《JOURNAL OF FOOD SCIENCE》：Image-Based Pore Space and Pore Network Characterization: A Review of 2D/3D Workflow in Foods
编辑推荐：
食品微观结构在加工过程中对传质和质构特性起重要调控作用；因此，其表征对于工艺优化和产品质量提升至关重要。研究人员在本综述中考察了图像处理技术在食品孔隙空间和孔隙网络表征中的应用。该工作流程包括图像采集、预处理、分割、重建、2D/3D可视化和定量分析。研究人员阐
食品微观结构在加工过程中对传质和质构特性起重要调控作用；因此，其表征对于工艺优化和产品质量提升至关重要。研究人员在本综述中考察了图像处理技术在食品孔隙空间和孔隙网络表征中的应用。该工作流程包括图像采集、预处理、分割、重建、2D/3D可视化和定量分析。研究人员阐明了扫描电子显微镜(SEM)和X射线显微计算机断层扫描(X-ray micro-CT)的潜力与局限性，并分析了已发表研究，以评估图像分辨率、图像质量和分割方法如何影响孔隙空间与孔隙网络表征结果。综述文献表明，分割算法和成像分辨率是影响孔隙空间与孔隙网络表征准确性的两个最关键因素。SEM可提供高分辨率表面信息；X-ray micro-CT则提供内部孔隙结构的无损3D可视化，这体现了两项技术之间的重要权衡。研究人员还阐明了基于图像的孔隙结构与食品质构及传质过程之间的关系，并识别与讨论了当前技术水平、挑战、新兴趋势和未来研究方向，包括缺乏验证或基准数据集、对AI辅助/可解释/可解释性AI分割算法以及多尺度成像方法的需求。这些发展将为提高基于图像的孔隙表征准确性和实际应用提供新机遇，从而支持优化食品加工操作设计、改善质构预测和传质过程，并推动食品工程中的质量控制。
1 引言
现代加工技术正从经验优化转向基于结构的预测性设计，理解孔隙拓扑如何调控传质、力学行为和品质属性日益重要。传统体积测量方法具有破坏性、易受墨水瓶效应影响等局限，因此需要图像处理方法实现3D可视化和定量表征。
2 食品孔隙空间与连通性
孔隙空间是食品基质内空气所占的体积分数，可分为盲孔、闭孔和开孔。加工过程中毛细血管塌陷和材料收缩可导致开孔变为闭孔，图像处理有助于直观理解这些变化。
3 孔隙尺寸分布
植物食品中的细胞间隙分为裂生性和溶生性两类，孔隙尺寸影响加工过程中的传质和物质提取。X射线显微CT(X-ray micro-CT)的2D/3D图像处理已在茄子、萝卜、苹果、梨、菠菜、面包、薯片等多种食品中实现孔隙分布分析。
4 空间孔隙分布
2D/3D图像显示植物食品薄壁组织中心区域孔隙率较高，向外围递减；油炸食品中心区域孔隙密度通常高于外壳。膨松剂、脂肪和乳化剂等成分可稳定加工食品中的孔隙分布。
5 曲折度(τ)
曲折度τ定义为实际有效路径长度与最短直接路径长度之比。该概念源于Carman-Kozeny方程，并发展出几何、水力、扩散和电曲折度等类型。图像处理技术可直接从3D重建图像测量有效路径长度和曲折度。
6 2D/3D孔隙空间表征的意义
实验室实验费时且具破坏性，经验模型往往依赖产品参数拟合。2D/3D图像处理可提供孔隙网络和骨架的可视化；3D模型支持虚拟漫游和孔隙簇观察，2D处理则更快速简单，已成为重要的分析手段。
7 其他孔隙空间测量技术概述
传统方法包括密度法、光学法、孔隙率计法和直接法。密度法基于体积密度和颗粒密度计算孔隙率；光学法适用于孔隙均匀的材料；孔隙率计法利用流体侵入或挤出并结合毛细管理论，但无法测量盲孔；直接法通过比较破坏前后体积估算孔隙率，适用于较软材料。
8 集成图像处理分析工作流程
图像采集、预处理、分割、重建、可视化和定量分析构成完整工作流程。SEM与X-ray micro-CT互补：前者提供表面高分辨率信息，后者实现内部结构无损3D重建。
8.1 图像采集
X-ray micro-CT利用样品不同组分对X射线衰减差异，从多角度记录2D投影并重建3D内部结构，可定量分析孔隙尺寸分布、连通性和壁厚等；分辨率是影响测量准确性的关键因素，nano-CT可捕获更多纳米级孔隙。SEM通过电子束扫描样品表面获取形貌信息，需要干燥和导电涂层，可结合深度学习实现3D表征。
8.2 图像预处理
预处理包括噪声降低、射束硬化校正和对比度增强。X-ray micro-CT噪声可分为随机噪声、统计噪声和舍入误差；空间域与变换域滤波器可去除噪声，但可能模糊边缘。射束硬化会产生杯状伪影和暗条纹，投影/模型校正可抑制伪影。对比度增强方法包括颜色向量转换、强度值映射和直方图均衡，也可在成像前使用染料增强相位对比。
8.3 孔隙空间与孔隙网络分割
分割方法主要分为阈值法、聚类法和边缘法等。Otsu和Kapur等阈值法快速易用，但在低对比度和异质基质中易失效。AI辅助方法包括U-Net、Mask R-CNN和Vision Transformers(ViT)等，可提高复杂结构的分割精度；可解释人工智能(XAI)和可解释性AI用于增强模型透明度和结果可信度。
8.4 重建与定量
3D重建可通过解析法、迭代法、统计算法或深度学习实现。2D孔隙率由孔隙像素数除以总像素数得到，3D孔隙率由孔隙体素数除以总体素数得到。孔隙网络通过将孔隙空间转化为节点和喉道，以分析连通性、曲折度和喉道尺寸。重建流程的选择直接影响孔隙结构的解释结果。
8.5 孔隙网络分析与提取算法
分形和多重分形分析通过分形维数量化孔隙复杂度；最大球算法(MBA)以内切最大球识别孔隙体和喉道；中轴变换(MAT)/骨架化基于最大球构建网络节点，可保留孔隙形态，但易受异常值干扰。
9 图像分辨率在孔隙结构重建中的作用
空间分辨率即体素尺寸，决定可检测的最小结构细节。部分体积效应会使边界模糊并扭曲孔隙几何形状。研究表明，在不同分辨率下重建苹果、梨等食品会显著影响孔隙率测量结果，因此需要在成像技术与分辨率之间权衡。
10 分割方法对孔隙空间和孔隙网络表征的影响
分割是影响孔隙表征准确性的决定性步骤之一。全局阈值法在灰度重叠或存在噪声时容易遗漏小孔并简化连通性；分水岭分割可分离连续孔隙，但可能过度分割。深度学习方法在菠菜、油炸面团等多相食品中能够更稳定地区分固相、液相和气相，减少操作者偏差。
11 不同食品系统中的孔隙结构重建与渲染
11.1 油炸食品
油炸食品中孔隙-油-空气多相相互作用使重建更具挑战。X-ray micro-CT可在油存在下重建孔隙结构，SEM重建显示外壳与中心区域孔隙分布存在明显异质性，并与脆性等质构属性相关。
11.2 焙烤食品
X-ray micro-CT重建可揭示焙烤过程中孔隙的扩张、收缩和再扩张等动态变化；发酵时间会显著影响孔隙网络连通性和传输阻力。
11.3 水果
SEM结合ImageJ可用于分析苹果表面孔隙随干燥的变化；X-ray micro-CT结合阈值分割可重建苹果和梨的3D孔隙网络、孔隙率和曲折度，但单纯阈值法可能难以捕捉精细胞间网络。
12 重建孔隙网络的功能解释
3D重建可揭示孔隙结构与流体传输动力学之间的关系。例如，菠菜中的孔隙结构影响流体速度与压力分布，绿豆的闭合孔隙和孔隙球度与细胞阻力相关，重建孔隙网络可用于预测渗透率和扩散率。
13 2D/3D表征的权衡
2D SEM可提供高分辨率表面细节，但无法捕捉内部连通性；3D X-ray micro-CT可提供完整孔隙网络，但受分辨率和计算成本限制。若关注表面形貌和孔隙形态，SEM更合适；若关注连通性、喉道和曲折度，则X-ray micro-CT更合适。
14 商业和开源工具
常用工具包括Dragonfly、CTAn、VGStudio、Mimics、MATLAB、ImageJ/Fiji等。Dragonfly和VGStudio支持AI辅助分割，CTAn适合X-ray micro-CT定量分析，ImageJ开源易用且插件丰富，MATLAB灵活但需编程且无专用孔隙库。
15 当前知识状态
X-ray micro-CT和SEM已被广泛用于获取孔隙尺寸分布、曲折度、总孔隙率、分形维数和孔隙网络结构。但成像参数、分割方法和分析路径的差异导致结果难以重现，孔隙结构在加工过程中的动态演化研究仍较少。
16 挑战
当前主要挑战包括分割方法选择与阈值主观性、低分辨率遗漏细小孔隙、高分辨率引入噪声、预处理步骤改变孔隙边界，以及缺乏与标准方法如BET分析和孔隙率计法的对比验证。
17 未来方向
未来研究应提高工作流程透明度和可重复性，开发基准数据集，发展数据驱动、自适应和混合分割方法，推动AI辅助与可解释AI应用，并通过多尺度成像技术如X-ray micro-CT与X-ray nano-CT图像配准，实现更全面的孔隙结构表征。
18 结论
图像分析已成为表征食品表面和内部结构的重要工具，可量化孔隙空间、连通性、曲折度、分形维数和空间分布。为提高准确性和可靠性，需发展AI辅助/可解释AI算法，建立高质量基准数据集和验证规范，并通过多分辨率图像融合获得更完整的孔隙结构信息。
