《Journal of Food Engineering》：Image-guided robotic extrusion of WPI-SA gel for personalized edible pattern fabrication
编辑推荐：
•从图像导出的轮廓在挤出前已准备好用于连续沉积。•WPI-SA凝胶、Fermat填充和Bézier平滑支持连续沉积。•STN校正支持手写内容到G代码的转换，减少了手工描摹。•改进的U-Net和CycleGAN将肖像简化为面向打印的轮廓。引言食品3D打印越来越被用于制造定制化可
- •
从图像导出的轮廓在挤出前已准备好用于连续沉积。
- •
WPI-SA凝胶、Fermat填充和Bézier平滑支持连续沉积。
- •
STN校正支持手写内容到G代码的转换，减少了手工描摹。
- •
改进的U-Net和CycleGAN将肖像简化为面向打印的轮廓。
引言
食品3D打印越来越被用于制造定制化可食用结构、质构改良食品、个性化营养产品和装饰性食品（Chao等，2024；Dancausa Millán和Millán Vázquez de la Torre，2024；Derossi等，2024；Qin等，2026a）。其价值在于无需为每个设计重新制作模具，即可将数字信息转化为材料沉积（Neamah和Tandio，2024）。然而，在小批量餐饮服务中，个性化往往始于非结构化视觉输入，如手写字幕、类标志轮廓或肖像照片，这些输入需要转化为可食用产品，而不仅仅是数字图像（Lee等，2025；Zhao等，2018）。这将挑战从形状制造转变为集成的图像到食品制造（Prithviraj等，2025；Seol等，2026）。
现有研究已改进了可打印配方、流变控制、亲水胶体墨水和工艺参数，但许多工作流程仍然假设可打印几何形状以CAD模型的形式存在（Jeon等，2024；Nikolaou等，2025；Qin等，2026b）。计算机视觉和深度学习方法可以提取、分割或转换图像内容，但其输出并不能自动转化为稳定的食品打印路径（Derossi等，2023；Zhang等，2025）。像素精确的面罩可能包含使挤出失稳的碎片，视觉上吸引人的风格化图像可能对连续沉积而言过于复杂（Yu等，2025）。尚未解决的差距在于视觉理解、材料感知路径生成和同步食品挤出的耦合（Kok Wah，2026）。因此，数字边界仅在特定的材料响应、喷嘴几何形状、沉积丝材尺度、局部间距、曲率和运动-挤出设置的组合下才可打印。
机械臂挤出为这一问题提供了灵活的平台，因为它为细长或不规则的装饰图案提供了可适应的工作空间（Mendoza-Bautista等，2025；Pan等，2025）。然而，机器人食品打印对运动学转换、运动平滑度和挤出同步性也提出了严格要求。对于粘弹性可食用凝胶，突然的移动、频繁的启停或急转弯可能导致过度沉积、沉积不足或断线（Henriksen等，2024）。因此，机器人的灵活性必须与连续刀具路径规划相结合（Nguyen等，2023），尤其是当手写和肖像输入的畸变、笔画变化、背景干扰和可打印轮廓复杂度存在差异时。这些依赖性意味着，在一种配置上验证的轮廓不能假定可以原样转移到另一种配方、喷嘴、挤出机构或打印机上。
在初步配方筛选后，WPI-SA被用作固定模型墨水，筛选结合了表观粘度和复数模量趋势以及挤出连续性和沉积后形状保持性的定性观察（补充图S8）。使用一种墨水使得可以在不引入材料切换作为额外变量的情况下评估图像到路径和机器人执行的工作流程。该系统通过单一喷嘴沉积单一配方；未评估多材料切换和跨材料兼容性。
因此，本研究旨在利用固定的WPI-SA机器人挤出系统，将手写和肖像输入转化为二维可食用图案的可执行路径。针对输入的特定预处理在共享轮廓处理和G代码生成之前对手写内容进行校正，或对肖像进行分割和简化。Fermat填充和Bézier平滑与机器人运动和活塞挤出相结合。评估采用数字指标和重复的物理打印终点：成功与否、线宽误差、轮廓偏差和沉积缺陷。
章节片段
食品墨水制备与初步筛选
酪蛋白分离蛋白（92.6%蛋白质、4.7%水分和2.7%灰分）和海藻酸钠用于制备模型墨水。将海藻酸钠（1.2 g）分散在50 mL去离子水中，在搅拌和水浴加热下溶解，然后加入WPI（6.5 g）。混合物在100 °C加热12分钟，在4 °C保存12小时后进行打印。该配方在所有手写和肖像打印实验中保持不变。
在配方选择之前，海藻酸
食品墨水基础与固定系统证据边界
所有筛选的配方均表现出随剪切速率增加而表观粘度降低的趋势（补充图S8）。表观粘度和复数模量趋势被用作选择可在沉积时保持几何形状的可挤出配方的初步证据。这些数据支持将WPI-SA作为固定模型墨水使用，但不能建立屈服应力值或其他墨水或打印机的可迁移流变窗口。在此固定配置中，机械臂
结论
本研究展示了集成的图像引导机器人挤出工作流程，利用WPI-SA凝胶将手写和肖像输入转化为可执行沉积路径，用于个性化可食用图案制造。该工作流程将特定任务的图像预处理与连续Fermat填充、Bézier平滑、坐标校正、G代码生成和同步活塞驱动挤出相连接。动态膨胀U-Net达到了94.63%的MPA、84.47%的mIoU和88.45%的Dice，而
利益冲突声明
作者声明他们不存在可能影响本文所述工作的已知竞争性财务利益或个人关系。
CRediT作者贡献声明
徐浩洋：软件，形式化分析。张奥成：验证，调查。秦周：写作——审阅与编辑，写作——原稿，可视化，方法论，调查，数据整理，概念构思。李志华：写作——审阅与编辑，监督，资金获取，概念构思。邹晓波：监督，项目管理，资金获取。黄晓伟：写作——审阅与编辑，可视化。马利鑫：资源，调查。张齐：验证，
未引用文献
Dancausa Millán和Millán Vázquez de la Torre，2024。
数据可用性
本研究结果所依据的数据可应合理请求向通讯作者获取。
利益冲突声明
? 作者声明他们不存在可能影响本文所述工作的已知竞争性财务利益或个人关系。
致谢
本工作得到了国家重点研发计划（2022YFF1101900）、江苏省科技计划专项资金（BZ2024029）、国家自然科学基金（32272407，32372465）、江苏省自然科学基金（BK20220058，BK20220111）、宁波重点研发计划项目（2023Z123）、温岭现代健康产业学院博士后项目（2022NKY05）、科学和
Zhou Qin|Aocheng Zhang|Haoyang Xu|Youmin Zhang|Yuhong Xue|Qi Zhang|Lixin Ma|Xiaowei Huang|Xiaobo Zou|Zhihua Li
