基于图像分析的酸奶发酵过程监测新方法：颜色参数与pH动态关联研究

为解决传统pH监测方法在酸奶发酵过程中存在的侵入性、操作繁琐等问题，研究人员创新性地采用计算机视觉技术，通过分析RGB、CIE Lab*、HSV等16种颜色参数与pH的关联性，发现蓝色通道（r=0.94）、CIE b*及饱和度等指标在关键pH范围（5.3–4.6）内与酸度变化高度相关，并构建随机森林模型实现高精度pH预测（R2 =0.961）。该非接触式方法为食品工业智能化监控提供了新思路。

　　

酸奶作为全球消费量最大的发酵乳制品，其品质核心在于发酵过程中pH的精准控制。传统pH电极监测需频繁校准和清洗，且采样易引入污染风险。尽管近红外光谱、超声波传感器等新技术不断涌现，但高成本或复杂操作限制了工业应用。如何实现低成本、非接触的实时监控，成为乳品行业迈向工业4.0的关键挑战。

为此，来自印度农业研究委员会-国家乳业研究所的团队在《Food Control》发表研究，提出基于计算机视觉的解决方案。研究人员采集6000张发酵过程图像，提取RGB、CIE Lab*（国际照明委员会标准色度系统）、HSV（色调-饱和度-明度）等16项参数，结合Taube、Hunter等白度指数和YI（黄度指数）进行相关性分析。通过随机森林回归建模，验证颜色参数与pH的关联机制，并关联流变学行为变化。

关键技术方法

1. 图像采集系统：标准化光照条件下定时拍摄酸奶样本，建立包含pH 5.3–4.6关键区间的图像数据库；
2. 多维度颜色分析：采用OpenCV等工具提取RGB三通道、CIE Lab*（L亮度，a红绿轴，b*黄蓝轴）、HSV空间数值及6种白/黄度指数；
3. 机器学习建模：基于皮尔逊相关系数筛选关键指标（r>0.80），构建随机森林预测模型评估性能（RMSE=0.049）。

研究结果

Preparation of yoghurt
采用4%脂肪含量的巴氏杀菌牛奶，接种Streptococcus thermophilus
和Lactobacillus bulgaricus
菌种，在43±2°C下发酵，同步记录pH与图像数据。

Correlation coefficient-based analysis

• RGB通道：蓝色通道（B）与pH相关性最高（r=0.87），显著优于红色（r=-0.32）和绿色（r=0.56）；
• CIE Lab*：b*（黄蓝轴）变化最显著（r=0.85），反映酪蛋白胶束聚集导致的光散射增强；
• 白度指数：Judd指数（WI_Judd
  ）与pH相关性达0.91，印证酸度引起的散射特性改变；
• 机器学习验证：模型在临界pH区间预测R²
  达0.961，证实颜色参数可替代传统检测。

Conclusion
研究表明，酸奶表面光学特性变化与内部胶体结构重组（如酪蛋白粒径增大）直接相关。蓝色通道、CIE b*及饱和度等参数可作为实时监控的生物标记物，其灵敏度在pH 5.3–4.6阶段尤为突出。该方法不仅规避了传统技术的接触污染风险，更通过工业相机实现低成本自动化，为乳品质量控制提供了符合工业4.0理念的创新工具。

讨论指出，颜色参数与流变学行为的关联机制仍需深入解析，未来可结合拉曼光谱等技术探索分子层面变化。该成果对扩展计算机视觉在发酵食品中的应用具有示范意义。