板栗基饼干中的丙烯酰胺预测：一种形状问题

《Food Control》：Acrylamide prediction on chestnut-based biscuits, a shaped matter.

　　

在烘焙产品中，通过非接触式传感器检测和去除污染物仍然具有挑战性。使用替代面粉（如板栗面粉面团）制作的食品的化学成分和棕色可能会损害颜色和高光谱成像（HSI）的敏感性，这些是广泛认可的用于加热食品中丙烯酰胺（AA）检测的非接触技术。此外，文献中提出的经验模型通常忽略产品形状的影响及其与丙烯酰胺形成的关系。在本研究中，研究人员将板栗面粉基饼干塑造成四种形状，并在递增的时间内烘烤。饼干表面的颜色、高光谱和热分析与通过基于酶联免疫吸附测定（ELISA）的方法测量的丙烯酰胺含量相关联。此外，使用三维摄影测量进行了形态学评估，从而能够提取与饼干表面变暖动力学相关的形状描述符。研究人员使用从这些数据集中得出的特征预测了丙烯酰胺含量。颜色分析优于其他特征类型。亮度（L*）和蓝-黄组分（b*）比绿-红组分（a*）产生了更有意义的结果。在不同的饼干形状中，测量的表面积和表面粗糙度成为调整每个饼干中丙烯酰胺含量的相关因素，突出了形态学在预测建模中的重要性。最后，通过将两个颜色衍生预测因子与两个形态学描述符相结合，最佳预测模型能够在所研究的烘烤条件下估计丙烯酰胺含量，平均预测误差为44.59 μg kg^-1。

板栗基饼干中的丙烯酰胺预测研究解读

自2002年在食品中发现2-丙烯酰胺（AA，一种在高温加工食品中常见的新陈代谢污染物）以来，它因其被国际癌症研究机构（IARC）列为2A类致癌物而备受关注。AA主要在烤箱烘烤的、油炸的蔬菜、烘焙咖啡和谷物基产品中形成。虽然未实施严格的监管限制，但欧盟为不同食品类别定义了基准水平，如饼干为350 μg kg^-1，小麦基面包为50 μg kg^-1。热量是AA合成的主要驱动力，热传递取决于烹饪温度以及传导、辐射、对流或其组合的贡献。在烘焙产品中，烘烤促进面团变暖，直接暴露于热源的外表面受到的影响更大。由于表层水分蒸发剧烈且温度易升至120 °C以上，而核心温度一般不超过100 °C，AA主要积聚在产品表层，形成“表皮模型”。板栗基烘焙食品是传统小麦基零食的替代品，从成分角度看，板栗面粉由于含有高含量的游离天冬酰胺（fAsn，AA合成的主要反应物之一）而易形成AA，尽管其较高的持水能力可能延缓水分蒸发从而在一定程度上抵消AA形成的最佳条件。目前，利用非接触预测方法（如颜色和高光谱成像（HSI，利用高分辨率光谱相机获取表面光谱信息的非破坏性检测技术））对AA进行定量研究存在局限。特别是在板栗等深色基质中，化学成分和棕色可能会损害颜色和HSI的敏感性；此外，文献中的经验模型往往忽略了产品形状及其与AA形成关系的影响。为了解决这些问题，研究人员开展了这项研究，旨在评估形状相关的描述符是否能改善AA预测，并评估它们在深色、研究不足的烘焙基质中相对于其他传感方法的贡献。研究发现，结合颜色衍生预测因子和形态学描述符的最佳预测模型能够有效预测AA含量，平均预测误差为44.59 μg kg^-1，强调了形态学在预测建模中的重要性。该研究为在线过程监控提供了一种快速、非接触的筛查工具，能够早期识别生产过程中的潜在偏差并支持及时纠正措施。该论文发表在《Food Control》。

研究人员使用了受意大利托斯卡纳-艾米利亚亚平宁山脉地区典型产品启发的配方制作板栗基饼干样本。将面团塑造成圆形、条纹形、星形和不规则形四种形状，在180°C下烘烤10、18、26和41分钟不等。使用热成像相机监测饼干表面的温度分布及冷却行为；利用RGB相机结合摄影测量法进行三维重建和形态学评估，提取包括平均高度、体积、平均绝对粗糙度（Ra）、全局粗糙度（Rg）、二次表面粗糙度（Rq）和表面积等特征；利用近红外（NIR）高光谱成像系统提取光谱数据；采用基于ELISA的试剂盒对AA进行定量测定。最后，通过多元线性回归（MLR）等模型结合特征选择方法对AA含量进行预测并交叉验证。

研究结果如下：
3.1. AA含量
通过拟合伪一级动力学模型和方差分析（ANOVA），得出AA含量随烘烤时间增加，且受形状和时间显著影响，但两者的交互作用不显著。模型解释了约60%的总方差（R² = 0.60）。不同形状的饼干中，不规则形状具有最高的渐近AA含量（），而圆形形状最低。水分含量（WC）随烘烤时间呈一阶动力学递减，不同形状间无显著差异。

3.2. 3D产品展示与特征选择
通过偏最小二乘判别分析（PLS-DA）和单因素ANOVA进行特征选择，得出致密度和Rq是最相关且自相关性最低的形态学特征，能够有效区分不同形状。

3.3. 颜色
通过CIELab颜色分析，得出L*（亮度）和b*（蓝-黄平衡）随烘烤时间降低，与WC降低趋势平行，而a*（绿-红平衡）表现出三步行为。褐变指数（BI）未提供有效信息。圆形饼干内的平均变异系数（CV）最低，色彩均匀性最高。

3.4. 温度
通过热成像分析，得出烘烤初期不同形状无显著差异，90秒冷却后星形和不规则形饼干比圆形饼干更冷。表面温度超过120 °C的比例显著受烘烤时间影响，但形状影响不显著。

3.5. 波长选择
通过偏最小二乘回归（PLSR）和区间PLS（iPLS）进行光谱预处理和波长选择，得出结合标准正态变量变换（SNV）和一阶导数（DI）数据集，选取1160 nm反射率和1364 nm、1556 nm一阶导数建立模型，结合形态学特征后预测性能提升。

3.6. 模型性能
通过比较不同MLR模型的交叉验证结果，得出颜色分析（Lab）与形态学（Morpho）结合的模型表现最佳，预测误差最低。

在讨论部分，研究人员指出AA浓度在烘烤过程中遵循伪一级动力学，由于板栗粉中天然存在的抗氧化化合物和较高的持水能力延缓了表面脱水，本研究的AA含量未达到极高水平。形状主要通过几何特征影响AA的渐近值（），而不影响反应速率常数（k_e）。不规则和条纹形饼干具有更高的Rq值，粗糙表面可能通过增加有效表面积、形成易脱水区域以及增强对流传热来促进AA积聚。HSI在板栗基质中的预测性能有限，可能因为其主要捕捉了整体表面失水过程，而AA在达到激活能的局部热点积聚。颜色分析因具有更高的空间分辨率，能更好地捕捉局部异质性，因此表现更佳。结合三维形态学描述符显著增强了模型性能，RGB成像和摄影测量法结合提供了一种在预测精度、实施成本和操作简便性之间取得良好平衡的监测策略。研究人员还扩展了逐点预测模型，定性地表征了更易积聚AA的区域，为设计不易局部积聚AA的烘焙产品几何形状提供了支持。

在结论部分，研究人员总结道：在本研究中，利用非接触传感技术研究了板栗基饼干中的AA含量。基于烘焙产品表面特征（取决于其3D几何形状）在AA形成中起重要作用的假设，比较了四种基于成像的传感方法。在所研究的条件下，HSI的预测性能低于其他食品基质，表明其在烘焙产品中的应用可能需要进一步优化。饼干表面的热监测对AA预测的改善有限，而颜色分析（特别是亮度和蓝-黄平衡）提供了相关的预测信息。基于三维重建的形态计量评估通过考虑饼干形状变异性进一步改善了AA预测。特别是，表面粗糙度和有效3D表面积与不同饼干几何形状下预测的AA积聚差异有关。尽管色谱法与质谱联用仍是AA测定的参考方法，但所提出的方法可作为一种快速、非接触的在线过程监控筛查工具，能够早期识别生产过程中的潜在过程偏差并支持及时的纠正措施。