《Innovative Food Science & Emerging Technologies》:Sensing approaches for in-line product characterization in High-Moisture Extrusion Cooking
编辑推荐:
由高水分挤压蒸煮(HMEC)结构化的植物蛋白代表了一种有前景的动物基产品替代品,HMEC日益被认为是实现更可持续食品系统的关键技术。然而,尽管其具有工业相关性,HMEC的技术框架仍缺乏能够量化在线产品特性的传感方法,这阻碍了有效过程自动化和控制解决方案的实施。
由高水分挤压蒸煮(HMEC)结构化的植物蛋白代表了一种有前景的动物基产品替代品,HMEC日益被认为是实现更可持续食品系统的关键技术。然而,尽管其具有工业相关性,HMEC的技术框架仍缺乏能够量化在线产品特性的传感方法,这阻碍了有效过程自动化和控制解决方案的实施。在缺乏此类测量的情况下,操作仍依赖于经验调整和专家知识,最终限制了过程可靠性和可扩展性。本文提出了三种针对HMEC条带在线表征定制的传感概念:(i)基于机械扭矩的切割系统,(ii)基于视觉的纹理分析,以及(iii)用于测量抛物线宏观结构取向的机器人辅助切割方法。这些概念在试验规模挤出机上实施并测试,以在受控条件下生产肉类似物条带,并评估对过程诱导的结构和纹理变化的响应性。实验结果表明,切割力(即基线扭矩)和图像衍生特征(即同质性)均对过程参数变化作出响应,能够区分由低至1%–2%的水分变化和4–8 °C范围内的熔体温度偏移引起的挤出物结构状态差异。结合传感方法提供了互补信息,然而,这些方法的整体灵敏度仍不足以一致分辨所有测试条件,表明需要进一步整合以实现可靠的在线部署。此外,机器人辅助周期性切割方法允许量化否则难以测量的各向异性轮廓,为流动诱导的结构和纹理排列提供了更广阔的视角。
**高水分挤压蒸煮中在线产品表征的传感方法:论文解读**
**研究背景、问题与意义**
高水分挤压蒸煮(HMEC)作为将植物蛋白转化为具有纤维状结构的肉类似产品的关键技术,在食品工业中日益受到重视。其能够利用大豆、豌豆等植物原料,通过调控热机械过程形成类似肉类的质构,被视为推动可持续食品体系转型的重要途径。然而,尽管HMEC具有巨大的工业潜力,其技术框架仍存在显著缺陷:缺乏能够实时量化在线产品特性的传感方法。当前,HMEC操作高度依赖操作员经验与试错法,产品质量评估主要依赖离线手工切割、撕裂和目视检查,这种主观且滞后的方式严重制约了过程自动化、一致的产品质量以及工业规模的可靠扩展。因此,开发能够提供实时、定量信息(如材料行为、结构特征)的在线传感系统,成为突破这一瓶颈的关键技术前提。此外,由于HMEC过程中热机械现象与加工参数的复杂交互作用,以及流动动力学、蛋白质结构转变和冷却诱导取向的重叠效应,从标准过程信号中直接提取定量指标极为困难。现有非破坏性传感方法(如近红外光谱、荧光偏振等)在HMEC条件下面临散射严重、温度敏感、校准复杂等制约;而破坏性方法(如质构分析)本质上是离线且主观的。因此,开发能够直接实时关联过程-结构-产品属性的传感概念,是当前研究的重要空白。本研究旨在解决这一问题,通过开发并评估三种针对HMEC定制的在线传感概念,为过程控制与自动化奠定基础。论文发表在《Innovative Food Science》。
**主要关键技术与方法**
研究人员在试验规模双螺杆挤出机(PolyTwin BCTL,Bühler AG)上,以大豆浓缩蛋白(SPC)为原料,在受控条件下生产肉类似物条带。关键技术方法包括:(1)**永久机械切割系统**:采用直刃陶瓷刀片耦合压电式扭矩传感器,在线测量挤出条带沿流动方向中部的切割力,并归一化为切割阻力(N/mm);(2)**基于视觉的纹理分析**:使用CMOS相机采集条带表面图像,通过灰度共生矩阵(GLCM)提取同质性、对比度等纹理特征;(3)**机器人辅助定向切割系统**:利用六轴机器人臂搭载载荷传感器,在条带宽度方向(右侧、中部、左侧)和两种取向(平行于流动方向L、垂直于流动方向T)进行周期性切割,测量峰值力、表观模量,并计算各向异性指数(AI)。通过改变熔体温度(122–142 °C,步长4–8 °C)和水分含量(62.5%–66.5%,步长1%–2%)进行系统测试。
**研究结果**
**3.1.1 配方驱动的结构/纹理效应与机械切割测量**
永久机械切割测量显示,切割阻力随熔体温度升高先增后降,在134 °C附近达到峰值,这可能反映了蛋白质网络内聚力和层状排列的最佳稳定状态;温度过高导致结构降解,切割阻力下降。随水分含量增加,切割阻力降低,体现了水的塑化效应。该方法能够检测由4–8 °C温度变化和1%–2%水分变化引起的结构差异,但相邻条件下的平均值接近且变异性较大,灵敏度有限,难以分辨所有测试条件。
**3.1.2 表面成像纹理属性**
视觉系统提取的同质性特征对熔体温度变化敏感,能够检测4 °C温阶引起的结构变化;对水分含量变化(2%步长)也能追踪,但在较高温度下(138 °C),水分的影响变得模糊。结合同质性与对比度分析,进一步证实了视觉方法在高温度条件下检测能力的局限。视觉测量也表现出运行间变异性,但与机械测量互补。
**3.1.3 挤出物联合表征**
将基线切割力与同质性联合绘图,能够形成对应不同温度和水分水平的特征区域,但联合方法相对于单独测量并未显著提高灵敏度。通过多元回归分析,联合使用两个特征作为预测变量,对水分含量的拟合优度(R2)从单独同质性的0.61提升至0.79,表明联合测量具有一定价值,但整体灵敏度仍不足以一致区分所有条件。最小可检测差异(MDD)约为:切割阻力0.04 N/mm(对应4 °C温度变化),同质性0.02;水分变化2%时对应切割阻力0.07 N/mm,同质性0.03。
**3.2 切割测量:各向异性与抛物线流动剖面的关联**
机器人辅助定向切割测量揭示了条带宽度方向上的结构梯度。在横向(T)切割时,中部切割阻力低于两侧,且在较高温度下差异更显著(如138 °C时中部与两侧差值达0.20 N/mm),这与挤出物内部抛物线流动剖面形成的层状结构分布一致。纵向(L)切割阻力对温度变化不敏感。各向异性指数(AI
Fmax)随温度升高而降低,从122 °C的近各向同性(AI≈0.99)降至138 °C的显著各向异性(AI≈0.58),表明纵向机械强度弱化。水分含量变化(1%步长)引起的各向异性差异不显著。表观模量分析也支持了位置和取向的刚度差异。
**总结讨论与结论**
研究讨论指出,所提出的永久切割、视觉分析和机器人辅助切割方法均能不同程度地追踪过程诱导的结构变化,但整体灵敏度和稳健性受限,原因包括局部结构异质性、原料波动、模口流动不稳定以及蛋白质基体的多相复杂性。机器人辅助方法提供了传统方法难以获取的抛物线宏观结构取向信息,可用于实时过程控制。从工业角度看,尽管六轴机器人成本高,但可简化为更经济的1–2轴自动化切割机构。研究结论认为,在线传感系统是解锁HMEC自动化水平的关键进展,本研究建立了实用的传感框架,但需进一步整合以提高鲁棒性,并将提取的特征与离线参考方法(如感官评价)进行关联验证。未来工作包括评估批次间变异、不同蛋白质基质和挤出机几何结构下的可扩展性。