《Innovative Food Science & Emerging Technologies》：Robotic system for automated visual detection of physical instability in protein systems
编辑推荐：
摘要
评估蛋白质分散体系的物理不稳定性在食品科学和产品开发中至关重要，然而现有方法依赖于主观的目视检查或昂贵的光散射仪器，这些方法仅能提供时间上的离散快照，时间分辨率有限。研究人员提出了一套结合机器人技术与计算机视觉的自动化系统，用于评估不同pH条件下蛋白质分
摘要
评估蛋白质分散体系的物理不稳定性在食品科学和产品开发中至关重要，然而现有方法依赖于主观的目视检查或昂贵的光散射仪器，这些方法仅能提供时间上的离散快照，时间分辨率有限。研究人员提出了一套结合机器人技术与计算机视觉的自动化系统，用于评估不同pH条件下蛋白质分散体系的物理不稳定性。该系统自动化了滴定和移液任务，同时一台光学相机连续监测存储在比色皿中的多达10个样品。所采集的图像通过基于拉普拉斯算子的算法进行分析，该算法增强聚集体可视性并通过单一指标量化不稳定性。该系统通过30 °C下对1%乳蛋白溶液进行酸滴定得到验证，成功检测到剧烈的物理化学不稳定性（聚集）和细微的物理不稳定性（沉降）。达到不稳定点所需添加酸的量在毫摩尔范围内显示出6%的变异，证明了跨实验的高重现性。这一成本效益高且可扩展的平台支持多达10个样品的平行分析，非常适合早期配方筛选。除蛋白质分散体系外，该系统还可扩展用于研究更复杂的多组分配方。此外，它还能促进大规模高质量数据集的生成，以支持用于配方优化的机器学习模型的开发。
论文解读
一、研究背景与问题
在食品科学领域，维持乳剂、乳制品饮料、酱料和调味品等食品体系的结构与功能性至关重要。乳析、沉降或相分离等物理不稳定现象会在产品生命周期中损害其质量，影响外观、质地和口感等关键感官属性，进而左右消费者的偏好。物理不稳定性受温度、浓度和加工条件等多种因素影响，因此成为产品开发中需要严格评估的关键属性。
然而，当前评估物理不稳定性的主要方法存在显著局限。传统的人工目视检查虽然简单有效，但具有主观性强、易出错的特点，尤其在稳定与不稳定状态之间的转变是渐进且不易察觉的复杂体系中，这一问题更为突出。持续观察或处理大量样本时，不利光照条件下的长时间工作还会导致操作者疲劳，进一步损害评估的准确性和可靠性。另一方面，基于光散射技术的先进仪器如动态光散射（DLS）和激光粒度分析虽然客观稳健，但设备昂贵、运行成本高，且需要专业人员操作，限制了其在食品科学中的应用范围，通常仅用于高附加值产品的检测。此外，目视检查和仪器方法都只能提供离散时间点的快照，无法实时捕捉稳定性随时间的演变过程。这些局限性加之吞吐量有限，迫使科研人员缩减和限制其研究设计的空间，亟需新的客观、基于指标的物理稳定性评估方法。
计算机视觉技术在食品科学中已应用于产品质量评估、分类以及食品处理与包装等领域，但将计算机视觉与机器人技术结合用于实验室自动化研究和物理不稳定性的检测仍然十分有限。因此，研究人员旨在开发一种结合机器人自动化与计算机视觉的低成本、高通量系统，以客观、实时地评估蛋白质分散体系在不同pH条件下的物理不稳定性。
二、研究内容与方法
研究开发的自动化系统由两个定制的3自由度直角坐标机器人手臂构成，在共享工作空间内协同完成实验操作。右侧手臂配备三个定制的Combitip泵（一个50 mL和两个25 mL）用于精确分配滴定剂，左侧手臂配备Calibra 832移液枪用于样品采集。实验在带有温度控制的夹套反应杯中进行，样品持续搅拌，pH和温度分别通过porotrode pH传感器和DS18B20探头每秒记录一次。系统采用比例控制器实现目标pH的精确调节。用于监测的相机装置由一个CMOS工业相机（配8 mm定焦镜头）和位于比色皿后方的LED背光条组成，相机每6秒采集一次4K图像。图像采集后经过去噪、灰度化、拉普拉斯滤波和阈值化处理，通过拉普拉斯算子的响应值计算稳定性指标，并引入时间不稳定性度量来评估样品的失稳状态。系统通过酸滴定1%（w/v）乳蛋白浓缩物（MPC）分散体系进行验证。
三、研究结果
各小标题研究结论如下。
1. 稳定性评估：对同一批次样品60分钟的监测显示，平均拉普拉斯读数在样品间变化仅3%；对不同批次样品15分钟监测显示变化为5.2%。然而，样品层面拉普拉斯读数的标准差（即时间噪声NT）始终稳定接近1%，与观察时间和批次差异无关。基于此，当置信阈值设定为3σ时，失稳检测阈值θ被确定为3.5%。
2. 自动化失稳检测：在低分辨率实验中，失稳在pH 5.68和pH 5.13之间被检测到；高分辨率实验进一步精确定位到临界pH 5.2。在pH 5.2检测到的5分钟内首先表现为沉降现象，而后续不稳定样本则显示出明显的聚集。对于肉眼不可见的颗粒沉降，拉普拉斯算法能够成功检测。
3. 实验重复性验证：在3次独立实验中，起始pH均为7.18，最后一个稳定样本的pH为5.3，首次失稳均一致地在pH 5.2被检测到。达到失稳点所需滴定剂的平均量为8.6 mM，变异为±6%（表2）。每次实验平均持续30.1分钟，变异为2.5分钟，通常在20分钟标记处检测到失稳。
四、讨论与结论
实验结果确认了该系统在各种实验条件下重复鉴定出MPC失稳点pH为5.2，一致于酪蛋白胶束的已知行为。这证实了系统的高度可靠性和物理不稳定性检测能力。在重复性方面，±6%的滴定剂体积变异反映了pH控制和分液精度的极限。对比DLS比色皿系统和DLS孔板系统，该系统通过使用标准CMOS相机而非昂贵的专用光学仪器，提出了可访问的替代方案，支持同时监测多达10个样品，每小时可处理约20个样品，并提供连续实时监控能力。然而，系统也存在一些局限性，包括需要两阶段滴定增加了实验时间、仅限于可见对比度的特征检测、对反射和冷凝等光学伪影的敏感性，以及光照变化对跨实验可比性的影响。
未来研究将扩展至更广泛的配方验证，包括透明体系（乳清）、有色样品（豌豆蛋白）、深色配方（咖啡）以及多组分分散体系（植物基乳）。计算机视觉流程将通过傅里叶分析等补充算法扩展，并将探索深度学习技术来优化稳定性评估。系统未来还可能集成多注射泵以提高分液精度，并融入更大的自动化工作流程。
研究人员开发了这套用于液态体系中物理不稳定性自动化视觉监测的机器人平台，其将自动化样品制备与拉普拉斯失稳检测相结合。该系统在乳蛋白分散体系的多项实验中可靠地检测出大规模聚集和细微的物理不稳定现象如沉降，甚至能够检测到人眼不可见的颗粒，较训练有素的人类观察者实现更早的检测。凭借自动化、客观化和连续监测的能力，该系统为食品科学中的早期配方筛选提供了成本效益高、中高通量的实用工具。
