三维形态学与颜色分析在多谷物饼干中丙烯酰胺和羟甲基糠醛含量评估的应用

《Journal of Food Engineering》:Application of 3D morphology and colour analysis for the assessment of acrylamide and hydroxymethylfurfural content in multi-grain biscuits.

【字体: 大 中 小 】 时间:2026年07月26日 来源:Journal of Food Engineering 5.8

编辑推荐:

  研究人员将三维(3D)形态学与颜色分析相结合,用于评估多谷物饼干中丙烯酰胺(Acrylamide)与羟甲基糠醛(HMF)的含量。研究采用单目深度估计(monocular depth estimation)从RGB图像中提取空间特征,其中表面粗糙度(Rq)可滤除

  
研究人员将三维(3D)形态学与颜色分析相结合,用于评估多谷物饼干中丙烯酰胺(Acrylamide)与羟甲基糠醛(HMF)的含量。研究采用单目深度估计(monocular depth estimation)从RGB图像中提取空间特征,其中表面粗糙度(Rq)可滤除面团膨胀动态带来的噪声。在复杂多谷物基质中,随机森林(Random Forest)模型预测性能优于线性模型。该框架为食品安全提供了一种经济高效的原位传感器(proximal sensor)方案。
研究背景与立项依据
碳水化合物类食品的热加工对风味、香气与质构等感官属性形成至关重要,但同时会在120°C以上通过美拉德反应由游离天冬酰胺与还原糖新生成丙烯酰胺(IARC 2A类疑似人类致癌物),以及由Amadori产物烯醇化脱水和己糖酸催化焦糖化生成羟甲基糠醛(HMF)。二者共享前体且HMF可转为丙烯酰胺前体,传统LC-MS/MS与HPLC-DAD定量破坏样品、成本高、耗时长,难以适配高通量工业实时监测。早期计算机视觉系统(CVS)仅用CIELab色度(L、a、b*)作褐变代理,无法刻画复杂基质空间异质性;近红外缺乏空间分辨率;深度学习可提取特征但计算重、可解释差。鉴于多谷物(精制小麦、全麦、黑麦、燕麦、斯佩耳特小麦、荞麦)饼干表面形变复杂,研究人员提出以标准RGB图像经Depth Anything V2生成数字高程模型(DEM),融合色度与3D形态描述符实现非破坏性预测,论文发表于《Journal of Food Engineering》。
主要关键技术方法
研究人员以六种谷物/假谷物粉按AACC 10-54改良法制作饼干,在160–200°C(10 min)与180°C下6–14 min两组烘焙设计中获得432枚饼干(54组×8枚),化学真值由LC-ESI-MS/MS测丙烯酰胺、HPLC-DAD测HMF。图像端用Canon EOS2000D定距定参拍摄正反面得864张RGB图,HSV分割后送Depth Anything V2出DEM,重采样为0.2 mm网格点云并融合RGB得六维(X,Y,Z,R,G,B)数据;在R中用Rvcg/Morpho等算CIELab、BI、C*、Hue、Zm、体积、SA、SA:V、Ra/Rq/Rg、Hm/Km曲率等35个描述符;统计上先用PLS-DA的VIP筛变量,再建物种内多元线性回归(MLR)色谱模型与多模态模型,全局池化后以十次分层hold-out验证比较MLR与随机森林(Random Forest)。
研究结果
3.1 丙烯酰胺与HMF含量
研究人员发现黑麦丙烯酰胺均值最高(556±510 μg kg-1)、荞麦最低(85±53 μg kg-1),斯佩耳特小麦HMF最高(58.4±97.6 mg kg-1)、精制小麦最低(14.8±16.6 mg kg-1);黑麦/燕麦/斯佩耳特部分样品超欧盟2017/2158饼干基准350 μg kg-1。混合线性模型(一级动力学+Arrhenius)显示黑麦、燕麦、斯佩耳特动力学斜率(ke)与温度系数(B)显著高于荞麦,与前体游离天冬酰胺含量种间差异一致。
3.2 颜色分析
L随热载下降、a上升,a*是最优褐变标记;但全麦因底色深致色度与化学生成解耦,精制小麦/黑麦/燕麦色彩响应陡,荞麦190–200°C间非线性加速,证明2D色度在异质基质中不稳定。
3.3 形态学特征筛选
PLS-DA的VIP>1特征中三维描述符平均曲率(Hm)与体积高度比(V:Z)最显著,Rq量化微地形不规则性,V:Z反映面团热流变隆起差异;色度端BI与C入选,BI追踪美拉德晚期褐变纯度,C表征黄→红棕饱和位移,弥补全谷/假谷物中褐变与丙烯酰胺生化脱钩。
3.4 lnAA与lnHMF预测
物种内MLR中荞麦仅用L,a,b*预测lnAA的R2=0.71,加入Rg升至0.94;全局模型里多模态MLR(lnAA含BI,Diam:Z,Km)R2cv=0.69,随机森林R2cv=0.64但MAPEcv=7.7%低于MLR的11.4%;lnHMF色度模型本就强(R2cv=0.84),多模态升至0.88,随机森林达0.93、MAPEcv=18.8%。HMF因与褐变同路故色度即佳,丙烯酰胺受天冬酰胺限前体调控致跨种变异大、3D形貌成必要补偿。
讨论与结论翻译
讨论指出从纯色度转向“RGB+单目深度”多模态是异质谷物监测的范式转移:色度在黑麦浅色面团中仍漏掉局部热斑,在全麦深色底中饱和,在荞麦高温段非线性,而Rq/Hm把裂纹、粗糙区译为热应力热点,使标准RGB相机成原位物理传感器,无需LiDAR且可解释性优于黑箱CNN。结论确认:融合3D形态与色度的RGB框架可非破坏预测多谷物饼干中丙烯酰胺与HMF;BI/C*对HMF优秀(R2cv=0.93),丙烯酰胺更依赖面粉生化复杂度,Rq与Hm是其热应力物理代理;多模态令MAPEcv最多降4.4%,且以低成本RGB原位处理适配EU 2017/2158合规与高通量产线,未来可拓展至其它复杂食品基质实时质控。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号