Name: Um sistema de visão computacional para a avaliação do comportamento de derretimento de sorvetes (Vídeo) | JoVE Journal
Uploaded: 2024-10-04T12:40:00.000+00:00
Duration: 8 min 2 s
Description: Aprenda a avaliar o comportamento de derretimento de sorvetes usando um sistema de visão computacional. Este método detecta variações sutis na retenção de forma e tamanho durante a fusão, superando métodos gravimétricos tradicionais em sensibilidade e detalhamento visual.

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. Configuração experimental e procedimentos para ensaios de fusão
<ol><li>Preparação de amostras de sorvete<ol><li>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.</li>
		<li>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.</li>
		<li>Antes da análise, condicionar a amostra a -16 °C durante 24 h.</li>
	</ol></li>
	<li>Configuração do teste de fusão e aquisição de imagem<ol><li>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.</li>
		<li>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.</li>
		<li>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.</li>
	</ol></li>
	<li>Teste de fusão<ol><li>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.</li>
		<li>Enquanto retira a amostra de sorvete das paredes do copo, mantenha o papel manteiga preso na superfície do sorvete.</li>
		<li>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.</li>
		<li>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.</li>
		<li>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).</li>
	</ol></li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66114/66114fig02.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
2. Processamento de imagens para cálculo de índices de fusão
<ol><li>Processamento de imagem<ol><li>Baixe as imagens digitais do cartão de memória da câmera e salve-as como arquivos .tiff ou .jpg sem compactação.</li>
		<li>Use os comandos Abrir &gt; 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 &gt; Girar).</li>
		<li>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 &gt; Calibração &gt; Imagem &gt; Espacial), convertendo pixels em milímetros (Figura Suplementar 1).</li>
		<li>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 &gt; Nova AOI &gt; Retangular). Corte o AOI e converta-o em uma escala de cinza (profundidade de cor, 8) usando os comandos Editar &gt; Ocultar para &gt; Escala de Cinza 8 (Figura Suplementar 2).</li>
		<li>Aplique o filtro Melhor ajuste que ajusta automaticamente o brilho e o contraste (comandos: Aprimorar &gt; Equalizar &gt; Melhor Ajuste).</li>
		<li>Vá para a janela Medir &gt; 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).</li>
		<li>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).</li>
		<li>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 &gt; Selecionar medidas &gt; Área; ajustar os intervalos inicial e final). Visualize os resultados da medição clicando em Exibir dados de medição &gt; (Figura 5 suplementar). Use Arquivo &gt; dados para a área de transferência para copiar os resultados da medição e colá-los em uma planilha de software de gerenciamento de dados.</li>
		<li>Repita as etapas de 2.1.2 a 2.1.8 para cada imagem coletada durante o derretimento do sorvete.</li>
	</ol></li>
	<li>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).<ol><li>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: <img alt="Equation 1" src="/files/ftp_upload/66114/66114eq01.jpg" style="margin: auto;">(1)</li>
		<li>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. <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 suplementar 1: Calibração espacial da imagem. (A) Vá para a janela Medir &gt; Calibração &gt; 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. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%201S.zip" target="_blank">Clique aqui para baixar este arquivo.</a>
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. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%202S.zip" target="_blank">Clique aqui para baixar este arquivo.</a>
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. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%203S.zip" target="_blank">Clique aqui para baixar este arquivo.</a>
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. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%204S.zip" target="_blank">Clique aqui para baixar este arquivo.</a>
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). <a href="https://www.jove.com/files/ftp_upload/66114/Figure%205S.zip" target="_blank">Clique aqui para baixar este arquivo.</a>
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. <a href="https://www.jove.com/files/ftp_upload/66114/Figure%206S.zip" target="_blank">Clique aqui para baixar este arquivo.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66114/66114fig03.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig03large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
3. Elaboração de dados gravimétricos
<ol><li>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.</li>
	<li>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.</li>
	<li>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). <img alt="Equation 4" src="/files/ftp_upload/66114/66114eq04.jpg" style="margin: auto;">(4)</li>
	<li>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: <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 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. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig04large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
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.

<meta charset="utf8"></head><body>Estudando o comportamento de derretimento do sorvete usando um sistema de visão computacional

<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>

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.
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/66114/66114fig07.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig07large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
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 &gt; 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.

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.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66114/66114fig01.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>

<table><tbody><tr><td>Gabinete</td><td>Cavallo s.r.l.</td><td>FTX700</td><td>Localização para o teste de fusão</td></tr><tr><td>Câmera digital</td><td>Sony Group Corp</td><td>DSC-S650</td><td></td></tr><tr><td>Balança digital</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 de elaboração de análise de imagem</td></tr><tr><td>Microsoft Excel</td><td>Microsoft</td><td>N/A</td><td>Elaboração de dados e gráficos</td></tr><tr><td>Scalecom</td><td>Gibertini Elettronica</td><td>N/A</td><td>Balança digital aquisição de software</td></tr><tr><td>Tripé</td><td>Manfratto</td><td>#055</td><td></td></tr></tbody></table>

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

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

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 &lt; 0,05). Apenas a amostra contendo eritritol manteve sua forma até o final do ensaio, fornecendo valores mensuráveis de 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">SACAROSE</td>
			<td colspan="2">SUCROMALT</td>
			<td colspan="2">ERITRITOL</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>0,91a</td>
			<td>0.01</td>
			<td>0,93A</td>
			<td>0.02</td>
			<td>0,92a</td>
			<td>0.04</td>
		</tr><tr><td>30</td>
			<td>0,76a</td>
			<td>0.04</td>
			<td>0,82a</td>
			<td>0.02</td>
			<td>0,84A</td>
			<td>0.04</td>
		</tr><tr><td>45</td>
			<td>0,56a</td>
			<td>0.04</td>
			<td>0,66ab</td>
			<td>0.02</td>
			<td>0,74b</td>
			<td>0.03</td>
		</tr><tr><td>60</td>
			<td>0,32a</td>
			<td>0.01</td>
			<td>0,46b</td>
			<td>0.02</td>
			<td>0,62c</td>
			<td>0.01</td>
		</tr><tr><td>75</td>
			<td>0,13a</td>
			<td>0.01</td>
			<td>0,24b</td>
			<td>0.02</td>
			<td>0,52c</td>
			<td>0.02</td>
		</tr><tr><td>90</td>
			<td>s.d.</td>
			<td>-</td>
			<td>s.d.</td>
			<td>-</td>
			<td>0.40</td>
			<td>0.01</td>
		</tr><tr><td colspan="7">s.d., não detectável</td>
		</tr></tbody></table>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 &lt; 0,05).
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66114/66114fig05.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig05large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
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 &lt; 0,05), seguida pelos sorvetes contendo sucromalt e sacarose, respectivamente.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td></td>
			<td colspan="2">SACAROSE</td>
			<td colspan="2">SUCROMALT</td>
			<td colspan="2">ERITRITOL</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>0,98a</td>
			<td>0.04</td>
			<td>0,97a</td>
			<td>0.01</td>
			<td>0,93A</td>
			<td>0.02</td>
		</tr><tr><td>30</td>
			<td>0,94a</td>
			<td>0.05</td>
			<td>0,94a</td>
			<td>0.02</td>
			<td>0,89a</td>
			<td>0.02</td>
		</tr><tr><td>45</td>
			<td>0,80A</td>
			<td>0.03</td>
			<td>0,89a</td>
			<td>0.02</td>
			<td>0,84A</td>
			<td>0.02</td>
		</tr><tr><td>60</td>
			<td>0,64a</td>
			<td>0.04</td>
			<td>0,78b</td>
			<td>0.01</td>
			<td>0,76b</td>
			<td>0.03</td>
		</tr><tr><td>75</td>
			<td>0,54a</td>
			<td>0.03</td>
			<td>0,65A</td>
			<td>0.01</td>
			<td>0,60A</td>
			<td>0.07</td>
		</tr><tr><td>90</td>
			<td>s.d.</td>
			<td>-</td>
			<td>s.d.</td>
			<td>-</td>
			<td>0.45</td>
			<td>0.06</td>
		</tr><tr><td colspan="7">s.d., não detectável</td>
		</tr></tbody></table>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 &lt; 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 &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">SACAROSE</td>
			<td colspan="2">SUCROMALT</td>
			<td colspan="2">ERITRITOL</td>
		</tr><tr><td></td>
			<td>significar</td>
			<td>s.d.</td>
			<td>significar</td>
			<td>s.d.</td>
			<td>significar</td>
			<td>s.d.</td>
		</tr><tr><td>ts (min)</td>
			<td>15.3uma</td>
			<td>1.4</td>
			<td>16.4uma</td>
			<td>1.4</td>
			<td>17.2uma</td>
			<td>2.6</td>
		</tr><tr><td>Taxa de fusão (g / min)</td>
			<td>2,67uma</td>
			<td>0.26</td>
			<td>2,29uma</td>
			<td>0.09</td>
			<td>1,96uma</td>
			<td>0.41</td>
		</tr></tbody></table>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 &lt; 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.
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/66114/66114fig06.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/66114/66114fig06large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>

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

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

JoVE Journal

Engineering

Engenharia

Nós demonstramos que as lesões malignas pigmentadas com uma maior atividade metabólica gerar quantidades de calor e quantificáveis ​​a medição da resposta transiente térmico da pele para uma excitação de refrigeração permite a identificação quantitativa de melanoma e outros cânceres de pele (vs. não-proliferativa nevos), numa fase inicial estágio da doença.

Visualization quantitativos e Detecção de Câncer de Pele Usando imagens térmicas dinâmico

Proteínas de ligação de gelo (IBPS), também conhecidas como proteínas anticongelantes, inibir o crescimento do gelo e são um aditivo promissor para uso na criopreservação de tecidos. A principal ferramenta utilizada para investigar IBPS é o osmómetro nanolitro. Nós desenvolvemos uma casa projetada fase de arrefecimento montado em um microscópio óptico e controlados usando uma custom-built rotina LabVIEW. O osmómetro nanolitro descrito aqui manipulado a temperatura da amostra de forma...

LabVIEW operado Osmometer nanolitro Novel de Investigações de gelo ligação às proteínas

Métodos experimentais para investigação de processos de resfriamento em estado sólido e caracterização das propriedades do material elastocalórico de Ligas com Memória de Forma (SMA) são apresentados. Um equipamento de teste personalizado foi projetado para controlar e monitorar detalhadamente os processos de resfriamento elastocalórico. Além disso, fornece uma plataforma de validação para abordagens de modelagem termomecanicamente acopladas.

Métodos experimentais para processos de resfriamento Elastocaloric Investigação de Memória de Forma baseada e Validação de Modelo

Uma fonte de imagem de espectrometria de massa (MSI) operada à pressão atmosférica foi desenvolvida acoplando dessorção a laser de infravermelho médio e pós-ionização por eletrospray. A matriz de gelo exógena foi usada como matriz de absorção de energia para facilitar a dessorção ressonante do material relacionado ao tecido. Este manuscrito fornece um protocolo passo a passo para a realização de IR-MALDESI MSI de camundongos neonatais de corpo inteiro.

Whole-body Espectrometria de Massa de imagem por infravermelhos matriz assistida por laser de Dessorção Ionização por Electrospray (IR-MALDESI)

Este documento descreve a identificação de proteínas de ligação de gelo a partir de plantas freeze-tolerantes através da avaliação da actividade de inibição de recristalização de gelo e subsequente isolamento de IBPs nativas usando gelo purificação por afinidade.

Identificação de Proteínas de gelo Planta de ligao por meio da avaliação da Inibição de gelo-recristalização e isolamento utilizando purificação por afinidade de gelo

Apresentamos um protocolo para a detecção óptica em tempo real de proteínas sem rótulo única, como eles são secretados de células vivas. Isto é baseado em microscopia de dispersão interferométricas (iSCAT), que pode ser aplicada a uma variedade de diferentes sistemas biológicos e configurações.

Etiqueta-Free Imaging de único proteínas secretadas de células vivas através de iSCAT microscopia

Neste artigo são apresentados um protocolo para o projeto de carga espacial, o experimento espacial em convecção termocapilar e análises de dados e imagens experimentais.

Experimento espacial de convecção termocapilar no satélite recuperável SJ-10

Apresentamos um protocolo para estudar a formação de hidratos na presença de surfactantes nonionicos na interface de uma gotícula de água submersa em ciclopentano. O protocolo consiste na construção de um regulador de temperatura de baixo custo, programável. O sistema de controle de temperatura é combinado com técnicas de visualização e aferição de pressão interna.

Estudando efeitos surfactantes na cristalização do hidrato em interfaces óleo-água usando um dispositivo modular modular integrado de baixo custo

Propõe-se uma metodologia experimental baseada em medidas térmicas e reológicas para caracterizar o processo de cura dos adesivos para obter informações úteis para a seleção de adesivos industriais.

Avaliação da Cura de Sistemas Adesivos por Testes Reológicos e Térmicos

Esta publicação mostra a aplicação da difração de raios X e da calorimetria exploratória diferencial como padrão-ouro para investigar o estado sólido de excipientes à base de lipídios (LBEs). Compreender a alteração do estado sólido em LBEs e seu efeito sobre o desempenho de produtos farmacêuticos é o fator-chave para a fabricação de formas de dosagem robustas à base de lipídios.

Um pacote de ferramentas analíticas estabelecidas para investigar a alteração do estado sólido de excipientes à base de lipídios

Neste artigo, apresentamos um novo método automatizado para avaliar a acuidade visual em bebês e crianças pequenas usando um sistema de rastreamento ocular.

Um método automatizado para avaliar a acuidade visual em bebês e crianças pequenas usando um sistema de rastreamento ocular

Aprenda a avaliar o comportamento de derretimento de sorvetes usando um sistema de visão computacional. Este método detecta variações sutis na retenção de forma e tamanho durante a fusão, superando métodos gravimétricos tradicionais em sensibilidade e detalhamento visual.

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

Explorar mais vídeos