样本量与空间分辨率对马苏里拉奶酪微观结构量化影响研究：X射线断层扫描案例剖析

《Journal of Food Engineering》：Influence of sample size and spatial resolution on quantifying Mozzarella cheese microstructural properties: An X-ray tomography case study

本研究针对食品微观结构成像分析中样本量有限、参数选择缺乏依据等关键问题，通过分析591个高分辨率同步辐射X射线CT扫描数据，系统评估了样本尺寸和空间分辨率对马苏里拉奶酪微观结构表征的影响。研究应用代表性基本体积(REV)分析，确定了关键结构描述符（各向异性、宽度、取向）的可靠表征所需的最小体积和分辨率阈值，并量化了宏观异质性。结果表明，在像素尺寸1.1 μm、体积宽度330.0 μm时可满足CV<5%的REV要求，且奶酪微观结构在宏观尺度上表现出均匀性。该研究为马苏里拉及其他类似结构食品的成像实验设计提供了方法论指导，推动了图像结构测量在研究和工业中的应用。

　　

当你享受披萨上马苏里拉奶酪那令人愉悦的拉丝效果时，可能不会想到这背后复杂的微观世界。奶酪的质地、熔化和拉伸特性，很大程度上由其内部微观结构决定——蛋白质如何形成网络，脂肪如何分布，以及这些结构是否具有方向性（即各向异性）。食品科学家们一直致力于通过先进的成像技术来窥探这个微观世界，以期更好地理解和控制食品的感官属性。

然而，这条路充满挑战。微观成像技术，如共聚焦激光扫描显微镜(CLSM)、电子显微镜(EM)和X射线计算机断层扫描(X-ray CT)，虽然强大，但在实际应用中常常面临诸多限制。成像过程往往耗时且昂贵，这严重限制了可分析的样本数量。更重要的是，成像参数的设置（如分辨率、视野）常常依赖于仪器本身的能力、时间限制或领域专家的经验，而非经过严谨论证的科学依据。此外，食品基质本身具有固有的异质性、无序性和微观结构复杂性，这使得评估单次局部测量的代表性变得异常困难。对于像马苏里拉这样的奶酪，其独特的纤维状结构（源于热机械拉伸工艺）使得问题更加复杂。因此，一个核心问题悬而未决：为了可靠地表征食品的局部微观结构，究竟需要多大的成像体积和多高的空间分辨率？一次局部测量能在多大程度上代表整个产品的结构特性？这些不确定性阻碍了图像结构测量在大型生产环境中的广泛应用。

为了回答这些关键问题，一项发表在《Journal of Food Engineering》上的研究应运而生。该研究以马苏里拉奶酪为模型体系，进行了一项深入的案例研究。研究人员利用一个名为MozzaVID的大型数据集，该数据集包含了来自25种不同配方马苏里拉奶酪的591个高分辨率同步辐射X射线CT扫描。这些配方通过系统改变烹饪温度（55至75°C）、转子速度（25至140 rpm）和总钙含量（2.5至4.0 g/kg）来创造不同的微观结构。研究团队旨在通过系统分析，确定可靠的局部微观结构表征所需的体积和分辨率阈值，并量化马苏里拉奶酪的宏观尺度异质性，从而为马苏里拉及其他结构类似食品的成像实验设计提供方法论指导和实践基准。

为了开展这项研究，作者们运用了几个关键的技术方法。首先，他们利用了来自25种不同配方马苏里拉奶酪的591个高分辨率同步辐射X射线CT扫描构成的MozzaVID数据集。其次，他们采用了尺度空间结构张量这一图像分析方法，从扫描数据中量化提取了三个关键的微观结构描述符：平均宽度(w_s)、平均分数各向异性(FA)（表征结构的伸长程度）以及球形均值(μ₀[f])（表征结构取向的一致性）。第三，研究核心是应用了代表性基本体积(REV)分析，通过在不同尺寸（宽度从27.5 μm到330.0 μm）和不同像素分辨率（0.55 μm, 1.1 μm, 2.2 μm）下随机采样子体积，计算各结构描述符的变异系数(CV)，以确定达到稳定表征所需的最小体积。最后，他们使用马哈拉诺比斯距离(Mahalanobis distance)和巴氏系数(Bhattacharyya Coefficient, BC)来量化不同奶酪配方之间在微观结构描述符空间中的差异和分布重叠程度，从而评估区分不同配方的能力。

3.1. REV分析

REV分析的结果清晰地揭示了样本尺寸和分辨率对微观结构测量稳定性的影响。研究发现，对于所有三个结构描述符（平均分数各向异性(FA)、平均宽度(w_s)和球形均值(μ₀[f])），在测试的实验范围内，均可以达到CV < 5%的阈值。具体而言，当选择像素尺寸为1.1 μm、立方体宽度为330.0 μm时，是能满足所有三个描述符CV < 5%要求的最小体积。若追求更严格的CV < 1%的阈值，则估计需要大约600 μm至700 μm宽度的体积。研究还发现，分数各向异性(FA)的测量几乎不受所考察范围内像素分辨率的影响，而球形均值(μ₀[f])则对分辨率，尤其是在小体积下，表现出强烈的敏感性。平均宽度(w_s)的测量也受到分辨率的显著影响。这些结果表明，为马苏里拉奶酪的微观结构定义一个具有代表性的体积是可行的，但所需的具体尺寸取决于所选择的描述符和可接受的误差水平。

3.2. 宏观尺度变异性

在确定了局部REV之后，研究进一步评估了微观结构在更大尺度上的变异性。通过计算同一奶酪样本内不同扫描区域（样本内变异性）以及同一配方不同奶酪块之间（奶酪内变异性）结构描述符的CV，研究发现这些变异系数均保持在5%以下。这一结果表明，尽管马苏里拉奶酪在微观尺度上呈现出复杂和无序的结构，但在所考察的宏观尺度（采样区域约10 cm × 25 cm）上，其微观结构表现出显著的均匀性。这意味着，一次局部的、具有代表性的测量，有可能可靠地表征更大范围的奶酪样品，甚至可能代表整个生产批次。

3.3. 奶酪间距离

尽管宏观尺度上表现出均匀性，但区分不同配方制造的奶酪仍然是核心目标。通过计算不同奶酪配方在结构描述符空间中的马哈拉诺比斯距离，研究发现，平均而言，不同的奶酪配方能够被较好地区分开，尤其是在结合使用所有三个结构描述符时，平均距离通常大于1（表明分布间有较好的分离）。然而，配方之间的最小距离往往低得多，这意味着在某些情况下，仅凭单次测量可能难以可靠地区分配方。研究特别指出，转子速度是影响微观结构的关键因素。当比较转子速度不同的配方时，结构分离变得尤为明显。相反，对于转子速度相同的配方，它们的微观结构分布存在显著重叠（巴氏系数较高），区分它们更具挑战性。这表明，虽然平均而言基于图像的测量可以有效检测配方差异，但要实现可靠的鉴别，特别是在处理结构相似的配方时，可能需要进行多次测量以补偿分布重叠带来的不确定性。

研究的讨论部分深入探讨了上述发现的意义和局限性。首先，研究确认了为马苏里拉奶酪微观结构定义代表性体积的可行性，并为未来的成像实验提供了具体的体积和分辨率指导（例如，采用330.0 μm宽度和1.1 μm像素尺寸以满足CV<5%的REV要求）。其次，马苏里拉奶酪在宏观尺度上表现出的均匀性是一个积极的发现，它支持使用局部测量来表征更大区域的样品。然而，研究也清醒地认识到，由于不同配方（尤其是工艺参数相近的配方）的微观结构分布可能存在重叠，要实现可靠的配方鉴别，单次测量可能不足，需要设置更严格的CV阈值或通过重复采样来提高可靠性。

研究也坦诚地指出了其局限性。本研究使用的是近乎无噪声的同步辐射CT数据，这代表了最佳成像条件。在实际应用中，特别是使用实验室级扫描仪或对热不稳定样品成像时，图像质量可能会下降，噪声增加，这可能要求更大的REV体积。因此，本研究的结果应被视为一种理想情况下的基准，在实际应用中需考虑一定的安全余量。此外，研究采用的结构模型（基于结构张量）是对真实复杂结构的一种简化。虽然所提取的各向异性、宽度和取向一致性捕获了重要的结构信息，但其他度量（如孔隙率、形状描述符）的REV分析可能会产生不同的结果。不过，作者认为基于结构张量的REV估计是合理的近似或保守估计。最后，研究的结论虽然基于X射线CT，但其关于所需长度尺度、样本大小和数量的发现，对于其他适用于材料结构的成像技术（如CLSM, MRI）也具有重要的参考价值，尽管在将2D成像技术应用于3D结构表征时需要特别谨慎。

综上所述，这项研究系统地评估了样本量和成像分辨率对马苏里拉奶酪微观结构测量一致性的影响。尽管马苏里拉在微观尺度上结构复杂，但在宏观尺度上表现出较低的异质性，这支持了使用局部测量进行可靠结构量化的可行性。研究确定了关键结构描述符达到稳定表征所需的具体体积和分辨率阈值，并揭示了区分不同奶酪配方的潜力和挑战。这些发现不仅为未来马苏里拉奶酪的成像研究提供了方法论指导，其建立的REV分析框架和关于宏观异质性的见解也适用于其他具有类似结构的食品（如加工肉类、乳制品和植物基类似物）。该研究有力地证明了局部图像结构测量在捕捉食品体系宏观特性方面的有效性，为将此类方法更广泛地应用于深入科学研究乃至生产流程的常规质量控制铺平了道路。