Визуальная оценка состояния шоколадной массы при помощи системы технического зрения

 Введение: Вопросы повышения качества пищевой 3D печати шоколадом и шоколадной  глазурью затрагивались во многих современных исследованиях. Большинство работ  посвящены разработке подающих механизмов, систем охлаждения и изменению  состава сырья, однако процесс пищевой 3D печати не рассматривался с точки зрения  автоматизации. В данной работе предлагается оценивать агрегатное состояние верхнего слоя нанесённого материала, для адаптивного управления режимами печати. Корректное  определение текущего состояния нанесённого материала позволит увеличивать или уменьшать скорость печати, влиять на качество изделия и общее время построения  модели. В исследовании были проведены практические эксперименты по охлаждению  шоколадной массы с использованием системы технического зрения. 

Цель: Выявить зависимость оттенка нанесённой шоколадной массы от её температуры при естественном охлаждении, для того чтобы оценить возможность использования технического зрения в качестве визуального датчика в системе автоматизированного контроля за процессом 3D печати шоколадной массой. Согласно гипотезе исследования, агрегатное состояние нанесённого материала возможно контролировать при помощи системы технического зрения, на основании изменения его оттенка.    

Материалы и методы: В качестве объекта исследования выступал процесс естественного охлаждения жидкой шоколадной массы (шоколадная глазурь Belgostar и бельгийский шоколад Callebaut). Были проведены практические эксперименты по охлаждению сырья, в результате которых получены числовые данные. Методом анализа и чистки данных были получены отфильтрованные значения, по которым построены графики  зависимости средних цветовых значений каналов: «R», «G», «B» в цветовом пространстве  RGB от температуры и времени охлаждения. Для изучения графиков использовался метод  визуального анализа. Для контроля цветности сырья была использована Web-камера, компьютер и вспомогательное ПО на основе библиотеки OpenCV. Исследованы условия  освещения для проведения визуальной оценки агрегатного состояния шоколада при  помощи Web-камеры. Для проведения эксперимента был использован светорассеиватель  и несколько источников освещения (3000К, 4000К, 5000К).

 Результаты: Выявлена зависимость оттенка нанесённой шоколадной массы от её  температуры при естественном охлаждении. В ходе визуального анализа построенных  графиков установлена тенденция резкого изменения цветности образцов по всем  цветовым каналам «R», «G», «B» в момент начала кристаллизации. Выявлен наиболее информативный цветовой канал - «B», показавший наибольшую амплитуду изменения в момент кристаллизации во всех экспериментах, как для глазури, так и для шоколада. Наибольшее изменение цветности наблюдается при освещении с цветовой температурой 3000К (тёплый свет). 

Выводы: Система технического зрения способна зафиксировать изменение цветности шоколадной массы, в процессе её охлаждения. Момент начала кристаллизации шоколадной  массы совпадает с моментом резкого изменения её цветности, что указывает на наличие  взаимозависимости между оттенком шоколадной массы и её агрегатным состоянием.  Для фактического определения момента начала процесса кристаллизации необходимо  провести анализ графика изменения цветности и найти аномальное и нехарактерное  изменение.

1. Аднодворцев, А.М., Благовещенский, И.Г., Благовещенский, В.Г.,Носенко, А.С., Веселов, М.В., & Нгонганг, Р.Д. (2022). Создание интеллектуальных систем принятия решений на базе технологии сверточных нейронных сетей. В Фабрика будущего (c. 25–32). ЗАО «Университетская книга».

2. Благовещенский, И.Г., Благовещенский, В.Г., Савостин, С.Д., & Кучумов, А.В. (2022). Интеллектуальная система мониторинга технологических процессов производства продуктов на пищевых предприятиях. В Информатизация и автоматизация в пищевой промышленности (c. 119–126). ЗАО «Университетская книга».

3. Благовещенский, И.Г., Благовещенский, В.Г., Головин, В.В., & Аднодворцев, А.М. (2022). Интеллектуальная оптимизация производства на основе использования инновационных продуктов и технологий. В Информатизация и автоматизация в пищевой

4. промышленности (c. 140–144). ЗАО «Университетская книга».

5. Благовещенский, И.Г., Благовещенский, В.Г., Шибанов, Э.Д., & Загородников, К.А. (2020). Оптимизация 3D печати на примере использования шоколадной глазури. Пищевая промышленность, (12), 70–73. https://doi.org/10.24411/0235-2486-2020-10147

6. Благовещенский, И. Г., Носенко, С. М., & Носенко, А. С. (2015). Экспертная интеллектуальная система мониторинга процесса формования помадных конфет с использованием системы технического зрения. Пищевая Промышленность, (6), 26–30.

7. Мартеха, А. Н., & Андреев, В.Н. (2021). Оптимизация 3D-печати шоколадной массы путем корреляции реологических свойств с 3D-моделированием структуры. В Наука, технологии, кадры — основы достижений прорывных результатов в АПК (с. 571-578). Татарский институт переподготовки кадров агробизнеса.

8. Петряков, А.Н., Благовещенская, М.М., Благовещенский, В.Г.,

9. & Крылова, Л.А. (2018). Применение методов объектно ориентированного программирования для контроля показателей качества кондитерской продукции. Кондитерское и хлебопекарное производство, 176 (5–6), 21–23.

10. Ребус, Н.А., & Благовещенский, И.Г. (2022). Проблемы внедрения интеллектуальных систем на предприятии. В Фабрика будущего (с. 271–277). ЗАО «Университетская книга».

11. Семенов, А. С., Максимов А.С., Бесфамильная Е.М., & Талмазова Д.В. (2021). Технологии 3D-печати в пищевой промышленности. Молодой ученый, 21(363), 41–43.

12. Скоморохова, А. И., Родионов, Ю. В., Безбородова, М. В., & Данилин, С. И. (2021). Производство сувенирного шоколада с применением аддитивных технологий. В Развитие сервисной деятельности в условиях цифровизации экономики (с. 164–166). НГИЭУ.

13. Agarwal, T., Costantini, & M., Maiti, T. K. (2021). Extrusion 3D printing with pectin-based ink formulations: recent trends in tissue engineering and food manufacturing. Biomedical Engineering Advances, 2, 100018. https://doi.org/10.1016/j.bea.2021.100018

14. Chachlioutaki, K., Karavasili, C., Mavrokefalou, E.E., Gioumouxouzis, C.I., Ritzoulis, C., & Fatouros, D.G. (2022). Quality control evaluation of paediatric chocolatebased dosage forms: 3d printing vs mold-casting method. International Journal of Pharmaceutics, 624, 121991. https://doi.org/10.1016/j.ijpharm.2022.121991

15. Cruz-Tirado, J. P., Pierna, J. A. F., Rogez, H., Barbin, D. F., & Baeten, V. (2020). Authentication of cocoa (theobroma cacao) bean hybrids by nir-hyperspectral imaging and chemometrics. Food Control, 118, 107445. https://doi.org/10.1016/j.foodcont.2020.107445

16. Eswaran, H., Ponnuswamy, R. D., & Kannapan, R. P(2023) Perspective approaches of 3D printed stuffs for personalized nutrition: A comprehensive review. Annals of 3D Printed Medicine, 100125. https://doi.org/10.1016/j.stlm.2023.100125

17. Godoi, F. C., Prakash, S., & Bhandari, B. R. (2016). 3d printing technologies applied for food design: Status and prospects. Journal of Food Engineering, 179, 44–54 https://doi.org/10.1016/j.jfoodeng.2016.01.025

18. Holzmond, O., & Li, X. (2017). In situ real time defect detection of 3D printed parts. Additive Manufacturing, 17, 135–142.https://doi.org/10.1016/j.addma.2017.08.003

19. Izdebska, J., & Zołek-Tryznowska, Z. (2016). 3D food printing — Facts and future. Agro Food Industry Hi Tech, 27(2), 33–37.

20. Karavasili, C., Gkaragkounis, A., Moschakis, T., Ritzoulis, & C., Fatouros, D. G. (2020). Pediatric-friendly chocolate-based dosage forms for the oral administration of both hydrophilic and lipophilic drugs fabricated with extrusion-based 3Dprinting. European Journal of Pharmaceutical Sciences, 147, 105291. https://doi.org/10.1016/j.ejps.2020.105291

21. Lafeber, I., Tichem, J.M., Ouwerkerk, N., van Unen, A.D., van Uitert, J.J.D., Bijleveld-Olierook, H.C.M., Kweekel, D.M., Zaal, W.M., Le Brun, P.P.H., Guchelaar, H.J., & Schimmel, K.J.M. (2021). 3D printed furosemide and sildenafil tablets: Innovative production and quality control. International Journal of Pharmaceutics, 603, 120694. http://doi.org/10.1016/j.ijpharm.2021.120694

22. Lanaro, M., Desselle, M. R., & Woodruff, M. A. (2019). 3D Printing Chocolate. In Fundamentals of 3D food printing and applications (pp. 151–173). Academic Press. https://doi.org/10.1016/b978-0-12-814564-7.00006-7

23. Lanaro, M., Forrestal, D. P., Scheurer, S., Slinger, D. J., Liao, S., Powell, S. K., Woodruff, M. A. (2017). 3D printing complex chocolate objects: Platform design, optimization and evaluation. Journal of Food Engineering, 215, 13–22. https://doi.org/10.1016/j.jfoodeng.2017.06.029

24. Lopes, J. F., da Costa, V. G. T., Barbin, D. F., Cruz-Tirado, L. J. P., Baeten, V., & Barbon Junior, S. (2022). Deep computer vision system for cocoa classification. Multimedia Tools and Applications, 81(28), 41059–41077. https://doi.org/10.1007/s11042-022-13097-3

25. Ma, Y., & Zhang, L. (2022). Formulated food inks for extrusion-based 3D printing of personalized foods: A mini review. Current opinion in food science, 44, 100803. https://doi.org/10.1016/j.cofs.2021.12.012

26. Mantihal, S., Prakash, S., Godoi, F. C., & Bhandari, B. (2017)

27. Optimization of chocolate 3D printing by correlating thermal and flow properties with 3D structure modeling. Innovative Food Science & Emerging Technologies, 44, 21–29.https://doi.org/10.1016/j.ifset.2017.09.012

28. Mohapatra, S., Kar, R. K., Biswal, P. K., & Bindhani, S. (2022). Approaches of 3D printing in current drug delivery. Sensors International, 3, 100146. https://doi.org/10.1016/j.sintl.2021.100146

29. Nuchitprasitchai, S., Roggemann, M., & Pearce, J. (2017). Three hundred and sixty degree real-time monitoring of 3-D printing using computer analysis of two camera views. Journal of Manufacturing and Materials Processing, 1(1). https://doi.org/10.3390/jmmp1010002

30. Oliveira, M. M., Cerqueira, B. V., Barbon Jr, S., & Barbin, D. F. (2021). Classification of fermented cocoa beans (cut test) using computer vision. Journal of Food Composition and Analysis, 97, 103771. https://doi.org/10.1016/j.jfca.2020.103771

31. Oral, M. O., Derossi, A., Caporizzi, R., & Severini, C. (2021). Analyzing the most promising innovations in food printing. Programmable food texture and 4D foods. Future Foods, 4, 100093.https://doi.org/10.1016/j.fufo.2021.100093

32. Outrequin, T. C. R., Gamonpilas, C., Siriwatwechakul, W., & Sreearunothai, P. (2022). Extrusion-based 3d printing of food biopolymers: A highlight on the important rheological parameters to reach printability. Journal of Food Engineering, 342, 111371. https://doi.org/10.1016/j.jfoodeng.2022.111371

33. Rando, P., & Ramaioli, M. (2021). Food 3D printing: Effect of heat transfer on print stability of chocolate. Journal of Food Engineering, 294, 110415. https://doi.org/10.1016/j.jfoodeng.2020.110415

34. Soni, R., Ponappa, K., & Tandon, P. (2022). A review on customized food fabrication process using food layered manufacturing. LWT, 161, 113411.https://doi.org/10.1016/j.lwt.2022.113411

35. Straub, J. (2015). Initial work on the characterization of additive manufacturing (3D printing) using software image analysis. Machines, 3(2), 55–71. https://doi.org/10.3390/machines3020055

36. Tamir, T. S., Xiong, G., Shen, Z., Leng, J., Fang, Q., Yang, Y., Jiang

37. J., Lodhi E., & Wang, F. Y. (2023). 3D printing in materials manufacturing industry: A realm of industry 4.0. Heliyon.https://doi.org/10.1016/j.heliyon.2023.e19689You, S., Huang, Q., & Lu, X. (2023). Development of fat-reduced 3d printed chocolate by substituting cocoa butter with water-in-oil emulsions. Food Hydrocolloids, 135, 108114. https://doi.org/10.1016/j.foodhyd.2022.108114

38. Zhu, S., Wang, W., Stieger, M., van der Goot, A. J., & Schutyser, M. A. (2022). Shear-induced structuring of phase-separated sodium caseinate-sodium alginate blends using extrusion based 3d printing: Creation of anisotropic aligned micron size fibrous structures and macroscale filament bundles. Innovative Food Science & Emerging Technologies, 81, 103146. https://doi.org/10.1016/j.ifset.2022.103146