</li>
<li>Goff, H. D., Hartel, R. W. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGoff%2C+HD+%22Ice+Cream%22">Ice Cream</a>. , Springer. Boston. (2013).</li>
<li>Metilli, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Investigating+the+microstructure+of+soft%2C+microporous+matter+with+synchrotron+X-ray+tomography%5BTitle%5D)+AND+%22Materials+Characterization%22%5BJournal%5D)">Investigating the microstructure of soft, microporous matter with synchrotron X-ray tomography.</a> Materials Characterization. 180, 111408(2021).</li>
<li>Liu, X., Sala, G., Scholten, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+and+functional+differences+between+ice+crystal-dominated+and+fat+network-dominated+ice+cream%5BTitle%5D)+AND+%22Food+Hydrocolloids%22%5BJournal%5D)">Structural and functional differences between ice crystal-dominated and fat network-dominated ice cream.</a> Food Hydrocolloids. 138, 108466(2023).</li>
<li>Alamprese, C., Foschino, R., Rossi, M., Pompei, C., Savani, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Survival+of+Lactobacillus+johnsonii+La1+and+influence+of+its+addition+in+retail-manufactured+ice+cream+produced+with+different+sugar+and+fat+concentrations%5BTitle%5D)+AND+%22International+Dairy+Journal%22%5BJournal%5D)">Survival of Lactobacillus johnsonii La1 and influence of its addition in retail-manufactured ice cream produced with different sugar and fat concentrations.</a> International Dairy Journal. 12 (2-3), 201-208 (2002).</li>
<li>Alamprese, C., Foschino, R. Technology and Stability of Probiotic and Prebiotic Ice Cream. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aAlamprese%2C+C+%22Probiotic+and+Prebiotic+Foods%3A+Technology%2C+Stability+and+Benefits+to+Human+Health%22">Probiotic and Prebiotic Foods: Technology, Stability and Benefits to Human Health</a>. , Nova Science Publishers, Inc. Hauppauge, NY. Chapter 11 (2011).</li>
<li>Golnabi, H., Asadpour, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design+and+application+of+industrial+machine+vision+systems%5BTitle%5D)+AND+%22Robotics+and+Computer-Integrated+Manufacturing%22%5BJournal%5D)">Design and application of industrial machine vision systems.</a> Robotics and Computer-Integrated Manufacturing. 23 (6), 630-637 (2007).</li>
<li>Patel, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DBGC%3A+Dimension-based+generic+convolution+block+for+object+recognition%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">DBGC: Dimension-based generic convolution block for object recognition.</a> Sensors. 22 (5), 1780(2022).</li>
<li>Bhatt, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CNN+variants+for+computer+vision%3A+History%2C+architecture%2C+application%2C+challenges+and+future+scope%5BTitle%5D)+AND+%22Electronics%22%5BJournal%5D)">CNN variants for computer vision: History, architecture, application, challenges and future scope.</a> Electronics. 10 (20), 2470(2021).</li>
<li>Zhu, L., Spachos, P., Pensini, E., Plataniotis, K. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+learning+and+machine+vision+for+food+processing%3A+A+survey%5BTitle%5D)+AND+%22Current+Research+in+Food+Science%22%5BJournal%5D)">Deep learning and machine vision for food processing: A survey.</a> Current Research in Food Science. 4, 233-249 (2021).</li>
<li>Donhowe, D. P., Hartel, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recrystallization+of+ice+in+ice+cream+during+controlled+accelerated+storage%5BTitle%5D)+AND+%22International+Dairy+Journal%22%5BJournal%5D)">Recrystallization of ice in ice cream during controlled accelerated storage.</a> International Dairy Journal. 6 (11-12), 1191-1208 (1996).</li>
<li>Velásquez-Cock, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+cellulose+nanofibrils+on+the+structural+elements+of+ice+cream%5BTitle%5D)+AND+%22Food+Hydrocolloids%22%5BJournal%5D)">Influence of cellulose nanofibrils on the structural elements of ice cream.</a> Food Hydrocolloids. 87, 204-213 (2019).</li>
<li>Moriano, M. E., Alamprese, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Honey%2C+trehalose+and+erythritol+as+sucrose-alternative+sweeteners+for+artisanal+ice+cream.+A+pilot+study%5BTitle%5D)+AND+%22LWT-Food+Science+%26+Technology%22%5BJournal%5D)">Honey, trehalose and erythritol as sucrose-alternative sweeteners for artisanal ice cream. A pilot study.</a> LWT-Food Science & Technology. 75, 329-334 (2017).</li>
<li>Loffredi, E., Moriano, M. E., Masseroni, L., Alamprese, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effects+of+different+emulsifier+substitutes+on+artisanal+ice+cream+quality%5BTitle%5D)+AND+%22LWT-Food+Science+%26+Technology%22%5BJournal%5D)">Effects of different emulsifier substitutes on artisanal ice cream quality.</a> LWT-Food Science & Technology. 137, 110499(2021).</li>
<li>Loffredi, E., Alamprese, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimisation+of+a+blend+of+emulsifier+substitutes+for+clean-label+artisanal+ice+cream%5BTitle%5D)+AND+%22LWT-Food+Science+%26+Technology%22%5BJournal%5D)">Optimisation of a blend of emulsifier substitutes for clean-label artisanal ice cream.</a> LWT-Food Science & Technology. 173, 114338(2023).</li>
<li>Moriano, M. E., Alamprese, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Organogels+as+novel+ingredients+for+low+saturated+fat+ice+creams%5BTitle%5D)+AND+%22LWT-Food+Science+%26+Technology%22%5BJournal%5D)">Organogels as novel ingredients for low saturated fat ice creams.</a> LWT-Food Science & Technology. 86, 371-376 (2017).</li>
</ol>

Das vorgeschlagene CVS ermöglicht die Berechnung der Form- und Flächenretentionsindizes von Eiscremeproben während des Schmelzens sowie die Visualisierung des Schmelzprozesses. Es kann mit der traditionellen gravimetrischen Methode gekoppelt werden, die zur Beurteilung des Schmelzverhaltens von Eiscreme5 angewendet wird, um Ergebnisse zu erhalten, die sich auf das Aussehen des Eises beziehen. Dies ist sehr wichtig, da die Verbraucher seine Qualität auch auf der Grundlage des visuellen Erscheinungs...

Eiscreme ist ein mehrphasiges System, bei dem flüssige, feste und gasförmige Phasen streng miteinander verbunden sind. Die kontinuierliche flüssige Phase umhüllt Luftblasen und Eiskristalle und enthält teilweise kristallisierte Fette, kolloidale Proteine, Salze, Zucker (eventuell kristallisiert) und Stabilisatoren. Die Zusammensetzung des Eises variiert je nach den lokalen Marktanforderungen und möglichen Vorschriften. Obwohl die Verarbeitungstechnologie die Eigenschaften des endgültigen Eises beeinflusst, spielt jeder Bestandteil eine wichtige Rolle bei der Definition der Produktqualität1. Das Schmelzverhalten ist einer der wichtigsten Qualitätsindizes von Speiseeis, wenn man die Phänomene berücksichtigt, die sowohl beim Verzehr als auch im Mund auftreten. Durch das Eindringen von Hitze in das Eis schmelzen Eiskristalle, und Wasser diffundiert und vermischt sich mit der Serumphase, die durch die verbleibende Struktur abfließen kann2. Ein schnell schmelzendes Produkt ist unerwünscht für ein angenehmes Essen, aber auch für die Gewährleistung einer höheren Hitzeschockbeständigkeit. Langsam schmelzende Produkte weisen jedoch auch auf einige Mängel in der Rezepturhin 1. Es ist bekannt, dass die Mikrostruktur von Speiseeis für die Schmelzeigenschaften verantwortlich ist3, aber es wurden bisher gegensätzliche Ergebnisse veröffentlicht, die zeigen, dass das Wissen über den Einfluss mikrostruktureller Faktoren auf das Schmelzen noch begrenzt ist4. Daher sind weitere Studien erforderlich, um den Schmelzmechanismus aufzuklären, der auch bei der Entwicklung neuer Formulierungen von entscheidender Bedeutung ist3.
Das Schmelzverhalten wird in der Regel mit gravimetrischen Methoden bewertet und in Form von Startzeit und Schmelzgeschwindigkeit ausgedrückt5. Eine bestimmte Portion Eiscreme wird auf ein Drahtgeflecht in einem Schrank mit kontrollierter Temperatur gelegt, und das Gewicht des geschmolzenen Produkts wird registriert. Aus der Gewichts-Zeit-Kurve lassen sich drei Phasen unterscheiden: die Verzögerungsphase, in der die Wärme durchdringt, die schnell schmelzende Phase, in der die verdünnte Serumphase mit der maximalen Geschwindigkeit durch die Eiscremestruktur fließt, und die stationäre Phase, in der der größte Teil des Produkts herausgetropft ist2.
Mit der gravimetrischen Methode können langsam und schnell schmelzende Produkte erkannt werden; Aber auch der Aspekt des Eises während des Schmelzens ist wichtig, denn die Formbeständigkeit ist mit einer guten Zusammensetzung und Struktur des Produkts verbunden6. So kann ein Verfahren, das auf einem Computer-Vision-System (CVS) basiert, die bereits bestehende Gravitationsmethodik unterstützen, indem es die Untersuchung des Aussehens des Produkts während des Schmelzens ermöglicht. CVS können zahlreiche Lebensmittelattribute3 (z. B. Größe, Gewicht, Form, Textur und Farbe) mit genauen Details erfassen, die vom menschlichen Auge nicht wahrgenommen werden können. Solche Systeme bestehen in der Regel aus Digitalkameras und Bildverarbeitungssoftware7. In der Tat umfasst ein auf CVS basierendes Protokoll zwei Hauptschritte: 1) Bildaufnahme und 2) Bildverarbeitung. Es können verschiedene Ebenen der Bildverarbeitung angewendet werden7, von den einfachsten bis zu den komplexeren, wie z. B. Deep-Learning-Methoden für die Entwicklung von Künstlicher Intelligenz 8,9. In letzter Zeit wurde CVS im Lebensmittelsektor große Aufmerksamkeit geschenkt, und es wurde eine große Anzahl von Anwendungen für die Inspektion der Lebensmittelsicherheit, die Überwachung der Lebensmittelverarbeitung, die Erkennung von Fremdkörpern und andere Bereiche entwickelt. Sie sind schnell, effizient und zerstörungsfrei und stellen somit gültige Instrumente dar, um den Verbrauchern sichere Lebensmittel von hoher Qualität anzubieten10.
Im Bereich der Eiscreme wurde eine Bildanalysemethode vorgeschlagen, um die Rekristallisation von Eis mittels optischer Mikroskopiezu untersuchen 11. In jüngerer Zeit wurden Röntgen-Computertomographie-Bilder verarbeitet, um die 3D-Mikrostruktur von weichporösen Substanzen, einschließlich Eiscreme, zu analysieren3. Die Ausarbeitung einfacher digitaler CCD-Bilder (Charge Coupled Device) kann jedoch mehrere Vorteile in Bezug auf die einfache Erfassung und Wiedergabe des Eiscreme-Aspekts, wie er von den Verbrauchern wahrgenommen wird, bieten. Einige Autoren zeigen Bilder von Eiscreme während des Schmelzens12, aber nach unserem besten Wissen wurde die Extraktion numerischer Indizes aus den Bildern zum ersten Mal von Moriano und Alampreseberichtet 13.
Daher veranschaulicht das hier vorgeschlagene Protokoll, das auf der Arbeit von Moriano und Alamprese13 basiert, ein einfaches CVS, das zur Unterstützung der bereits bestehenden Gravitationsmethodik zur Untersuchung des Schmelzverhaltens von Eiscreme angewendet werden kann. Ein Blockdiagramm der vorgeschlagenen Methode ist in Abbildung 1 dargestellt. Die Verwendung eines solchen Systems ermöglicht die Berechnung von zwei Schmelzindizes, die sich auf die Formbeständigkeit und die Schmelzgeschwindigkeit beziehen. Insbesondere beschreibt der Beitrag zum ersten Mal den detaillierten Versuchsaufbau und das Vorgehen für die digitale Bildaufnahme während der Eisschmelze und die Bildverarbeitungsschritte. Außerdem wird berichtet, dass die Ergebnisse von Eiscreme, die mit verschiedenen Süßungsmitteln (z. B. Saccharose, Sacromalt und Erythrit) hergestellt wurde, das Potenzial der Methode zeigen.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66114/66114fig01.jpg"> Abbildung 1: Blockdiagramm der vorgeschlagenen Methoden. Zusammenfassung der allgemeinen Schritte für das vorgeschlagene Computer-Vision-System und die gravimetrische Methode zur Untersuchung des Schmelzverhaltens von Eiscreme. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>

<table><tbody><tr><td>Kabinett</td><td>Cavallo s.r.l.</td><td>FTX700</td><td>Standort für den Schmelztest</td></tr><tr><td>Digitalkamera</td><td>Sony Group Corp</td><td>DSC-S650</td><td></td></tr><tr><td>Digitalwaage</td><td>Gibertini Elettronica</td><td>EU-C 4002 LCD</td><td></td></tr><tr><td>ImagePro Plus 7.0</td><td>Media Cybernetics, Inc</td><td>N/A</td><td>Software zur Ausarbeitung von Bildern</td></tr><tr><td>Microsoft Excel</td><td>Microsoft</td><td>N/A</td><td>Daten- und Grafikausarbeitung</td></tr><tr><td>Scalecom</td><td>Gibertini Elettronica</td><td>N/A</td><td>Digitalwaage Softwareerwerb</td></tr><tr><td>Stativ</td><td>Manfratto</td><td>#055</td><td></td></tr></tbody></table>

ein computer-vision-system zur beurteilung des schmelzverhaltens von speiseeis

A Computer Vision System for the Assessment of Ice Cream Melting Behavior

Als Beispiel für die vorgeschlagenen CVS-Outputs werden Ergebnisse von Meltdown-Analysen für drei verschiedene Eiscreme-Formulierungen gezeigt, verglichen mit Daten aus der gravimetrischen Methode. Insbesondere wurde das Schmelzverhalten von Speiseeis untersucht, das mit unterschiedlichen Süßungsmitteln (z.B. Saccharose, Sacromalt und Erythrit) hergestellt wurde.
Tabelle 1 und Abbildung 5A zeigen die Ergebnisse des Formbeständigkeitsindex (Rt...

Ein Computer-Vision-System zur Beurteilung des Schmelzverhaltens von Speiseeis

Melting behavior is one of the most important quality indices of ice cream. It is usually evaluated by gravimetric methods and expressed in terms of ...

a-computer-vision-system-for-assessment-ice-cream-melting

Research

Forschung

JoVE Journal

Engineering

Ingenieurwesen

Wir haben gezeigt, dass maligne pigmentierte Läsionen mit erhöhter Stoffwechselaktivität erzeugen quantifizierbare Mengen an Wärme und die Messung der transienten thermischen Reaktion der Haut zu einer Abkühlung Anregung ermöglicht quantitative Identifizierung von Melanomen und anderen Hauttumoren (vs. nicht-proliferative Nävi) in einem frühen Stadium der Erkrankung.

Quantitative Visualisierung und Erkennung von Hautkrebs mit Dynamic Thermal Imaging

Eis Bindungsproteine ​​(IBPs), auch als Frostschutzmittel Proteine ​​bekannt, hemmen Eiswachstum und sind eine vielversprechende Additiv zur Verwendung bei der Kryokonservierung von Gewebe. Das wichtigste Instrument zur IBPs zu untersuchen ist die Nanoliter Osmometer. Wir haben ein Haus entworfen Kühlstufe auf einem optischen Mikroskop montiert und kontrolliert über eine custom-built LabVIEW Routine. Die Nanoliter Osmometer hier beschriebenen manipulierten die Temperatur der Probe in einem...

LabVIEW-betriebenen Novel Nanoliter Osmometer für Ice Binding Protein Untersuchungen

Hier stellen wir ein Protokoll vor, das es ermöglicht, Orte der Eisbildung und Wege der Eisausbreitung in Pflanzen mit Hilfe der hochauflösenden Infrarot-Thermografie (HRIT) zu visualisieren.

Die Verwendung von hochauflösenden Infrarot-Thermografie (HRIT) für das Studium der Ice Ice Keimbildung und Ausbreitung in Pflanzen

Experimentelle Methoden zur Untersuchung von Festkörper-Abkühlprozessen und zur Charakterisierung der elastokalorischen Materialeigenschaften von Formgedächtnislegierungen (SMA) werden vorgestellt. Für die Steuerung und umfassende Überwachung von elastokalorischen Kühlprozessen wurde ein eigens angefertigter Prüfstand konzipiert. Darüber hinaus bietet es eine Validierungsplattform für thermomechanisch gekoppelte Modellierungsansätze.

Experimentelle Methoden zur Untersuchung von Formgedächtnis-Based Elastocaloric Kühlprozesse und Modellvalidierung

Eine massenspektrometrische Bildgebungsquelle (MSI), die bei Atmosphärendruck betrieben wird, wurde durch Kopplung von Laserdesorption im mittleren Infrarot und Elektrospray-Nachionisation entwickelt. Als energieabsorbierende Matrix wurde eine exogene Eismatrix verwendet, um die resonante Desorption von gewebebezogenem Material zu erleichtern. Dieses Manuskript enthält ein Schritt-für-Schritt-Protokoll für die Durchführung der IR-MALDESI MSI bei einer Ganzkörper-Neugeborenenmaus.

Ganzkörper-Massenspektrometrie Imaging durch Infrarot-Matrix-assistierte Laser-Desorptions-Elektrospray-Ionisations (IR-MALDESI)

Wir präsentieren ein Protokoll für die Echtzeit-optische Erkennung von einzelnen unbeschriftete Proteine, wie sie von lebenden Zellen abgesondert werden. Grundlage hierfür ist interferometrischen Streuung (iSCAT) Mikroskopie, die auf eine Vielzahl von unterschiedlichen biologischen Systemen und Konfigurationen angewendet werden können.

Markierungsfreie Imaging der einzelnen Proteine abgesondert von lebenden Zellen über iSCAT Mikroskopie

In diesem Beitrag werden ein Protokoll für die Raumnutzlastgestaltung, das Raumexperiment zur thermokapillaren Konvektion und Analysen experimenteller Daten und Bilder vorgestellt.

Thermokapillarkonvektionsraumexperiment auf dem SJ-10 Recoverable Satellite

Wir präsentieren ein Protokoll, um die Bildung von Hydraten in Gegenwart von nichtionischen Tensiden auf der Schnittstelle eines Wassertropfens in Cyclopentan untergetaucht zu studieren. Das Protokoll besteht aus dem Aufbau eines kostengünstigen, programmierbaren Temperaturreglers. Die Temperaturregelung wird mit Visualisierungstechniken und internen Druckmessungen kombiniert.

Untersuchung der Tensideffekte auf die Hydratkristallisation an Öl-Wasser-Schnittstellen mit einem kostengünstigen integrierten modularen Peltier-Gerät

Es wird eine experimentelle Methodik vorgeschlagen, die auf thermischen und rheologischen Messungen basiert, um den Aushärtungsprozess von Klebstoffen zu charakterisieren, um nützliche Informationen für die industrielle Klebstoffauswahl zu erhalten.

Bewertung der Aushärtung von Klebstoffsystemen durch rheologische und thermische Prüfung

Diese Publikation zeigt die Anwendung von Röntgenbeugung und dynamischer Differenzkalorimetrie als Goldstandards für die Untersuchung des Festkörpers lipidbasierter Hilfsstoffe (LBEs). Das Verständnis der Festkörperveränderung in LBEs und ihrer Auswirkungen auf die Leistung pharmazeutischer Produkte ist der Schlüsselfaktor für die Herstellung robuster lipidbasierter Darreichungsformen.

Ein Paket etablierter Analysewerkzeuge zur Untersuchung der Festkörperveränderung lipidbasierter Hilfsstoffe

In diesem Artikel stellen wir eine neuartige automatisierte Methode zur Beurteilung der Sehschärfe bei Säuglingen und Kleinkindern mit Hilfe eines Eye-Tracking-Systems vor.

Ein automatisiertes Verfahren zur Beurteilung der Sehschärfe bei Säuglingen und Kleinkindern mit Hilfe eines Eye-Tracking-Systems

Erfahren Sie, wie ein Computer-Vision-System das Schmelzverhalten von Speiseeis analysiert. Diese Methode erfasst visuelle Veränderungen und Formbeständigkeit präziser als gravimetrische Ansätze.

Ein Computer-Vision-System zur Beurteilung des Schmelzverhaltens von Speiseeis

Weitere Videos entdecken