Artigo de método

Um sistema de visão computacional para a avaliação do comportamento de derretimento de sorvetes

2.8K vistas

⸱

DOI:

10.3791/66114

⸱

4 de outubro de 2024

 , 
1Department of Food, Environmental and Nutritional Sciences (DeFENS), Università degli Studi di Milano

Neste artigo

Resumo

Aqui, apresentamos um protocolo baseado em um sistema de visão computacional (CVS) para determinar o comportamento de fusão de sistemas alimentares multifásicos.

Resumo

O comportamento de derretimento é um dos índices de qualidade mais importantes do sorvete. Geralmente é avaliado por métodos gravimétricos e expresso em termos de tempo de início e taxa de fusão. No entanto, o aspecto do sorvete durante a fusão também é importante porque a retenção da forma está ligada a uma boa estrutura do produto. O protocolo aqui proposto ilustra um sistema de visão computacional (CVS) que pode ser usado para suportar a metodologia gravitacional já existente para calcular dois novos índices de fusão relacionados à retenção de forma e taxa de fusão. Fotos de sorvete durante o derretimento são tiradas a cada 15 minutos para um total de 90 minutos. Posteriormente, as imagens digitais são elaboradas usando um método de processamento de imagem desenvolvido propositadamente para calcular a área, altura e largura do sorvete. A razão entre altura e largura em cada tempo de fusão, referida à razão no tempo 0 (Rt/R0), é um índice da retenção da forma do sorvete, enquanto a área nos diferentes tempos de fusão referida à área no tempo 0 (At/A0) está relacionada à taxa de fusão. Este sistema de visão computacional permite a obtenção de resultados altamente sensíveis e confiáveis, podendo ser aplicado não só em sorvetes, mas também em diferentes matrizes alimentares, como chantilly ou albumina de ovo.

Introdução

O sorvete é um sistema multifásico no qual as fases líquida, sólida e gasosa estão estritamente conectadas. A fase líquida contínua envolve bolhas de ar e cristais de gelo e contém gorduras parcialmente cristalizadas, proteínas coloidais, sais, açúcares (eventualmente cristalizados) e estabilizadores. A composição do sorvete varia de acordo com as solicitações do mercado local e possíveis regulamentações. Embora a tecnologia de processamento afete as características do sorvete final, cada constituinte desempenha um papel importante na definição da qualidade do produto1. O comportamento de derretimento é um dos mais importantes índices de qualidade do sorvete, considerando fenômenos que ocorrem tanto durante o consumo quanto na boca. Com a penetração do calor no sorvete, os cristais de gelo derretem e a água se difunde e se mistura com a fase sérica, que pode drenar pela estrutura restante2. Um produto de fusão rápida é indesejável para uma alimentação confortável, mas também para garantir uma maior resistência ao choque térmico. No entanto, produtos de fusão lenta também indicam alguns defeitos na formulação1. Sabe-se que a microestrutura do sorvete é responsável pelas propriedades de fusão3, mas resultados contrastantes foram publicados até o momento, mostrando que o conhecimento sobre a influência de fatores microestruturais na fusão ainda é limitado4. Assim, mais estudos são necessários para elucidar o mecanismo de fusão, o que é crucial também no desenho de novas formulações3.

O comportamento de fusão é geralmente avaliado por métodos gravimétricos e expresso em termos de tempo de início e taxa de fusão5. Uma determinada porção de sorvete é colocada em uma tela de arame em um gabinete de temperatura controlada e o peso do produto derretido é registrado. A partir da curva peso-tempo, três fases podem ser destacadas: a fase de latência durante a qual ocorre a penetração do calor, a fase de fusão rápida com a fase de soro diluído fluindo através da estrutura do sorvete na taxa máxima e a fase estacionária, onde a maior parte do produto pingou2.

Com o método gravimétrico, produtos de fusão lenta e rápida podem ser reconhecidos; No entanto, o aspecto do sorvete durante o colapso também é importante, pois a retenção da forma está ligada a uma boa composição e estrutura do produto6. Assim, um procedimento baseado em um sistema de visão computacional (CVS) pode apoiar a metodologia gravitacional já existente, permitindo o estudo da aparência do produto durante a fusão. Os CVSs podem adquirir vários atributos alimentares3 (por exemplo, tamanho, peso, forma, textura e cor) com detalhes precisos que não podem ser observados pelo olho humano. Tais sistemas são geralmente feitos de câmeras digitais e software de processamento de imagem7. De fato, um protocolo baseado em CVSs inclui duas etapas principais: 1) aquisição de imagem e 2) processamento de imagem. Vários níveis de processamento de imagem podem ser aplicados7, desde os mais simples até os mais complexos, como métodos de aprendizado profundo para desenvolvimento de Inteligência Artificial 8,9. Recentemente, foi dada grande atenção aos CVSs no setor de alimentos, e um grande número de aplicações foi desenvolvido para inspeção de segurança alimentar, monitoramento de processamento de alimentos, detecção de objetos estranhos e outros campos. São rápidos, eficientes e não destrutivos, representando ferramentas válidas para fornecer aos consumidores alimentos seguros e de alta qualidade10.

Na área de sorvetes, um método de análise de imagens foi sugerido para estudar a recristalização do gelo por microscopia óptica11. Mais recentemente, imagens de tomografia computadorizada de raios-X foram processadas para analisar a microestrutura 3D de matérias porosas moles, incluindo sorvete3. No entanto, a elaboração de imagens digitais simples de Charge Coupled Device (CCD) pode apresentar várias vantagens em termos de facilidade de aquisição e renderização do aspecto sorvete percebido pelos consumidores. Alguns autores mostram imagens de sorvete durante o derretimento12, mas, até onde sabemos, a extração de índices numéricos das imagens foi relatada pela primeira vez por Moriano e Alamprese13.

Portanto, o protocolo aqui proposto, baseado no trabalho de Moriano e Alamprese13, ilustra um CVS simples que pode ser aplicado para apoiar a metodologia gravitacional já existente para o estudo do comportamento de derretimento de sorvetes. Um diagrama de blocos do método proposto é ilustrado na Figura 1. O uso de tal sistema permite o cálculo de dois índices de fusão relacionados à retenção da forma e à taxa de fusão. Em particular, o artigo descreve pela primeira vez a configuração experimental detalhada e o procedimento para aquisição de imagem digital durante o derretimento do sorvete e as etapas de processamento da imagem. Além disso, os resultados obtidos com sorvetes produzidos com diferentes adoçantes (ou seja, sacarose, sucromalt e eritritol) são relatados para mostrar o potencial do método.

figure-introduction-1
Figura 1: Diagrama de blocos das metodologias propostas. Resumo das etapas gerais para o Sistema de Visão Computacional proposto e o método gravimétrico para estudar o comportamento de derretimento do sorvete. Clique aqui para ver uma versão maior desta figura.

Protocolo

1. Configuração experimental e procedimentos para ensaios de fusão

  1. Preparação de amostras de sorvete
    1. Escolha copos transparentes de volume e formato fixos, com tampas. Corte duas tiras compridas de papel manteiga com cerca de 2 cm de largura e, com a ajuda de fita adesiva, fixe-as nas paredes internas do copo para formar uma cruz no fundo. Comece a encher o copo com a amostra de sorvete usando uma espátula.
      NOTA: Antes de começar, certifique-se de que o sorvete tenha uma temperatura na faixa de -7 °C a -12 °C para que possa ser espalhado dentro do copo. Preste atenção para não criar espaços vazios durante o enchimento do copo, verificando regularmente a transparência do copo.
    2. Quando o copo estiver cheio, retire suavemente o excesso de sorvete com a espátula, criando uma superfície lisa e plana. Feche o copo com a tampa e guarde a amostra a -30 °C durante pelo menos 24 h.
    3. Antes da análise, condicionar a amostra a -16 °C durante 24 h.
  2. Configuração do teste de fusão e aquisição de imagem
    1. Regular um armário termostático a 20 ± 1 °C. Insira uma balança digital no gabinete e conecte-a a um computador com software para o registro do peso em função do tempo.
    2. Coloque um cilindro graduado na balança digital e redefina o peso. Sobre o cilindro, coloque um funil suspenso para ajudar a coletar o sorvete derretido. A configuração do teste de fusão é mostrada na Figura 2.
      NOTA: O funil deve ser suspenso sobre o cilindro para evitar exceder a escala total da balança digital. Para evitar a instabilidade do funil durante o posicionamento da amostra no início da análise, ele deve ser fixado na prateleira do gabinete sobre o cilindro.
    3. Coloque uma câmera com um tripé na frente da porta do gabinete em uma altura e distância definidas para ter o melhor enquadramento confiável da amostra.
      NOTA: Certifique-se de que a câmera esteja bem alinhada com a amostra de sorvete para evitar erros de paralaxe ao processar a imagem.
  3. Teste de fusão
    1. Prepare uma tela metálica de malha metálica equipada com uma referência de tamanho. Retire o copo de sorvete do freezer, remova a tampa e comece a colocar delicadamente uma espátula entre o sorvete e as paredes do copo para retirar a amostra do recipiente.
      NOTA: O copo de sorvete deve ser removido do freezer somente quando as etapas anteriores (até a etapa 1.2.3) forem concluídas para evitar o derretimento antes do registro dos dados.
    2. Enquanto retira a amostra de sorvete das paredes do copo, mantenha o papel manteiga preso na superfície do sorvete.
    3. Quando toda a amostra de sorvete tiver sido removida das paredes do copo, puxe suavemente as pontas do papel manteiga para extrair o sorvete e coloque-o na tela de arame de metal junto com as tiras de papel manteiga. Em seguida, remova cuidadosamente as tiras de papel manteiga da superfície do sorvete.
      NOTA: Preste atenção para não alterar o formato do sorvete ao executar as etapas 1.3.1-1.3.3.
    4. Coloque a tela de arame de metal com a amostra de sorvete no funil do gabinete. Usando a câmera digital no tripé, tire a primeira foto (t0) da amostra de sorvete com a porta do armário aberta, prestando atenção para fotografar também a referência de tamanho. Feche a porta do armário e comece a registrar os dados gravimétricos a cada minuto com o software conectado à balança.
      NOTA: Não use flash para evitar sombras na imagem e use um fundo muito contrastante para melhorar a segmentação do sorvete. Verifique o foco da imagem adquirida; Se a imagem estiver fora de foco, tire imediatamente uma nova.
    5. Registre os dados gravimétricos por 90 min (um registro por minuto) e tire uma foto da amostra de sorvete (consulte a etapa 1.3.4) a cada 15 min (para um total de 7 fotos).

figure-protocol-1
Figura 2: Configuração do teste de fusão. A figura mostra como configurar o teste de fusão no gabinete termostático: Coloque um cilindro de vidro graduado em uma balança digital para coletar e pesar o sorvete derretido. A amostra de sorvete é colocada em uma tela de malha de arame de metal em um funil suspenso sobre o cilindro. Clique aqui para ver uma versão maior desta figura.

2. Processamento de imagens para cálculo de índices de fusão

  1. Processamento de imagem
    1. Baixe as imagens digitais do cartão de memória da câmera e salve-as como arquivos .tiff ou .jpg sem compactação.
    2. Use os comandos Abrir > Arquivo do software de análise de imagem para abrir as imagens de sorvete. Comece a processar a primeira imagem (t0), corrigindo a rotação se necessário (comandos: Editar > Girar).
    3. Use a referência de tamanho adquirida em cada imagem (consulte as etapas 1.3.1. e 1.3.4.) para calibrar espacialmente a imagem (comandos: Medir > Calibração > Imagem > Espacial), convertendo pixels em milímetros (Figura Suplementar 1).
    4. Selecione a área retangular de interesse (AOI), incluindo a amostra de sorvete e evitando a borda da tela de malha de arame metálico (comandos: Editar > Nova AOI > Retangular). Corte o AOI e converta-o em uma escala de cinza (profundidade de cor, 8) usando os comandos Editar > Ocultar para > Escala de Cinza 8 (Figura Suplementar 2).
    5. Aplique o filtro Melhor ajuste que ajusta automaticamente o brilho e o contraste (comandos: Aprimorar > Equalizar > Melhor Ajuste).
    6. Vá para a janela Medir > Contagem/Tamanho do software e abra a janela Medir para selecionar os seguintes parâmetros: Área, Altura da caixa e Largura da caixa. Em seguida, clique em OK para fechar esta janela (Figura 3 suplementar).
    7. Selecione a medição manual (sinalize Manual na janela Contagem/Tamanho ) e clique em Selecionar intervalos para definir os valores do histograma para segmentar exatamente a forma brilhante do sorvete. Feche a janela Segmentação (Figura Suplementar 4).
    8. Clique em Contagem na janela Contagem/Tamanho do software para medir os três parâmetros selecionados na etapa 2.1.6. Se objetos brilhantes que não sejam a amostra de sorvete forem contados, use um limite de área para filtrar os objetos (comandos: Medir > Selecionar medidas > Área; ajustar os intervalos inicial e final). Visualize os resultados da medição clicando em Exibir dados de medição > (Figura 5 suplementar). Use Arquivo > dados para a área de transferência para copiar os resultados da medição e colá-los em uma planilha de software de gerenciamento de dados.
    9. Repita as etapas de 2.1.2 a 2.1.8 para cada imagem coletada durante o derretimento do sorvete.
  2. Avaliação dos índices de fusão
    NOTA: A partir de agora, os parâmetros de tamanho medidos a partir das imagens de sorvete serão indicados da seguinte forma: A, área; H, altura da caixa; W, largura da caixa (Figura Suplementar 6).
    1. Usando os dados H e W calculados na etapa 2.1 anterior nos diferentes tempos t durante a fusão (0 min, 15 min, 30 min, 45 min, 75 min e 90 min), calcule o índice de retenção de forma (Rt) de acordo com a equação 1:
      figure-protocol-2(1)
    2. De acordo com a equação 2 e a equação 3, consulte os dados R e A calculados em cada momento para o índice correspondente no tempo 0 (R0 e A0) e represente graficamente os resultados obtidos em função do tempo, conforme mostrado na Figura 3A, B. A tendência de At em função do tempo está relacionada à taxa de derretimento do sorvete.
      figure-protocol-3(2)
      figure-protocol-4(3)

Figura suplementar 1: Calibração espacial da imagem. (A) Vá para a janela Medir > Calibração > Espacial do software de análise de imagem. Selecione Novo e sinalize Imagem para abrir a janela Dimensionamento . O comprimento de referência na unidade para converter pixels (por exemplo, milímetros) é indicado. (B) Sobreponha cuidadosamente a barra verde com a parte de referência correspondente ao comprimento indicado e clique em OK. Clique aqui para baixar este arquivo.

Figura suplementar 2: Recortando AOI e convertendo-o em uma escala de cinza. (A) Conversão da Área de Interesse (AOI) em escala de cinza e (B) a imagem resultante. Clique aqui para baixar este arquivo.

Figura 3 suplementar: Seleção dos parâmetros a serem medidos. Na janela Selecionar medição , os parâmetros a serem medidos podem ser selecionados; Para a avaliação do Ice Cream Meltdown, a área, a largura da caixa e a altura da caixa devem ser selecionadas. Clique aqui para baixar este arquivo.

Figura complementar 4: Segmentação da amostra de sorvete. Na janela "Segmentação" é possível selecionar os intervalos de histograma a serem considerados para cobrir exatamente a área da forma de sorvete. Clique aqui para baixar este arquivo.

Figura suplementar 5: Filtrando objetos e a função Count. As linhas vermelhas destacam os objetos brilhantes reconhecidos. Ao aplicar a função de contagem e abrir a janela "View, Dados de medição", os resultados dos parâmetros selecionados serão mostrados (A). Para filtrar apenas a forma de sorvete, é possível selecionar um intervalo de área mínima e máxima na janela "Selecionar Medição", contando assim apenas os parâmetros de um objeto (B). Clique aqui para baixar este arquivo.

Figura 6 suplementar: Índice de retenção de forma (R). A altura da caixa (Ht, linha pontilhada vermelha) e a largura da caixa (Wt, linha sólida preta) usadas para o cálculo do índice de retenção de forma (R) são mostradas. Clique aqui para baixar este arquivo.

figure-protocol-5
Figura 3: Curvas de retenção de forma e área. Exemplo de uma forma de sorvete (A) e (B) curvas de retenção de área, nas quais os valores médios de Rt/R0 e At/A0 são plotados ao longo do tempo; As barras de erro correspondem aos valores de desvio padrão obtidos pelas réplicas de análise. Clique aqui para ver uma versão maior desta figura.

3. Elaboração de dados gravimétricos

  1. Ao final do ensaio de fusão (90 min), salve a planilha com o peso da amostra derretida (gramas) a cada minuto da análise obtida pelo software conectado à balança digital.
  2. Abra a planilha de peso em um software de gerenciamento de dados para criar um gráfico do peso derretido (gramas) em função do tempo (minutos), obtendo assim a curva de fusão da amostra de sorvete.
  3. Selecionar os dados na parte linear da curva de fusão e calcular a linha de regressão dos mínimos quadrados, registando a equação 4 e o coeficiente de regressão (R2).
    figure-protocol-6(4)
  4. O valor da inclinação da linha de regressão (m) é a taxa de derretimento do sorvete (gramas/minuto). Calcular a hora de início da fusão (ts; minuto) como a intercepção x (quando y = 0) do seguinte modo:
    figure-protocol-7(5)

figure-protocol-8
Figura 4: Curva gravimétrica. Exemplo de curva de fusão de sorvete obtida pelo método gravimétrico. A curva original é mostrada em vermelho; as séries de dados selecionadas na parte linear são mostradas em verde; A linha de regressão calculada é mostrada em pontos pretos. A equação e o coeficiente de determinação (R2) da recta de regressão são igualmente indicados. Clique aqui para ver uma versão maior desta figura.

NOTA: Para ter resultados confiáveis a serem analisados estatisticamente, replique todo o procedimento de teste de fusão e processamento de imagem pelo menos três vezes para cada amostra.

Resultados

Como exemplo dos resultados CVS propostos, são mostrados os resultados das análises de fusão para três formulações diferentes de sorvetes, em comparação com os dados obtidos pelo método gravimétrico. Em particular, o comportamento de derretimento de sorvetes feitos com diferentes adoçantes (ou seja, sacarose, sucromalt e eritritol) foi estudado.

A Tabela 1 e a Figura 5A mostram os resultados do índice de retenção de forma (Rt/R0) para as três amostras de sorvete durante a fusão. Retenção de forma semelhante foi observada para todas as amostras até 45 min; em seguida, a amostra confeccionada com sacarose perdeu sua forma mais rapidamente do que os demais produtos, resultando em um Rt/R0 significativamente menor de acordo com a análise de variância (ANOVA) de uma via, seguida pelo teste de Diferença Mínima Significativa (LSD) (p < 0,05). Apenas a amostra contendo eritritol manteve sua forma até o final do ensaio, fornecendo valores mensuráveis de Rt/R0 .

SACAROSESUCROMALTERITRITOL
Tempo (min)At/A0s.d.At/A0s.d.At/A0s.d.
01.00-1.00-1.00-
150,91a0.010,93A0.020,92a0.04
300,76a0.040,82a0.020,84A0.04
450,56a0.040,66ab0.020,74b0.03
600,32a0.010,46b0.020,62c0.01
750,13a0.010,24b0.020,52c0.02
90s.d.-s.d.-0.400.01
s.d., não detectável

Tabela 1: Valores médios e desvio-padrão dos índices de retenção de forma para as três amostras de sorvete produzidas com diferentes adoçantes. Letras minúsculas diferentes na mesma linha indicam valores médios significativamente diferentes (p < 0,05).

figure-results-1
Figura 5: Curvas de retenção de forma e área para as três amostras de sorvete produzidas com diferentes adoçantes. (A) Curvas de retenção de forma e (B) área. A linha rosa representa a amostra de sacarose, considerada como referência; A linha amarela representa a amostra de Sucromalt e a linha azul representa a amostra de eritritol. Clique aqui para ver uma versão maior desta figura.

A amostra com eritritol também apresentou menor taxa de fusão, como evidenciado pelos índices de fusão At/A0 (Tabela 2 e Figura 5B). A partir dos 45 minutos, a amostra de eritritol apresentou a maior retenção de área significativamente (p < 0,05), seguida pelos sorvetes contendo sucromalt e sacarose, respectivamente.

SACAROSESUCROMALTERITRITOL
Tempo (min)Rt/R0s.d.Rt/R0s.d.Rt/R0s.d.
01.00-1.00-1.00-
150,98a0.040,97a0.010,93A0.02
300,94a0.050,94a0.020,89a0.02
450,80A0.030,89a0.020,84A0.02
600,64a0.040,78b0.010,76b0.03
750,54a0.030,65A0.010,60A0.07
90s.d.-s.d.-0.450.06
s.d., não detectável

Tabela 2: Valores de média e desvio padrão dos índices de retenção de área para as três amostras de sorvete produzidas com diferentes adoçantes. Letras minúsculas diferentes na mesma linha indicam valores médios significativamente diferentes (p < 0,05).

Os resultados também foram confirmados pela análise gravimétrica, cujos dados são relatados na Tabela 3 em termos de tempo de início da fusão (tS) e taxa de fusão (gramas/minuto). No entanto, neste caso, não foram encontradas diferenças significativas aplicando a ANOVA (p > 0,05).

SACAROSESUCROMALTERITRITOL
significars.d.significars.d.significars.d.
ts (min)15.3uma1.416.4uma1.417.2uma2.6
Taxa de fusão (g / min)2,67uma0.262,29uma0.091,96uma0.41

Tabela 3: Valores médios e desvio-padrão dos índices de fusão calculados pelos métodos gravimétricos para as três amostras de sorvete produzidas com diferentes adoçantes. ts, tempo de início do derretimento. Letras minúsculas diferentes na mesma linha indicam valores médios significativamente diferentes (p < 0,05).

A Figura 6 mostra algumas imagens processadas (etapa 2.1) adquiridas durante os testes de fusão (etapa 1.3) das três amostras de sorvete; É possível notar a boa retenção de forma de todas as amostras e a menor taxa de derretimento dos sorvetes feitos com eritritol, que não foi completamente derretido após 90 min.

figure-results-2
Figura 6: Fusão das três amostras de sorvete. Fotos adquiridas a cada 15 minutos durante o derretimento das três amostras de sorvete produzidas com diferentes adoçantes. Imagens processadas das três amostras de sorvete durante a fusão. Clique aqui para ver uma versão maior desta figura.

Discussão

O CVS proposto permite o cálculo dos índices de retenção de forma e área de amostras de sorvete durante a fusão, além de visualizar o processo de fusão. Pode ser acoplado ao método gravimétrico tradicional aplicado para avaliar o comportamento de fusão do sorvete5, para obter resultados relacionados ao aspecto do sorvete. Isso é muito importante porque os consumidores avaliam sua qualidade também com base na aparência visual do produto, e a capacidade de manter a forma durante a fusão está ligada à composição e estrutura do sorvete 1,3. A aplicação desse sistema em indústrias alimentícias pode melhorar o controle de qualidade, bem como a pesquisa e o desenvolvimento de novas formulações.

O exemplo de resultados obtidos para a fusão de três amostras de sorvete diferentes para os adoçantes utilizados demonstrou que o CVS proposto é sensível às diferentes composições (Tabela 1 e Tabela 2), ainda mais do que o método gravimétrico, que não foi capaz de destacar diferenças significativas entre as amostras (Tabela 3). A sensibilidade do índice de retenção de forma à formulação de sorvete também foi demonstrada em nossos trabalhos anteriores 13,14,15,16. Devido à alta sensibilidade do método proposto, pode até substituir o procedimento gravimétrico.

Além do preparo da amostra de sorvete, as etapas mais críticas do CVS desenvolvido estão relacionadas à boa captura e segmentação de imagens7. A referência dos dados Rt e At aos valores iniciais calculados no momento 0 evita possíveis resultados enganosos devido a diferentes experiências estabelecidas entre os replicados. No entanto, erros de paralaxe durante a aquisição da imagem podem resultar em uma superestimação da área da amostra durante a fusão, especialmente se as imagens coletadas em um único teste não forem consistentes devido a uma mudança de posição da câmera de uma aquisição para outra. Assim, grande atenção deve ser dada à configuração do procedimento de aquisição de imagem, certificando-se de que a tela de malha de arame de metal com a amostra na parte superior esteja perfeitamente alinhada com a objetiva da câmera e definindo e protegendo cuidadosamente a posição da câmera na frente do gabinete termostático. Da mesma forma, uma segmentação de imagem ruim pode levar a uma superestimação ou subestimação da área de sorvete, mas também de H e W, resultando em índices de retenção de forma sem sentido. Nesse caso, a maior fonte de erro é representada por possíveis picos na borda da porção de sorvete colocada na tela de arame, ou bolhas que aparecem na superfície do sorvete durante a fusão (Figura 7), que devem ser removidas da forma brilhante antes de medir a área da caixa e a caixa W e H. Isso pode ser solucionado usando a função Split Object do software de análise de imagem. Um fundo de alto contraste também é útil para uma melhor segmentação de imagens7. A cor de fundo deve ser escolhida com base na cor da amostra de sorvete, e alta saturação de cor é desejável para melhor contraste.

figure-discussion-1
Figura 7: Possíveis fontes de erro na segmentação do formato do sorvete. As setas vermelhas indicam possíveis picos e bolhas no formato do sorvete que podem levar a um cálculo errado de área, altura e largura. Clique aqui para ver uma versão maior desta figura.

Se as imagens forem bem coletadas e processadas, o CVS é ainda mais sensível e preciso do que a metodologia gravimétrica. De fato, nos exemplos mostrados, os coeficientes de variação para as análises gravimétricas variaram entre 4% e 20%, fazendo com que todos os dados médios não fossem significativamente diferentes (ANOVA, p > 0,05). Ao contrário, para os índices CVS, os valores do coeficiente de variação variaram de 0,1% a 13%, revelando diferenças significativas entre as três amostras de sorvete durante a fusão (Tabela 1 e Tabela 2). A redução da taxa de fusão causada pelo eritritol provavelmente está relacionada à formação de cristais de açúcar amorfo durante o congelamento do sorvete e à menor solubilidade desse adoçante em comparação com a sacarose e o sucromalt, que representam maior quantidade de água congelada no produto final13. Outras aplicações bem-sucedidas do CVS aqui propostas podem ser encontradas em nossos estudos anteriores 13,14,15,16.

Quando uma boa padronização do procedimento de processamento de imagem é alcançada, o processamento automático de imagem pode ser definido usando a função Macro-Gravação do software de análise de imagem, tornando o processo de elaboração muito mais rápido. Obviamente, uma revisão precisa de dados pelo operador é sempre necessária para evitar artefatos e dados errados. Além disso, a elaboração das curvas de retenção de forma e área pode ser realizada para calcular os parâmetros cinéticos e substituir o método gravimétrico.

O protocolo também pode ser aplicado a outros produtos alimentícios para os quais a taxa de fusão e o índice de retenção de forma são importantes, como mousses e espumas (por exemplo, chantilly e albumina de ovo). O ponto mais importante é a autoportividade dos produtos, enquanto a temperatura durante os testes de fusão pode ser adaptada ao produto específico.

Divulgações

Os autores não têm nada a divulgar.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
GabineteCavallo s.r.l.FTX700Localização para o teste de fusão
Câmera digitalSony Group CorpDSC-S650
Balança digitalGibertini ElettronicaEU-C 4002 LCD
ImagePro Plus 7.0Media Cybernetics, IncN/ASoftware de elaboração de análise de imagem
Microsoft ExcelMicrosoftN/AElaboração de dados e gráficos
ScalecomGibertini ElettronicaN/ABalança digital aquisição de software
TripéManfratto#055

Referências

  1. Marshall, R. T., Arbuckle, W. S. Ice Cream. , Chapman and Hall. New York. (1996).
  2. Goff, H. D., Hartel, R. W. Ice Cream. , Springer. Boston. (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. , Nova Science Publishers, Inc. Hauppauge, NY. Chapter 11 (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).

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Reten o de FormaTaxa de Fus oAn lise Gravim tricaProcessamento de ImagensImagem DigitalMedi o de reaCompara o de Ado antes

Artigos relacionados