Name: Un sistema di visione artificiale per la valutazione del comportamento di fusione del gelato (Video) | JoVE Journal
Uploaded: 2024-10-04T12:40:00.000+00:00
Duration: 8 min 2 s
Description: Scopri un sistema di visione artificiale per analizzare il comportamento di fusione del gelato con maggiore sensibilità rispetto ai metodi gravimetrici tradizionali. Questo metodo valuta la ritenzione di forma e dimensione durante lo scioglimento.

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

1. Impostazione sperimentale e procedure per le prove di fusione
<ol><li>Preparazione del campione di gelato<ol><li>Scegli tazze trasparenti di volume e forma fissa, con coperchio. Tagliate due lunghe strisce di carta da forno larghe circa 2 cm e, con l'aiuto del nastro adesivo, fissatele alle pareti interne della tazza in modo da formare una croce sul fondo. Iniziate a riempire la coppetta con il campione di gelato utilizzando una spatola. NOTA: Prima di iniziare, assicurarsi che il gelato abbia una temperatura compresa tra -7 °C e -12 °C in modo che possa essere spalmato all'interno della coppa. Prestare attenzione a non creare spazi vuoti durante il riempimento della tazza controllando regolarmente la trasparenza della tazza.</li>
		<li>Quando la coppetta è piena, tirate via delicatamente l'eccesso di gelato con la spatola, creando una superficie liscia e piana. Chiudere la tazza con il coperchio e conservare il campione a -30 °C per almeno 24 ore.</li>
		<li>Prima dell'analisi, condizionare il campione a -16 °C per 24 ore.</li>
	</ol></li>
	<li>Impostazione della prova di fusione e acquisizione delle immagini<ol><li>Impostare un armadio termostatico a 20 ± 1 °C. Inserire una bilancia digitale nell'armadio e collegarla ad un computer con software per la registrazione del peso in funzione del tempo.</li>
		<li>Posizionare un cilindro graduato sulla bilancia digitale e azzerare il peso. Sopra il cilindro, posizionare un imbuto sospeso per aiutare a raccogliere il gelato sciolto. L'impostazione della prova di fusione è mostrata nella Figura 2. NOTA: L'imbuto deve essere sospeso sopra il cilindro per evitare di superare il fondo scala della bilancia digitale. Per evitare l'instabilità dell'imbuto durante il posizionamento del campione all'inizio dell'analisi, deve essere fissato al ripiano dell'armadio sopra il cilindro.</li>
		<li>Posizionare una fotocamera con un treppiede davanti all'anta dell'armadio a un'altezza e una distanza definite per avere la migliore inquadratura affidabile del campione. NOTA: Assicurarsi che la fotocamera sia ben allineata con il campione di gelato per evitare errori di parallasse durante l'elaborazione dell'immagine.</li>
	</ol></li>
	<li>Prova di fusione<ol><li>Preparare uno schermo in rete metallica dotato di un riferimento dimensionale. Prendi la coppa gelato dal congelatore, rimuovi il coperchio e inizia delicatamente a mettere una spatola tra il gelato e le pareti della coppa per staccare il campione dal contenitore. NOTA: La coppa gelato deve essere rimossa dal congelatore solo dopo aver completato i passaggi precedenti (fino al passaggio 1.2.3) per evitare scioglimenti prima della registrazione dei dati.</li>
		<li>Mentre si stacca il campione di gelato dalle pareti della coppa, tenere la carta da forno attaccata sulla superficie del gelato.</li>
		<li>Quando l'intero campione di gelato è stato staccato dalle pareti della coppa, tirare delicatamente le estremità della carta da forno per estrarre il gelato e adagiarlo sullo schermo in rete metallica insieme alle strisce di carta da forno. Quindi, rimuovere con cura le strisce di carta da forno dalla superficie del gelato. NOTA: Prestare attenzione a non alterare la forma del gelato durante l'esecuzione dei passaggi 1.3.1-1.3.3.</li>
		<li>Posizionare lo schermo in rete metallica con il campione di gelato sull'imbuto nell'armadio. Utilizzando la fotocamera digitale sul treppiede, scattare la prima foto (t0) del campione di gelato con l'anta dell'armadio aperta, facendo attenzione a scattare anche il riferimento dimensionale. Chiudere la porta dell'armadio e iniziare a registrare i dati gravimetrici ogni minuto con il software collegato alla bilancia. NOTA: Non utilizzare il flash per evitare ombre nell'immagine e utilizzare uno sfondo molto contrastante per migliorare la segmentazione del gelato. Controllare la messa a fuoco dell'immagine acquisita; Se l'immagine è sfocata, scattarne immediatamente una nuova.</li>
		<li>Registrare i dati gravimetrici per 90 minuti (una registrazione al minuto) e scattare una foto del campione di gelato (vedi passaggio 1.3.4) ogni 15 minuti (per un totale di 7 immagini).</li>
	</ol></li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66114/66114fig02.jpg"> Figura 2: Configurazione del test di fusione. La figura mostra come impostare la prova di fusione nell'armadio termostatico: Mettere un cilindro di vetro graduato su una bilancia digitale per raccogliere e pesare il gelato fuso. Il campione di gelato viene adagiato su una rete metallica su un imbuto sospeso sopra il cilindro. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig02large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
2. Elaborazione delle immagini per il calcolo degli indici di fusione
<ol><li>Elaborazione di immagini<ol><li>Scaricare le immagini digitali dalla scheda di memoria della fotocamera e salvarle come file .tiff o .jpg senza compressione.</li>
		<li>Utilizzare i comandi File &gt; Apri del software di analisi delle immagini per aprire le immagini del gelato. Avviare l'elaborazione della prima immagine (t0), correggendo la rotazione se necessario (comandi: Modifica &gt; Ruota).</li>
		<li>Utilizzare il riferimento dimensionale acquisito in ogni immagine (vedere i passaggi 1.3.1. e 1.3.4.) per calibrare spazialmente l'immagine (comandi: Misura &gt; Calibrazione &gt; Immagine &gt; spaziale), convertendo i pixel in millimetri (Figura supplementare 1).</li>
		<li>Selezionare l'area rettangolare di interesse (AOI), includendo il campione di gelato ed evitando il bordo dello schermo in rete metallica (comandi: Modifica &gt; Nuova AOI &gt; Rettangolare). Ritaglia l'AOI e convertila in una scala di grigi (profondità di colore, 8) utilizzando i comandi Modifica &gt; Converti in &gt; scala di grigi 8 (Figura 2 supplementare).</li>
		<li>Applica il filtro Adatta che regola automaticamente la luminosità e il contrasto (comandi: Migliora &gt; Equalizza &gt; Adatta meglio).</li>
		<li>Vai alla finestra Misura &gt; Conteggio/Dimensione del software e apri la finestra Misura per selezionare i seguenti parametri: Area, Altezza scatola e Larghezza scatola. Quindi fare clic su OK per chiudere questa finestra (Figura supplementare 3).</li>
		<li>Selezionare la misura manuale (flaggare Manuale nella finestra Conteggio/Dimensione ) e cliccare su Seleziona Intervalli per impostare i valori dell'istogramma per segmentare esattamente la forma luminosa del gelato. Chiudere la finestra Segmentazione (Figura 4 supplementare).</li>
		<li>Fare clic su Conteggio nella finestra Conteggio/Dimensione del software per misurare i tre parametri selezionati al punto 2.1.6. Se vengono contati oggetti luminosi diversi dal campione di gelato, utilizzare una soglia di area per filtrare gli oggetti (comandi: Misura &gt; Seleziona misurazioni &gt; Area; regolare gli intervalli di inizio e fine). Per visualizzare i risultati della misurazione, fare clic su Visualizza &gt; dati di misurazione (Figura 5 supplementare). Utilizza File &gt; dati negli appunti per copiare i risultati della misurazione e incollarli in un foglio di calcolo del software di gestione dei dati.</li>
		<li>Ripetere i passaggi da 2.1.2 a 2.1.8 per ogni immagine raccolta durante la fusione del gelato.</li>
	</ol></li>
	<li>Valutazione degli indici di fusione NOTA: D'ora in poi, i parametri dimensionali misurati dalle immagini del gelato saranno indicati come segue: A, area; H, altezza scatola; W, larghezza scatola (Figura 6 supplementare).<ol><li>Utilizzando i dati H e W calcolati nel passaggio precedente 2.1 nei diversi momenti t durante la fusione (0 min, 15 min, 30 min, 45 min, 75 min e 90 min), calcolare l'indice di ritenzione della forma (Rt) secondo l'equazione 1: <img alt="Equation 1" src="/files/ftp_upload/66114/66114eq01.jpg" style="margin: auto;">(1)</li>
		<li>Secondo l'equazione 2 e l'equazione 3, fare riferimento ai dati R e A calcolati in ogni momento all'indice corrispondente al tempo 0 (R0 e A0) e tracciare i risultati ottenuti in funzione del tempo come mostrato nella Figura 3A, B. L'andamento di At in funzione del tempo è correlato alla velocità di fusione del gelato. <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>Figura 1 supplementare: Calibrazione spaziale dell'immagine. (A) Andare alla finestra Misura &gt; Calibrazione &gt; Spaziale del software di analisi delle immagini. Seleziona Nuovo, quindi seleziona Immagine per aprire la finestra Ridimensionamento . Viene indicata la lunghezza di riferimento nell'unità di misura per convertire i pixel (ad esempio, millimetri). (B) Sovrapporre con cautela la barra verde con la parte di riferimento corrispondente alla lunghezza indicata e fare clic su OK. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%201S.zip" target="_blank">Clicca qui per scaricare questo file.</a>
Figura 2 supplementare: Ritaglio dell'AOI e conversione in scala di grigi. (A) Conversione dell'Area di Interesse (AOI) in scala di grigi e (B) l'immagine risultante. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%202S.zip" target="_blank">Clicca qui per scaricare questo file.</a>
Figura supplementare 3: Selezione dei parametri da misurare. Nella finestra Seleziona misura è possibile selezionare i parametri da misurare; Per la valutazione della fusione del gelato, è necessario selezionare l'area, la larghezza e l'altezza della scatola. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%203S.zip" target="_blank">Clicca qui per scaricare questo file.</a>
Figura supplementare 4: Segmentazione del campione di gelato. Nella finestra "Segmentazione" è possibile selezionare gli intervalli di istogramma da considerare per coprire esattamente l'area della forma del gelato. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%204S.zip" target="_blank">Clicca qui per scaricare questo file.</a>
Figura supplementare 5: Filtraggio degli oggetti e funzione Count. Le linee rosse evidenziano gli oggetti luminosi riconosciuti. Applicando la funzione di conteggio e aprendo la finestra "Visualizza, Dati di misurazione", verranno visualizzati i risultati dei parametri selezionati (A). Per filtrare solo la forma del gelato, è possibile selezionare un intervallo di area minimo e massimo nella finestra "Seleziona misura", contando così solo i parametri di un oggetto (B). <a href="https://www.jove.com/files/ftp_upload/66114/Figure%205S.zip" target="_blank">Clicca qui per scaricare questo file.</a>
Figura 6 supplementare: Indice di ritenzione della forma (R). Vengono visualizzate l'altezza della casella (Ht, linea tratteggiata rossa) e la larghezza della casella (Wt, linea continua nera) utilizzate per il calcolo dell'indice di ritenzione della forma (R). <a href="https://www.jove.com/files/ftp_upload/66114/Figure%206S.zip" target="_blank">Clicca qui per scaricare questo file.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66114/66114fig03.jpg"> Figura 3: Curve di forma e di ritenzione dell'area. Esempio di una forma di gelato (A) e di curve di ritenzione dell'area (B), in cui i valori medi di Rt/R0 e At/A0 sono tracciati nel tempo; Le barre di errore corrispondono ai valori di deviazione standard ottenuti dalle repliche di analisi. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig03large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
3. Elaborazione di dati gravimetrici
<ol><li>Al termine della prova di fusione (90 min), salvare il foglio di calcolo con il peso del campione fuso (grammi) per ogni minuto di analisi ottenuto dal software collegato alla bilancia digitale.</li>
	<li>Apri il foglio di calcolo del peso in un software di gestione dati per creare un grafico del peso fuso (grammi) in funzione del tempo (minuti), ottenendo così la curva di fusione del campione di gelato.</li>
	<li>Selezionare i dati nella parte lineare della curva di fusione e calcolare la retta di regressione dei minimi quadrati, registrando l'equazione 4 e il coefficiente di regressione (R2). <img alt="Equation 4" src="/files/ftp_upload/66114/66114eq04.jpg" style="margin: auto;">(4)</li>
	<li>Il valore della pendenza della linea di regressione (m) è la velocità di fusione del gelato (grammi/minuto). Calcola l'ora di inizio della fusione (ts; minuto) come intercetta x (quando y = 0) come segue: <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"> Figura 4: Curva gravimetrica. Esempio di curva di fusione del gelato ottenuta con il metodo gravimetrico. La curva originale è mostrata in rosso; le serie di dati selezionate nella porzione lineare sono mostrate in verde; La linea di regressione calcolata viene visualizzata in punti neri. Vengono mostrati anche l'equazione e il coefficiente di determinazione (R2) della retta di regressione. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig04large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
NOTA: Per avere risultati affidabili da analizzare statisticamente, replicare l'intera procedura di prova di fusione e l'elaborazione delle immagini almeno tre volte per ogni campione.

<meta charset="utf8"></head><body>Studiare il comportamento di scioglimento del gelato utilizzando un sistema di visione artificiale

<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>

Il CVS proposto consente il calcolo della forma e degli indici di ritenzione dell'area dei campioni di gelato durante la fusione, oltre a visualizzare il processo di fusione. Può essere accoppiato al metodo gravimetrico tradizionale applicato per valutare il comportamento di fusione del gelato5, per ottenere risultati legati all'aspetto del gelato. Questo è molto importante perché i consumatori ne valutano la qualità anche in base all'aspetto visivo del prodotto, e la capacità di mantenere la forma durante la fusione è legata alla composizione e alla struttura del gelato 1,3. L'applicazione di questo sistema nelle industrie alimentari può migliorare il controllo della qualità e la ricerca e lo sviluppo di nuove formulazioni.
L'esempio dei risultati ottenuti per la fusione di tre campioni di gelato diversi per i dolcificanti utilizzati ha dimostrato che il CVS proposto è sensibile alle diverse composizioni (Tabella 1 e Tabella 2), anche più del metodo gravimetrico, che non è stato in grado di evidenziare differenze significative tra i campioni (Tabella 3). La sensibilità dell'indice di mantenimento della forma alla formulazione del gelato è stata dimostrata anche nei nostri precedenti lavori 13,14,15,16. A causa dell'elevata sensibilità del metodo proposto, può persino sostituire la procedura gravimetrica.
Oltre alla preparazione del campione di gelato, le fasi più critiche del CVS sviluppato sono legate a una buona acquisizione e segmentazione delle immagini7. Riferire i dati Rt e At ai valori iniziali calcolati al tempo 0 previene possibili risultati fuorvianti dovuti a diversi esperimenti impostati tra le repliche. Tuttavia, gli errori di parallasse durante l'acquisizione delle immagini potrebbero comportare una sovrastima dell'area del campione durante la fusione, soprattutto se le immagini raccolte in una singola prova non sono coerenti a causa di un cambiamento di posizione della fotocamera da un'acquisizione all'altra. Pertanto, è necessario prestare grande attenzione all'impostazione della procedura di acquisizione dell'immagine, assicurandosi che lo schermo in rete metallica con il campione sulla parte superiore sia perfettamente allineato con l'obiettivo della telecamera e definendo e fissando attentamente la posizione della telecamera davanti all'armadio termostatico. Allo stesso modo, una cattiva segmentazione dell'immagine può portare a sovra o sottostimare l'area del gelato, ma anche H e W, con conseguenti indici di ritenzione della forma privi di significato. In questo caso, la maggiore fonte di errore è rappresentata da eventuali punte sul bordo della porzione di gelato posta sulla rete metallica, o da bolle che compaiono sulla superficie del gelato durante la fusione (Figura 7), che devono essere rimosse dalla forma brillante prima di misurare l'area della scatola e la scatola L e A. Questo problema può essere risolto utilizzando la funzione Dividi oggetto del software di analisi delle immagini. Uno sfondo ad alto contrasto è utile anche per una migliore segmentazione dell'immagine7. Il colore di sfondo deve essere scelto in base al colore del campione di gelato e un'elevata saturazione del colore è desiderabile per un migliore contrasto.
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/66114/66114fig07.jpg"> Figura 7: Possibili fonti di errore nella segmentazione della forma del gelato. Le frecce rosse indicano possibili punte e bolle sulla forma del gelato che possono portare a un calcolo errato di area, altezza e larghezza. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig07large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
Se le immagini sono ben raccolte ed elaborate, il CVS è ancora più sensibile e preciso della metodologia gravimetrica. Infatti, negli esempi mostrati, i coefficienti di variazione per le analisi gravimetriche variavano tra il 4% e il 20%, rendendo tutti i dati medi non significativamente diversi (ANOVA, p &gt; 0,05). Al contrario, per gli indici CVS, i valori del coefficiente di variazione variavano dallo 0,1% al 13%, evidenziando differenze significative tra i tre campioni di gelato durante la fusione (Tabella 1 e Tabella 2). La riduzione della velocità di fusione causata dall'eritritolo è probabilmente correlata alla formazione di cristalli di zucchero amorfi durante il congelamento del gelato e alla minore solubilità di questo dolcificante rispetto al saccarosio e al sucromalto, che rappresenta una maggiore quantità di acqua congelata nel prodotto finale13. Altre applicazioni di successo del CVS qui proposte possono essere trovate nei nostri studi precedenti 13,14,15,16.
Quando si ottiene una buona standardizzazione della procedura di elaborazione delle immagini, l'elaborazione automatica delle immagini può essere impostata utilizzando la funzione Macro-Recording del software di analisi delle immagini, rendendo così il processo di elaborazione molto più veloce. Naturalmente, è sempre necessaria un'accurata revisione dei dati da parte dell'operatore per evitare artefatti e dati errati. Inoltre, l'elaborazione delle curve di forma e di ritenzione dell'area può essere eseguita per calcolare i parametri cinetici e sostituire il metodo gravimetrico.
Il protocollo può essere applicato anche ad altri prodotti alimentari per i quali la velocità di fusione e l'indice di mantenimento della forma sono importanti, come mousse e schiume (ad esempio, panna di latte montato e albume d'uovo). Il punto più importante è l'auto-portanza dei prodotti, mentre la temperatura durante le prove di fusione può essere adattata al prodotto specifico.

Il gelato è un sistema multifase in cui le fasi liquida, solida e gassosa sono strettamente collegate. La fase liquida continua avvolge bolle d'aria e cristalli di ghiaccio e contiene grassi parzialmente cristallizzati, proteine colloidali, sali, zuccheri (eventualmente cristallizzati) e stabilizzanti. La composizione del gelato varia a seconda delle richieste del mercato locale e delle eventuali normative. Sebbene la tecnologia di lavorazione influisca sulle caratteristiche del gelato finale, ogni componente svolge un ruolo importante nella definizione della qualità del prodotto1. Il comportamento di fusione è uno degli indici di qualità più importanti del gelato, considerando i fenomeni che si verificano sia durante il consumo che in bocca. Con la penetrazione del calore nel gelato, i cristalli di ghiaccio si sciolgono e l'acqua si diffonde e si mescola con la fase di siero, che può defluire attraverso la struttura rimanente2. Un prodotto a fusione rapida è indesiderabile per un'alimentazione confortevole, ma anche per garantire una maggiore resistenza agli shock termici. Tuttavia, i prodotti a fusione lenta indicano anche alcuni difetti nella formulazione1. È noto che la microstruttura del gelato è responsabile delle proprietà di fusione3, ma finora sono stati pubblicati risultati contrastanti, che dimostrano che la conoscenza dell'influenza dei fattori microstrutturali sulla fusione è ancora limitata4. Pertanto, sono necessari ulteriori studi per chiarire il meccanismo di fusione, che è cruciale anche nella progettazione di nuove formulazioni3.
Il comportamento di fusione è solitamente valutato con metodi gravimetrici ed espresso in termini di tempo di inizio e velocità di fusione5. Una determinata porzione di gelato viene posta su una rete metallica in una cella a temperatura controllata e viene registrato il peso del prodotto fuso. Dalla curva peso-tempo si possono evidenziare tre fasi: la fase di ritardo durante la quale avviene la penetrazione del calore, la fase di fusione rapida con la fase di siero diluito che scorre attraverso la struttura del gelato alla massima velocità e la fase stazionaria, in cui la maggior parte del prodotto è gocciolata2.
Con il metodo gravimetrico è possibile riconoscere i prodotti a fusione lenta e veloce; Tuttavia, anche l'aspetto del gelato durante la fusione è importante, perché il mantenimento della forma è legato a una buona composizione e struttura del prodotto6. Pertanto, una procedura basata su un sistema di visione artificiale (CVS) può supportare la metodologia gravitazionale già esistente consentendo lo studio dell'aspetto del prodotto durante la fusione. I CVS possono acquisire numerosi attributi alimentari3 (ad esempio, dimensioni, peso, forma, consistenza e colore) con dettagli accurati che non possono essere osservati dall'occhio umano. Tali sistemi sono solitamente costituiti da fotocamere digitali e software di elaborazione delle immagini7. Infatti, un protocollo basato su CVS include due passaggi principali: 1) acquisizione delle immagini e 2) elaborazione delle immagini. Possono essere applicati vari livelli di elaborazione delle immagini7, dai più semplici ai più complessi, come i metodi di deep learning per lo sviluppo dell'Intelligenza Artificiale 8,9. Grande attenzione è stata recentemente dedicata ai CVS nel settore alimentare e un elevato numero di applicazioni è stato sviluppato per l'ispezione della sicurezza alimentare, il monitoraggio della lavorazione degli alimenti, il rilevamento di corpi estranei e altri campi. Sono veloci, efficienti e non distruttivi, rappresentando quindi validi strumenti per fornire ai consumatori alimenti sicuri e di alta qualità10.
Nel campo del gelato, è stato suggerito un metodo di analisi delle immagini per studiare la ricristallizzazione del ghiaccio mediante microscopia ottica11. Più recentemente, le immagini di tomografia computerizzata a raggi X sono state elaborate per analizzare la microstruttura 3D di sostanze a porosità molle, incluso il gelato3. Tuttavia, l'elaborazione di semplici immagini digitali di dispositivi ad accoppiamento di carica (CCD) può presentare diversi vantaggi in termini di facilità di acquisizione e resa dell'aspetto del gelato così come percepito dai consumatori. Alcuni Autori mostrano immagini di gelato durante la fusione12, ma, per quanto ne sappiamo, l'estrazione di indici numerici dalle immagini è stata riportata per la prima volta da Moriano e Alamprese13.
Pertanto, il protocollo qui proposto, basato sul lavoro di Moriano e Alamprese13, illustra un semplice CVS che può essere applicato a supporto della metodologia gravitazionale già esistente per lo studio del comportamento di fusione del gelato. Un diagramma a blocchi del metodo proposto è illustrato nella Figura 1. L'uso di un tale sistema consente il calcolo di due indici di fusione relativi al mantenimento della forma e alla velocità di fusione. In particolare, l'articolo descrive per la prima volta la configurazione sperimentale dettagliata e la procedura per l'acquisizione di immagini digitali durante la fusione del gelato e le fasi di elaborazione delle immagini. Inoltre, i risultati ottenuti dai gelati prodotti con diversi dolcificanti (ad esempio, saccarosio, sucromalt ed eritritolo) mostrano il potenziale del metodo.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66114/66114fig01.jpg"> Figura 1: Schema a blocchi delle metodologie proposte. Riassunto delle tappe generali per il sistema di visione artificiale proposto e del metodo gravimetrico per lo studio del comportamento di fusione del gelato. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig01large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>

<table><tbody><tr><td>Armadio</td><td>Cavallo s.r.l.</td><td>FTX700</td><td>Ubicazione per la prova di fusione</td></tr><tr><td>Fotocamera digitale</td><td>Sony Group Corp</td><td>DSC-S650</td><td></td></tr><tr><td>Bilancia digitale</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 Software</td><td>di elaborazione analisi delle immagini</td></tr><tr><td>Microsoft Excel</td><td>Microsoft</td><td>N/A</td><td>Elaborazione dati e grafica</td></tr><tr><td>Scalecom</td><td>Gibertini Elettronica</td><td>N/A Bilancia</td><td>digitale acquisizione</td></tr><tr><td>software Treppiede</td><td>Manfratto</td><td>#055</td><td></td></tr></tbody></table>

un sistema di visione artificiale per la valutazione del comportamento di fusione del gelato

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

Come esempio dei risultati CVS proposti, vengono mostrati i risultati delle analisi di fusione per tre diverse formulazioni di gelato, confrontati con i dati ottenuti dal metodo gravimetrico. In particolare, è stato studiato il comportamento di fusione dei gelati realizzati con diversi dolcificanti (ad esempio, saccarosio, sucromalt ed eritritolo).
La Tabella 1 e la Figura 5A mostrano i risultati dell'indice di ritenzione della forma (Rt/R0) per i tre campioni di gelato durante lo scioglimento. Una ritenzione di forma simile è stata osservata per tutti i campioni fino a 45 minuti; quindi, il campione realizzato con saccarosio ha perso la sua forma più velocemente rispetto agli altri prodotti, risultando in un Rt/R0 significativamente più basso secondo l'analisi della varianza a una via (ANOVA), seguita dal test della differenza meno significativa (LSD) (p &lt; 0,05). Solo il campione contenente eritritolo ha mantenuto la sua forma fino alla fine della prova, fornendo valori misurabili di Rt/R0.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td></td>
			<td colspan="2">SACCAROSIO</td>
			<td colspan="2">SUCROMALTO</td>
			<td colspan="2">ERITRITOLO</td>
		</tr><tr><td>Tempo (min)</td>
			<td>At/A0</td>
			<td>S.D.</td>
			<td>At/A0</td>
			<td>S.D.</td>
			<td>At/A0</td>
			<td>S.D.</td>
		</tr><tr><td>0</td>
			<td>1.00</td>
			<td>-</td>
			<td>1.00</td>
			<td>-</td>
			<td>1.00</td>
			<td>-</td>
		</tr><tr><td>15</td>
			<td>Il 0,91</td>
			<td>0.01</td>
			<td>Il 0,93</td>
			<td>0.02</td>
			<td>Il 0,92</td>
			<td>0.04</td>
		</tr><tr><td>30</td>
			<td>Il 0,76</td>
			<td>0.04</td>
			<td>Il 0,82</td>
			<td>0.02</td>
			<td>Il 0,84</td>
			<td>0.04</td>
		</tr><tr><td>45</td>
			<td>Il 0,56</td>
			<td>0.04</td>
			<td>0,66ab</td>
			<td>0.02</td>
			<td>0,74miliardi</td>
			<td>0.03</td>
		</tr><tr><td>60</td>
			<td>Il 0,32</td>
			<td>0.01</td>
			<td>0,46miliardi</td>
			<td>0.02</td>
			<td>0,62c</td>
			<td>0.01</td>
		</tr><tr><td>75</td>
			<td>Il 0,13</td>
			<td>0.01</td>
			<td>0,24miliardi</td>
			<td>0.02</td>
			<td>0,52c</td>
			<td>0.02</td>
		</tr><tr><td>90</td>
			<td>n.d.</td>
			<td>-</td>
			<td>n.d.</td>
			<td>-</td>
			<td>0.40</td>
			<td>0.01</td>
		</tr><tr><td colspan="7">n.d., non rilevabile</td>
		</tr></tbody></table>Tabella 1: Valori medi e di deviazione standard degli indici di mantenimento della forma per i tre campioni di gelato prodotti con diversi edulcoranti. Lettere minuscole diverse nella stessa riga indicano valori medi significativamente diversi (p &lt; 0,05).
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66114/66114fig05.jpg"> Figura 5: Curve di forma e di ritenzione dell'area per i tre campioni di gelato prodotti con diversi edulcoranti. (A) Curve di forma e (B) di ritenzione dell'area. La linea rosa rappresenta il campione di saccarosio, considerato come riferimento; La linea gialla rappresenta il campione di sucromalto e la linea blu rappresenta il campione di eritritolo. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig05large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
Il campione con eritritolo ha anche mostrato un tasso di fusione inferiore, come evidenziato dagli indici di fusione At/A0 (Tabella 2 e Figura 5B). A partire da 45 minuti, il campione di eritritolo ha mostrato la ritenzione di area significativamente più alta (p &lt; 0,05), seguito dai gelati contenenti sucromalto e saccarosio, rispettivamente.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td></td>
			<td colspan="2">SACCAROSIO</td>
			<td colspan="2">SUCROMALTO</td>
			<td colspan="2">ERITRITOLO</td>
		</tr><tr><td>Tempo (min)</td>
			<td>Rt/R0</td>
			<td>S.D.</td>
			<td>Rt/R0</td>
			<td>S.D.</td>
			<td>Rt/R0</td>
			<td>S.D.</td>
		</tr><tr><td>0</td>
			<td>1.00</td>
			<td>-</td>
			<td>1.00</td>
			<td>-</td>
			<td>1.00</td>
			<td>-</td>
		</tr><tr><td>15</td>
			<td>Il 0,98</td>
			<td>0.04</td>
			<td>Il 0,97</td>
			<td>0.01</td>
			<td>Il 0,93</td>
			<td>0.02</td>
		</tr><tr><td>30</td>
			<td>Il 0,94</td>
			<td>0.05</td>
			<td>Il 0,94</td>
			<td>0.02</td>
			<td>Il 0,89</td>
			<td>0.02</td>
		</tr><tr><td>45</td>
			<td>Il 0,80</td>
			<td>0.03</td>
			<td>Il 0,89</td>
			<td>0.02</td>
			<td>Il 0,84</td>
			<td>0.02</td>
		</tr><tr><td>60</td>
			<td>Il 0,64</td>
			<td>0.04</td>
			<td>0,78miliardi</td>
			<td>0.01</td>
			<td>0,76miliardi</td>
			<td>0.03</td>
		</tr><tr><td>75</td>
			<td>Il 0,54</td>
			<td>0.03</td>
			<td>Il 0,65</td>
			<td>0.01</td>
			<td>Il 0,60</td>
			<td>0.07</td>
		</tr><tr><td>90</td>
			<td>n.d.</td>
			<td>-</td>
			<td>n.d.</td>
			<td>-</td>
			<td>0.45</td>
			<td>0.06</td>
		</tr><tr><td colspan="7">n.d., non rilevabile</td>
		</tr></tbody></table>Tabella 2: Valori medi e di deviazione standard degli indici di ritenzione della superficie per i tre campioni di gelato prodotti con diversi edulcoranti. Lettere minuscole diverse nella stessa riga indicano valori medi significativamente diversi (p &lt; 0,05).
I risultati sono stati confermati anche dall'analisi gravimetrica, i cui dati sono riportati in Tabella 3 in termini di tempo di inizio della fusione (tS) e velocità di fusione (grammi/minuto). Tuttavia, in questo caso, non sono state riscontrate differenze significative applicando l'ANOVA (p &gt; 0,05).
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td></td>
			<td colspan="2">SACCAROSIO</td>
			<td colspan="2">SUCROMALTO</td>
			<td colspan="2">ERITRITOLO</td>
		</tr><tr><td></td>
			<td>Significare</td>
			<td>S.D.</td>
			<td>Significare</td>
			<td>S.D.</td>
			<td>Significare</td>
			<td>S.D.</td>
		</tr><tr><td>ts (min)</td>
			<td>Il 15.3</td>
			<td>1.4</td>
			<td>Il 16,4</td>
			<td>1.4</td>
			<td>Il 17.2</td>
			<td>2.6</td>
		</tr><tr><td>Velocità di fusione (g/min)</td>
			<td>Il 2.67</td>
			<td>0.26</td>
			<td>Il 2.29</td>
			<td>0.09</td>
			<td>Il 1.96</td>
			<td>0.41</td>
		</tr></tbody></table>Tabella 3: Valori medi e di deviazione standard degli indici di fusione calcolati con i metodi gravimetrici per i tre campioni di gelato prodotti con edulcoranti diversi. ts, tempo di inizio fusione. Lettere minuscole diverse nella stessa riga indicano valori medi significativamente diversi (p &lt; 0,05).
La Figura 6 mostra alcune immagini elaborate (fase 2.1) acquisite durante le prove di fusione (fase 1.3) dei tre campioni di gelato; È possibile notare il buon mantenimento della forma di tutti i campioni e la più bassa velocità di fusione del gelato a base di eritritolo, che non si è completamente sciolto dopo 90 minuti.
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/66114/66114fig06.jpg"> Figura 6: Fusione dei tre campioni di gelato. Immagini acquisite ogni 15 minuti durante la fusione dei tre campioni di gelato prodotti con diversi dolcificanti. Immagini elaborate dei tre campioni di gelato durante lo scioglimento. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig06large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>

Un sistema di visione artificiale per la valutazione del comportamento di fusione del gelato

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

Ricerca

JoVE Journal

Engineering

Ingegneria

Abbiamo dimostrato che le lesioni maligne pigmentato con una maggiore attività metabolica di generare quantificabili quantità di calore e la misura della risposta transitoria termica della pelle ad una eccitazione di raffreddamento consente l'identificazione quantitativa dei melanomi e tumori della pelle (vs non-proliferativa nevi) in una fase precoce stadio della malattia.

Visualizzazione quantitativa e diagnosi del tumore della pelle utilizzando Dynamic Thermal Imaging

Proteine ​​leganti ghiaccio (IBPs), noto anche come proteine ​​antigelo, inibiscono la crescita di ghiaccio e sono un additivo promettente per l'uso nella crioconservazione dei tessuti. Lo strumento principale utilizzato per indagare IBPs è il osmometro nanolitri. Abbiamo sviluppato una casa progettata fase di raffreddamento montato su un microscopio ottico e controllato utilizzando un custom-built routine di LabVIEW. Il osmometro nanolitri qui descritto manipolato la temperatura del campione...

LabVIEW a comando nanolitri osmometro Novel per le indagini Protein Ice rilegatura

Vengono presentati metodi sperimentali per lo studio dei processi di raffreddamento allo stato solido e la caratterizzazione delle proprietà dei materiali elastocalorici delle leghe a memoria di forma (SMA). Un banco di prova su misura è stato progettato per il controllo e il monitoraggio completo dei processi di raffreddamento elastocalorico. Inoltre, fornisce una piattaforma di convalida per approcci di modellazione termomeccanicamente accoppiati.

Metodi sperimentali per le indagini di memoria di forma a base processi di raffreddamento Elastocaloric e validazione del modello

Una sorgente di imaging per spettrometria di massa (MSI) operata a pressione atmosferica è stata sviluppata accoppiando il desorbimento laser nel medio infrarosso e la post-ionizzazione elettrospray. La matrice di ghiaccio esogena è stata utilizzata come matrice di assorbimento dell'energia per facilitare il desorbimento risonante del materiale correlato ai tessuti. Questo manoscritto fornisce un protocollo passo-passo per l'esecuzione dell'IR-MALDESI MSI di topo neonatale di tutto il corpo.

Tutto il corpo Imaging Mass Spectrometry da Infrared Matrix-Assisted Laser desorbimento per ionizzazione elettrospray (IR-Maldesi)

Questo documento delinea l'identificazione di proteine ​​di ghiaccio-binding da piante freeze-tolleranti attraverso la valutazione di attività di inibizione ghiaccio ricristallizzazione e successivo isolamento di IBPS native che utilizzano la purificazione ghiaccio affinità.

Identificazione di Plant proteine ​​Ice vincolante attraverso la valutazione di Ice-ricristallizzazione inibizione e isolanti Utilizzando Ice-affinità Purificazione

Vi presentiamo un protocollo per il rilevamento ottico in tempo reale di singole proteine senza etichetta come essi sono secernuti dalle cellule viventi. Questo si basa su microscopia interferometrica scattering (iSCAT), che può essere applicata ad una varietà di diversi sistemi biologici e configurazioni.

Label-Free Imaging di singole proteine secernuto dalle cellule viventi tramite iSCAT microscopia

In questo documento sono presentati un protocollo per la progettazione del carico utile spaziale, l'esperimento spaziale sulla convezione termocapillare e le analisi di dati e immagini sperimentali.

Esperimento spazio convezione termocapillare sul satellite recuperabile SJ-10

Vi presentiamo un protocollo per studiare la formazione di idrati in presenza di surfactants nonionici sull'interfaccia di una gocciolina d'acqua sommersa in cicline. Il protocollo consiste nel costruire un regolatore di temperatura a basso costo, programmabile. Il sistema di controllo della temperatura è combinato con tecniche di visualizzazione e misurazioni della pressione interna.

Studiare gli effetti dei surfactant sulla cristallizzazione idratata nelle interfacce olio-acqua utilizzando un dispositivo Modular EStier integrato a basso costo

Viene proposta una metodologia sperimentale basata su misurazioni termiche e reologiche per caratterizzare il processo di polimerizzazione degli adesivi con per ottenere informazioni utili per la selezione dell'adesivo industriale.

Valutazione della polimerizzazione dei sistemi adesivi mediante prove reologiche e termiche

Questa pubblicazione mostra l'applicazione della diffrazione a raggi X e della calorimetria differenziale a scansione come gold standard per lo studio dello stato solido degli eccipienti a base lipidica (LBE). Comprendere l'alterazione allo stato solido negli LBE e il suo effetto sulle prestazioni dei prodotti farmaceutici è il fattore chiave per la produzione di forme di dosaggio robuste a base lipidica.

Un pacchetto di strumenti analitici consolidati per studiare l'alterazione allo stato solido degli eccipienti a base lipidica

In questo articolo, presentiamo un nuovo metodo automatizzato per valutare l'acuità visiva nei neonati e nei bambini utilizzando un sistema di tracciamento oculare.

Un metodo automatizzato per valutare l'acuità visiva nei neonati e nei bambini piccoli utilizzando un sistema di tracciamento oculare

Scopri un sistema di visione artificiale per analizzare il comportamento di fusione del gelato con maggiore sensibilità rispetto ai metodi gravimetrici tradizionali. Questo metodo valuta la ritenzione di forma e dimensione durante lo scioglimento.

Un sistema di visione artificiale per la valutazione del comportamento di fusione del gelato

Esplora altri video