基于计算机视觉的挤压食品质构特征分析

曾晓娟

（江苏安全技术职业学院，江苏徐州221011）

基于计算机视觉的挤压食品质构特征分析

曾晓娟

（江苏安全技术职业学院，江苏徐州221011）

质构分析仪是目前最常用的挤压食品质构分析方法，但是该方法存在工作量大、耗时、无法实现快速在线检测等局限。因此为克服质构仪检测的局限性，提出利用计算机视觉分析系统对挤压食品的质构特性进行分析。通过对几种常见的挤压食品进行认识和了解的学习后，将计算机视觉系统采集的食品样品图片数据和质构仪检测的质构特性进行对比度分析。建立相关线性关系得出计算机视觉分析系统能够有效对挤压食品质构特征进行分析，并确定了一种简单快捷的基于计算机视觉的挤压食品质构分析方法。

计算机视觉；挤压食品；质构特征；线性拟合

随着现代社会生活节奏的加快，人们的饮食习惯也在逐渐发生变化。其中挤压食品是一种将谷物、油料种籽、动植物蛋白等原料在不同温度、压力和机械剪切等共同作用下，通过挤压工艺使食品中的水分、蛋白质、纤维素和酶等物质发生物化变化而制成的食品，由于具有即食性、便携性和种类多样性等特点受到越来越多消费者的青睐[1-2]。根据食品管理中对挤压食品的卫生指标、理化指标、感官指标和质量要求，产品的质构特性分析对产品研发、质量控制、感官评价和工艺设备选型都具有非常重要的意义。评价挤压食品口感特性的指标主要包括感官评价和质构测定，其中感官评价是通过评价员直接接触食品时的感官指标，如外形、气味等，来描述和判断产品质量，利用刺激感知，并对这些刺激进行记忆、对比和综合分析，最终使用打分的形式给出综合评价，这种方法更直观、实际，但比较费时，而且重复性差，因此需要更加简便可靠的客观方法来进行评价[3-4]；质构特性通常经过质构分析仪的质构剖面分析（texture profile analysis，TPA）测定，但TPA检测过程会存在破坏食品结构、耗时较长，不能做到快速在线检测等缺陷[5]。

近年来随着计算机技术和现代图像采集技术的快速发展与应用，计算机视觉系统（CVS，Computer vision system）已经广泛应用于多个研究领域，其中包括食品科学[6]。已有研究报道指出食品颜色的差异往往是由结构决定的，因此可以利用食品颜色这一感官特性来分析食品的质构特性[7]。本文克服质构仪检测的局限性，通过计算机视觉系统采集不同挤压食品的表面图像数据，同时利用质构仪测得样品的质构特性参数，根据二者的变量关系预测挤压食品的质构特征。

1 计算机视觉分析技术与挤压食品介绍

1.1 计算机视觉分析技术

20世纪70年代中后期随着遥感图像处理分析和生物医学图像处理分析这两项技术的发展而逐渐形成了计算机视觉技术，随后，欧美和日韩等一些国家的研究人员将计算机视觉技术成功的在农业自动化领域等多个方面进行研究与应用推广，例如农产品品质鉴定、作物的生长状态实时监控等。虽然该技术目前尚达不到人类视觉的准确性，但是计算机视觉的感受范围更宽，能够延伸到人类看不到的紫外和红外光线等[8-9]。

计算机视觉一般采用CCD照相机来摄取待检测物体的图像，并通过特定的算法将其转化成数字信号，再通过软件对图像数字信号进行处理，得到与所需目标图像对应的特征值，并经过模式建立与识别，坐标的计算，数据存储等功能，或者直接将图像数字信号传输到具有记忆识别功能的计算机系统中进行拟合运算。然后再根据处理结果显示图像，输出数据和指令，并按照分析人员给定的命令进行数据筛选和反馈，以及数据统计等工作。

1.2 挤压食品

挤压食品是经过混合、搅拌、破碎、加热、蒸煮、杀菌、膨化及成型等多道工序制作而成的食品。食品挤压技术在我国应用时间不长，但由于它所具有的显著特点而得到了迅速的推广应用。挤压食品可以作为成品直接包装出售，也可以对其进行二次加工后作为符合特定口感和特性的二次膨化食品出售[10]。

挤压食品按照加工工艺的不同，可以分为：蒸煮成型产品、组织化产品、挤压膨化产品3种。蒸煮成型食品是将加热蒸煮与挤压成型两种作用有机结合，使原料经过挤压机之后，成为具有一定形状和质构的熟化或半熟化的产品；组织化食品主要是指植物蛋白经组织化后，产生出类似于肌肉的结构和纤维的特征，通过对其口感的改善，同时扩大使用范围和提高营养价值的一种挤压食品。

2 材料与方法

2.1 材料与仪器

原料：小麦面粉、玉米粉、荞麦粉、乳酪、食用油；即食食品：蛋卷、通心面、火腿肠；所有食品均于当地华润万家超市采购。

仪器：高速万能粉碎机（fw100型，上海楚定分析仪器有限公司）；双螺杆挤压机（DL56-III型，济南德伦机械设备有限公司）；食品物性分析仪（TMS-Pilot型，美国FTC公司生产，杭州嘉维创新科技有限公司代理）；CCD相机（8050M-CL-TE型，美国Thorlabs公司，带图像采集卡与数据连接线）；LED光源（0.2W，显色指数80，XML-T6型，深圳市宇亮光电技术有限公司）。

2.2 样品制备

先用高速万能粉碎机粉碎面粉、玉米粉和荞麦粉等原料，过100目筛后加入融化的乳酪，然后将玉米粉和面粉、荞麦粉、乳酪、食用油和饮用水以不同比例混合。将各组试验原料充分混匀后加入双螺杆挤压机中挤压加工。加工过程中3个区温度分别控在80、90、100℃。挤出的产品经过定型后放置于25℃恒温很湿箱内保存至平衡水分后装入经辐照灭菌的聚乙烯包装袋中真空包装，于4℃下冷藏待用。检测前切割样品，分别将上述自制样品与即食食品切成长×宽×高为2 cm×2 cm×0.5 cm的样块。检测时先在计算机视觉系统中采集样品的图像，再用质构仪测定其质构特征值。

2.3 样品图片信息采集

本试验所用计算机视觉系统主要由检测器和计算机构成，其示意图如图1所示。

检测器是一个80 cm×80 cm×50 cm的不透光的立方箱体，内部固定两LED灯作为平行光源，入射光角度与样品大约呈45°。检测器顶部固定一台CCD相机，用于采集样品图像。获取的彩色图像通过USB数据端口传输到计算机中，并用Picturemotion browser软件中进行处理并储存，导出各样品图片的对比度值。

图1 用于挤压食品质构分析的计算机视觉系统Fig.1 A computer vision system for textureanalysisof extrusion food

2.4 质构特征参数测定

测定前将首先确保质构测定仪已经调零，采用GB/T15682-2008《粮油检验稻谷、大米蒸煮食用品质感官评价方法》的标准方法对样品质构特性进行测试。记录样品硬度、胶黏性和粘聚性，重复测定3次取平均值。

3 结果与讨论

与人眼对物体色彩的感受相似，计算机视觉所采集图片信息应该包括两个方面，一是色彩的颜色（即色度），二是色彩的纯度（即饱和度），而计算机视觉中的颜色还包括其对比度，因此本文选择计算机视觉系统采集图片的对比度为研究对象，讨论其在该系统对样品的识别率，及其与TPA法测定的质构特征数据的关系。

3.1 计算机视觉体统对样品的识别率

计算机视觉体系对不同样品的识别率如表1所示。

表1 计算机视觉体系对不同样品的识别率Table1 The recognition rateof different samplesby com puter vision system

从表1中可以看出该计算机视觉系统对于几种常见挤压食品试样和自制样品的识别率都比较高，除了蛋卷的识别率为84%，其他样品的识别率均在90%以上，这是由于蛋卷的表面结构比较粗糙，加上含水率较低，从而表面形貌差别较大，所以使得计算机对某些蛋卷样品产生“陌生”感而不识别。

3.2 样品图片颜色与其硬度的关系

将计算机视觉体统采集的不同配方自制样品图片的对比度与质构仪测的相应样品的硬度值在Origin软件中作图并进行线性拟合，所得结果如图2所示。

图2 挤压食品对比度与硬度的关系Fig.2 Relationship between contrastand hardnessof extrusion food

从图2中可以看出，随着挤压食品的硬度增加，虽然在相同硬度条件下对应的图片对比度有一定的离散性，但是总体所得样品图片的对比度明显减小趋势不变。这是由于样品配方中荞麦粉和玉米粉质硬，随着二者含量的增加，挤出产品的硬度增加，而对应的样品图片对比度减小说明了样品表面色差减小。

3.3 样品图片颜色与其胶黏性、粘聚性的关系

将计算机视觉体统采集的不同配方自制样品图片的对比度与质构仪测的相应样品的胶黏性和粘聚性数值在Origin软件中作图并进行线性拟合，所得结果分别显示在如图3和图4中。

图3 挤压食品对比度与胶黏性的关系Fig.3 Relationship between contrastand gumm inessof extrusion food

从图3和图4中可以看出，随着挤压食品的胶黏性和粘聚性增加，样品图片的对比度随之增大而增加，尽管在图中的数据点离散性有所差异，拟合系数也相差较大，但是总体的趋势基本一致。这是由于样品配方中小麦面粉相对质软而且粘，随着其含量的增加，挤出产品的胶黏性和粘聚性增加，从而使所得产品表面色差增加，从而表现出对比度增加的现象。

图4 挤压食品对比度与粘聚性的关系Fig.4 Relationship between contrastand cohesivenessof extrusion food

4 结语

本文主要探索了一种运用挤压食品颜色与其质构特性参数的线性拟合关系来预测挤压食品质构特征的新思路，试验结果证明了计算机视觉系统对不同挤压食品在50次图像采集的“认识”过程中均表现出了较好的辨识率，而且通过CVS采集的挤压食品颜色信息和质构分析仪获取的质构特征值的线性拟合分析也证明了二者之间存在较强相关性。从而根据这种相关性便可以建立挤压食品质构分析的基于计算机视觉的分析系统，通过模拟和预测，实现可通过采集样品颜色值预测挤压食品质构特征的目的。这不仅可以弥补传统的挤压食品质构检测耗时和破坏食品结构的缺陷，同时还使得检测的精确性得到改善，而且计算机视觉系统的结构可以灵活改变，可以实现挤压食品生产加工的在线检测，省去了取样的麻烦，能够极大的提高工作效率。该方法不仅可以实现挤压食品质构特征的快速检测，也可以在多个相关领域得到应用与推广，具有广泛的应用前景。

[1] 惠更平,邵虎.挤压五谷杂粮营养早餐食品的工艺参数研究[J].农业科技与装备,2010(11):30-32

[2]郭萌萌,耿赟,郝夕祥,等.啤酒糟-玉米膨化食品的双螺杆挤压工艺与配方[J].食品与发酵工业,2010(4):92-95

[3] 赵学伟,魏益民,杜双奎.食品挤压膨胀及其对质构特性影响的数学模型[J].中国粮油学报,2010,25(8):85-90

[4]刘明,刘艳香,谭斌,等.几种食品添加剂对挤压即食食品丙烯酰胺形成的抑制效果研究[J].食品科技,2011(7):237-241

[5]韦雪飞,陈运中,李明起,等.甘薯全粉的营养成分及其挤压食品特性分析研究[J].武汉轻工大学学报,2010,29(1):11-13

[6]贾慧星,章毓晋.车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J].自动化学报,2007,33(1):84-90

[7] 黎松,平西建,丁益洪.开放源代码的计算机视觉类库OpenCv的应用[J].计算机应用与软件,2005,22(8):134-136

[8] 冯斌,汪懋华.基于颜色分形的水果计算机视觉分级技术[J].农业工程学报,2002,18(2):141-144

[9]李长缨,滕光辉,赵春江,等.利用计算机视觉技术实现对温室植物生长的无损监测[J].农业工程学报,2003,19(3):140-143

[10]范方辉,唐书泽,马强,等.基于计算机视觉和人工神经网络预测挤压食品的质构特征[J].食品工业科技,2013,34(21):127-132

Extrusion Food Quality and Structure Study of Computer Vision Analysis

ZENGXiao-juan
（Jiangsu CollegeofSafety Technology，Xuzhou 221011，Jiangsu，China）

Quality and structure analyzer is themostcommonlymethod forextrusion food quality and structure analysis.However，thismethod has its limitationssuch asbigworkload，timeconsuming，unable to realize rapid online detection and other limitations.To overcome the limitations of structure test，this paper proposes using computer vision analysissystem forextrusion food quality and structure characteristicsanalysis.Through theextrusion ofseveral common food for the study of knowledge and understanding，computer vision system was used to collect the image dataand thequality and structureof food samples to testquality and structure characteristics of thecontrastanalysis.Theestablished relevant linear relationscould concludestheeffectivenessof thecomputer visionanalysissystem for improving theanalysisofqualityand structureofextrusion food characteristics.Thispaperproposesasimpleand fastextrusion food qualityand structureanalysismethod based on computervision.

computervision；squeeze the food；astral constructcharacteristic；linear fitting

10.3969/j.issn.1005-6521.2016.24.010

2016-10-12

曾晓娟（1977—），女（汉），讲师，硕士，主要研究方向：计算机软件技术、计算机应用、动漫设计、工业设计。