李文峰团队构建了一种利用图像识别技术研究食品色素与色泽品质关系的新方法

展源 2024-05-06

李文峰团队构建了一种利用图像识别技术研究食品色素与色泽品质关系的新方法 Food Chemistry（SCI一区，IF = 8.8）

●长江师范学院李文峰团队在利用图像识别技术探究食品品质智能分析与控制方面取得重要进展。发现结合图像识别与经典化学分析，在探究食品色泽品质变化机制方面具有很好的先进性，研究成果“Image recognition technology provides insights into relationships between anthocyanin degradation and color variation during jet drying of black carrot”于2024年5月在线发表在Food Chemistry（SCI一区，IF = 8.8）。长江师范学院食品科学与工程专业李文峰博士为第一和通讯作者。

成果介绍

PART.1 研究背景

人们通常利用视觉感知系统将物体认知为食物，并在品尝前做出购买或进一步食用的决定。因此，颜色是新鲜或加工食品及其营销的关键感官质量属性之一。通常，在食品科学与工程领域应用最广泛的统一色彩空间是CIELAB。它由独立的坐标轴L*、a*和b*组成，可以捕捉人类可感知到的色差。然而，食品CIELAB参数的捕获通常采用色差仪“点对点”地测量（仪器采样孔测定样品表面一个很小的区域）。然而，许多水果和蔬菜的颜色不均匀，如黑胡萝卜（图1A）。因此，传统的点对点色泽测量方法不足以表征整个黑胡萝卜的颜色（图1B），从而不利于对其颜色变化特征的进一步研究。为此，我们工作的创新目标是开发一个Python脚本，用于可视化食品加工过程中颜色变化与色素降解之间的相关性矩阵。

PART.2 成果介绍

射流干燥诱导的黑胡萝卜主要花色苷（C3XFGG和C3XSGG）降解属于非自发吸热反应，遵循0.5级或1级反应动力学方程。这些花色苷含量的变化与色差仪测得的颜色参数之间具有很强正相关性。然而，由于黑胡萝卜片是颜色非均匀的材料，色差仪测定的色泽结果存在较大的误差。因此，我们撰写了一个Python脚本，通过自动的图像主体截取、获取不同色泽空间的数据矩阵，再计算这些色泽数据与花色苷含量的皮尔森相关系数，最后输出了所有花色苷含量与样本图像L*、a*、b*、C、H、R、G和B值之间的相关矩阵图（图1C）。

图1 材料图片和分析流程示意图。

我们Python脚本输出的相关矩阵图可以直接观察到，C3XFGG和C3XSGG比其他花色苷与L、a、b、C和H颜色参数具有更高的正相关性（图2）。较高正相关的区域呈同心圆环状，且大多数高正相关的区域位于黑胡萝卜片的边缘（图2）。这表明花色苷降解引起的颜色变化主要发生在样品边缘，在产品的护色过程中应给予更多关注。此外我们的Python脚本也会自动输出花色苷与R、G和B值的相关矩阵图。虽然图像识别技术和色差仪测定都可以用于发现颜色变化和花色苷降解之间的相关性。但基于图像识别的方法可以揭示更多细节，这更有助于改进科学研究和食品加工中的色泽品质控制。我们在线提供了可直接使用的全部Python脚本和原始数据，期待它作为一种新工具被更广泛地应用在科研和生产。