基于计算机视觉的3D食品打印适印性评估：纹理特征与随机森林模型在鱼糜凝胶持水性和凝胶强度预测中的应用

本研究针对3D食品打印(3DFP)中材料适印性评估存在的耗时、破坏性及设备依赖性问题，创新性地提出基于灰度共生矩阵(GLCM)纹理特征和随机森林(RF)算法的计算机视觉评估方法。研究以鱼糜为模型材料，通过分析NaCl和TGase添加剂对打印结构的影响，构建了TOP、SIDE和TS三种视角预测模型，其中TOP模型对持水性(WHC)预测最优(R2=0.875)，TS模型对凝胶强度预测最佳(R2=0.691)，为食品智能制造提供了自动化评估新范式。

　　

在个性化营养和功能性食品需求激增的背景下，3D食品打印技术(3DFP)正面临关键瓶颈——如何快速准确地评估材料的适印性(printability)。传统方法如持水性(WHC)测定和凝胶强度测试虽可靠，但存在破坏样本、设备昂贵、操作复杂等固有缺陷，严重制约了食品智能制造的发展进程。

韩国釜山Garyon Seafood Co., Ltd与日本Ajinomoto Co., Inc的研究团队在《Journal of Great Lakes Research》发表突破性研究，首次将计算机视觉(CV)与机器学习相结合，开发出非破坏性的适印性评估系统。研究人员以远东鲅鱼(Scomberomorus niphonius)鱼糜为基质，通过添加梯度浓度的氯化钠(NaCl)和谷氨酰胺转胺酶(TGase)制备打印墨水，采用灰度共生矩阵(GLCM)算法提取打印结构的纹理特征，结合随机森林(RF)构建多视角预测模型。关键技术包括：1) 建立含0.5-4% NaCl和0-0.4% TGase的54组鱼墨配方；2) 使用3D打印机(HR2041/01, Philips)构建标准圆柱体结构；3) 通过GLCM提取对比度、能量等5类纹理特征；4) 采用SHAP值解析特征贡献度。

【3DPF of surimi ink】

实验证实1% NaCl是维持结构稳定性的临界值，低于此浓度时打印体会坍塌。TGase的添加显著改善层间结合力，0.2%浓度时达到最佳打印精度。

【Investigation of the printability performance】

TOP视角模型对WHC预测表现最优(MAE=0.674)，关键特征为角二阶矩(0.38权重)；TS组合模型对凝胶强度预测最准(RMSE=0.556)，能量特征贡献率达42%。SHAP分析揭示NaCl浓度与纹理均匀度呈正相关，而TGase主要影响微观结构连续性。

【Conclusions and future work】

该研究开创性地建立了"图像特征-添加剂-功能特性"的定量关系模型，实现WHC和凝胶强度的同步预测。相比传统方法，新方案将评估时间从小时级缩短至分钟级，样本复用率提升100%，为蛋白质基食品墨水的智能配方设计提供了全新方法论。特别值得注意的是，该技术框架可扩展至其他胶体食品体系，对推动食品工业4.0具有里程碑意义。