基于数字图像分析的烘焙食品纹理评估新方法及其在面包品质控制中的应用研究

《Applied Food Research》：Digital image analysis to assess the texture of bread products

本研究针对传统面包纹理分析方法存在操作繁琐、成本高且难以规模化应用的问题，开发了一款基于MATLAB的Bread Texture Analyser (BTA)应用，通过数字图像分析技术非破坏性地获取面包的“数字纹理指纹”（digital texture-fingerprints）。研究通过两个案例证实，该方法能有效量化面包纹理的孔隙率（Mean Region Area）、密度指数（Density Index）和相对面积比（Relative Area Ratio）等参数，为烘焙工业提供了快速、低成本的品质监控新工具，具有重要的产业化应用前景。

　　

面包，这一全球性的主食，其品质的评判远不止于外观和口感。纹理——即面包内部瓤心的结构特征，是揭示其品质、原料配比和烘焙工艺的关键指标。一个理想的面包纹理，如法棍应有的开放、不规则气孔，象征着良好的发酵和醒发过程；而致密紧实的结构则可能预示着发酵不足或搅拌过度等工艺问题。然而，长期以来，如何科学、便捷地量化评估面包纹理，一直是烘焙行业和食品科学研究面临的挑战。传统的感官评价虽然能反映消费者的真实体验，但耗时耗力且难以规模化；仪器分析（如质地剖面分析TPA和压缩测试）虽然能提供量化数据，但设备昂贵、操作专业，且局限于实验室环境，无法满足现代食品工业对快速、在线品质控制的需求。

正是在这样的背景下，数字图像分析（Digital Image Analysis）技术展现出了巨大的潜力。这项技术通过分析面包切面的高分辨率数字图像，来量化其细胞大小、均匀度、孔隙率等纹理属性。它提供了一种直观、非破坏性且成本相对较低的解决方案。从Sapirstein等人在1994年的开创性工作，到Gonzales-Barron和Butler将分形纹理分析引入面包结构描述，再到Farrera-Rebollo等人对扫描分辨率和阈值化技术的比较研究，该领域的方法学不断演进。近年来，随着智能手机摄像头的普及和计算能力的提升，使用消费级电子设备进行图像采集并结合专用软件进行分析，已成为一个极具吸引力的方向。然而，可靠且用户友好的专用分析软件的缺乏，限制了该技术的广泛应用。

为了攻克这一技术瓶颈，墨尔本大学的研究团队开发了名为“面包纹理分析器”（Bread Texture Analyser, BTA）的MATLAB应用程序。本研究旨在验证这款应用的有效性，并探索其生成的“数字纹理指纹”在面包生产中的实际应用价值。相关研究成果发表在《Applied Food Research》上。

研究者们为开展此项研究，主要运用了几项关键技术方法。首先是数字图像采集与预处理：使用iPhone 15在受控光照条件下采集面包切面的高分辨率图像，确保一致性和最小化阴影/反光，随后使用Adobe Photoshop去除背景并进行系统的灵敏度分析（如亮度、对比度扰动）。其次是统计图像分割与特征提取：这是BTA应用的核心，其流程包括图像灰度化、对比度调整、应用自适应Otsu阈值分割法将图像二值化，进而识别并标记图像中的连通区域，最后计算出一系列独特的纹理统计参数，形成“数字纹理指纹”。此外，研究还采用了色彩映射技术，将连通区域按面积大小进行可视化，生成更直观的纹理分布图。在案例验证方面，研究设计了两个案例：案例一分析了五种特征迥异的面包产品（如黑麦面包、法棍、黄油吐司）的纹理指纹；案例二则专注于评估五种不同样品面粉（如Bandicoot, Bunyip, Euro等）烘焙出的法棍的品质，并将图像分析结果与消费者感官评价数据进行关联分析。为确保样本可比性，研究对面粉成分、和面能量输入、发酵和烘焙条件等进行了严格标准化控制。

3. 结果

3.1. 案例研究1：不同类型面包的纹理分析

通过对五种特征面包（Viru黑麦面包、Apple Rye苹果黑麦面包、Deli Rye熟食黑麦面包、Baguette法棍和Butter Toast黄油吐司）的数字化图像分析，BTA应用成功生成了各自的“纹理指纹”。结果显示，不同面包的纹理参数存在显著差异。例如，高黑麦含量的Viru面包具有高密度指数和小平均区域面积，其相对面积比显示小区域占主导。而法棍则表现出最低的密度指数和最大的平均区域面积，其相对面积比中大气孔占比较高，符合优质法棍的纹理特征。黄油吐司则呈现出高密度指数和区域大小均匀的布里欧修式均匀结构。这些量化参数清晰地将不同配比和工艺下的面包纹理区分开来，特别是平均区域面积对法棍的区分尤为明显。

3.2. 案例研究2：手工法棍的纹理分析

在评估五种不同面粉烘焙法棍的性能时，BTA应用成功捕捉到了纹理特征的细微差别。分析表明，使用Bunyip面粉烘焙的法棍样品具有最低的密度指数和最大的平均区域面积，呈现出更开放、不规则、更接近理想法棍的纹理。而使用Plain flour（普通面粉）和Wallaby面粉制作的样品则具有更细密、更规则的面包状纹理。统计分析（Kruskal-Wallis检验）证实，基于密度指数和平均区域面积，这些面包样品能够被有效区分。感官评价结果与图像分析相呼应，Bunyip面粉制作的样品在消费者接受度测试中获得了最高评分，被认为是最“令人愉悦和均衡”的。

4. 讨论

本研究采用的基于Otsu阈值分割的统计图像分割方法，相较于分形纹理分析，能够直接量化如平均孔隙大小等具体参数，避免了不同细胞分布可能产生相似分形维数的问题。BTA应用通过平均区域面积（表征特定纹理点的孔隙率）、密度指数（表征纹理孔隙的强度）和相对面积比（表征纹理的开放度）这三个层面，构建了独特的、可量化的“数字纹理指纹”。该指纹可作为监控生产过程中工艺稳定性和产品质量的基准。色彩映射可视化技术则进一步增强了结果的可解释性。研究结果与感官评价数据具有良好的一致性，证实了数字图像分析在预测消费者偏好方面的潜力。

在产业应用方面，该技术为面粉批次质量的快速评估、烘焙配方的优化以及生产过程的实时监控提供了强大工具。它能够有效评估新原料或工艺对面包纹理的影响。尽管本研究中的感官评价由消费者小组完成，成功识别了综合表现最佳的样品，但研究者也指出，对于更复杂的风味、香气等属性，训练有素的专家小组评估可能更为精准，但这超出了本项目范围。

综上所述，本研究证实了数字图像分析是一种可接受的、有效的面包纹理检测方法。所开发的Bread Texture Analyser应用提供了一种快速、非破坏性的新颖评估手段。该方法不仅适用于手工烘焙环境，更具备在大型食品工业中规模化应用的潜力，为烘焙产品的质量控制、新品开发和工艺优化提供了强有力的科学依据和技术支持。