联合利华用DigiEye电子眼分析果蔬汤的颜色和外观

使用DigiEye数字彩色成像系统(电子眼)

分析果蔬汤的颜色和外观

Gerard van Dalen, Faisal Osman, Aat Don

联合利华研发部; P.O. Box 114, 3130 AC Vlaardingen, The Netherlands

韵鼎应用研发部:Rm1501, BL1,Lane 388, Zhongjiang RD, Shanghai, China

摘要

联合利华食品研发科学家、厨师和工程师们的共同目标是:在保持产品安全性的同时,发展出以天然水果和蔬菜为主的菜汤,且具备最佳的风味、质感、外观和健康益处。而颜色和外观在感知质量(如营养和新鲜)方面有着重大的影响。本文介绍了一种能测定含有蔬菜粒的汤类颜色的方法,即在受控的照明条件下,使用DigiEye成像系统捕捉样品的数码影像的方法。它通过色度数字化来准确记录样品的影像和外观,亦适用于测量颜色均匀性、大小和形状。实验使用不同的参考样品和汤类样品,来研究漫反射、定向照射两种模式下照明的均匀性。为了进行精确的色彩分析,必须进行均匀性校正,并将样品固定于光源箱样品台中心以外的一个位置,然后测量颜色。使用定向照射模式(附加反光镜,产生定向光线)模式,可清晰显示样品光泽,这样生成的样品影像就非常接近汤和蔬菜颗粒的实际外观。在漫照射模式下,有光泽的汤类样品的影像上会出现黑斑。汤样品在漫照射、定向照射模式下的颜色值差异较小。不过在定向照射模式下,测试结果的重复性更好。此外,分别使用DigiEye系统和两种结构的色度计(0°/45°和d/0°结构)测量36种不同的汤,再比较分析它们的测量结果。研究发现:DigiEye系统测得CIE Lab值,与两种色度计的存在着线性关系;且DigiEye系统和0°/45°色度计间的相关性最好(r2= 0.980-0.996)。从短期精度来说,DigiEye系统略优于这两种色度计。

引言

食品必须是悦目的、美味的、健康的,因此颜色是食品的一个关键属性。食品的整体外观强烈地影响消费者对食品的感知,以及最终的消费、享受和购买行为。对消费者而言,他们偏好颜色鲜艳的水果和蔬菜。食品的颜色和外观对消费者的感知质量(如新鲜度)的影响很大。褐变或泛黄的未加工绿色蔬菜,如西兰花,则不受消费者欢迎。加工处理绿色蔬菜,有可能将它们变成丧失吸引力的暗橄榄绿色(叶绿素的降解)。颜色或许能评估过度加工(热处理),以及伴随的营养物分解和利用率的变化。消费者对颜色的感知,不只影响对产品外观的解读,而且还延伸到产品的风味和对整体质量的感知。如根据番茄汤的颜色,判断它是奶油风味或番茄风味[1]。对颜色、质地的感知,最终可联系到它的营养价值。

以水果和蔬菜为主的汤,是人类一个重要的营养来源[2]。颜色能反映特定抗氧化剂和其他植物化学物质的存在情况,这些物质能中和人体内的自由基(如番茄中的番茄红素、及在胡萝卜和南瓜中的β-胡萝卜素)。科学营养协会间有一个共识,即我们的饮食应该尽可能地丰富多彩,以获得抗氧化剂带来的最大益处和保护。食品研究旨在保持产品安全性的同时,开发具备最佳的风味、质感、外观和健康益处的果蔬汤。

通过目视进行色彩评估是一个主观的、不可控的方法,比如说评估结果会随观察者和观察条件的改变而变。使用仪器,如色度计或分光光度计,可以很容易地测量样品颜色[1,3]。对于均匀、不透明、具有光滑表面的材料,仪器测量得到的颜色都非常接近到消费者所感知的色彩。然而,只有极少数食品的颜色是真正均匀的。何况食品表面的纹理、光泽、形状及状态具有多样性,这都深刻影响了人们对色彩的感知。

本文针对含有水果和蔬菜颗粒的汤类产品,描述了一种集彩色影像采集和分析为一体的方法的发展过程。这些影像上的样品颜色必须精确,且与目视外观一致,还可直接、实时比较全球各地所生产的产品,以研究工艺参数的影响和货架期内颜色的稳定性。这些影像还能用于色彩均匀性、大小、形状和结构分析,以及通讯传输和存档,进行屏幕操作和人工颜色替换。虽然使用平板式扫描仪(FBS)或摄像头系统,也能获得精确的彩色影像,但FBS仅适用于相对较薄的平面样品如大米[4]或纺织品[5]。对于汤和蔬菜颗粒,Verivide公司所生产的DigiEye彩色影像系统已被使用,该系统是为纺织行业[6,7,8]设计开发的,最近也被越来越多地应用在食品工业,如雪花肉的测量、鱼类宰杀保鲜方法、加工食品、水产品货架期评估等等领域。一般而言,色彩分析需要一个均匀的漫照射条件,这样就能避免在图像中引入明亮的镜面反射光。但是,在这样条件下得到的样品影像发暗,表面纹理不清晰,亦并不适合于外观分析(图1)。使用定向照射模式(附加反光镜,产生定向光线),可清晰显示样品光泽,这样生成的样品影像就非常接近汤和蔬菜颗粒的实际外观。在这项研究中,研究了这些图像能否用于色彩分析。

 

1.jpg

 

图1 不同照射模式下番茄/甜椒汤的图像[漫照射模式(左)和定向照射模式(右)]。图像大小= 10cm*10cm。

实验过程

使用英国VeriVide公司的DigiEye成像系统和尼康D70数码相机、尼康35mm的F/2 D型镜头,在受控照明条件下获得样品的数码影像。照明柜(光源箱)提供标准的漫照射条件,将反光镜固定于光源箱顶部合适的位置(图2),两支VeriVide D65荧光灯管(人造日光)发出的光就能沿45°方向定向照射样品【已加入LED灯以便更精确地模拟D65光源(包括紫外部份)】。改变反光镜的位置,就能改变D65光线的定向照射角度。因为目视外观与光泽密切相关,借助于反射镜,就能把样品表面的光泽清晰地展示在图像中。

 

2.jpg

 

图2   汤类成像原理图(DigiEye系统的光源箱内部前视图)

相机的设置为:定向照射模式选1/13秒、F/6.3,漫照射模式选1/8秒、F/6.3,感光度为ISO200。对于每幅图像,均保存一个12像素位数的原始文件(NEF无损压缩)和一个TIF格式文件,并选择Adobe RGB色彩空间(模式2)。使用Gretagmacbeth白平衡(WB)卡校正白平衡。使用一块DigiEye灰色铝合金板(30×42cm2)和爱普生inkjet S041328白色优质哑光照片纸(33×42cm2,251g/cm2,ISO亮度是93%,不透明度是97%)校正均匀性。图像分辨率是3008×2000像素,对应大小为34×22cm2。使用DigiTizer(DigiEye)彩卡校准相机(DigiEye软件使用35×3多元多项式拟合相应的RGB值至目标的已知CIE XYZ值)。容器为特制的铝制灰色涂层容器,其内径为9.5cm,将样品倒入容器至厚度分别为1cm、2cm和3cm。对于均匀样品,测量容器内5cm×5cm的区域。使用DigiEye软件的DigiPix工具(版本3.4.2)得到测量区域的平均CIE Lab值,及使用Leica QWIN Pro程序(版本2.4)得到平均R、G和B值。

使用1.0mm*1.0mm孔径的筛子筛汤,并用自来水冲洗剩下的蔬菜颗粒,并将其分布在36cm * 26cm的灰板上(图3)。使用DigiEye系统在室温下捕捉样品、滤液和残渣的影像。

 

3.jpg

 

图3从意式蔬菜汤中分离出蔬菜颗粒,使用定向照射模式获得图像

测试使用的样品是购买的含有水果和蔬菜块的汤(罐装、袋装或袋装)。大多数蔬菜汤中蔬菜是以蔬菜泥形式存在(由稀到稠),少数是以肉汁清汤形式存在(含水分较多)。这些汤中可能含有的颗粒从非常小(如含量较低的香草),到大包装汤中含有高达50%的蔬菜块和面条、谷物和肉类等成分。只有很稠的汤,才能被视为不透明样品,目视所见皆为反射光,其他汤类或多或少是半透明的。即使是清汤,因存在非常小的散射粒子,也不是完全透明的。由于半透明样品的颜色会随着光程长度的改变而变化,所以当样品杯内样品不够厚时,部分入射光会照射到杯底,测量结果是样品、背景的综合色。因此,要么加大样品厚度至不透明,要么固定样品厚度,从而保证测量结果的一致性。分别将稀、稠奶油汤及清汤倒入容器至不同厚度,并将容器放置于光源箱样品台上一个固定位置,然后拍摄样品影像,并分析样品厚度对颜色的影响。

使用Hunterlab色度计(Labscan )和美能达色度计(CR400)各一台测量样品的颜色,并比较测试结果。在CIE D65光源、10°观察者下,使用标准白反射板、标准黑反射板来校正Labscan(0°/45°),测量孔径为50mm(2.00英寸),照明面积为44mm(1.75英寸)。使用红瓷板、绿瓷板作为参考板:CRM编号为400的番茄红BCR瓷板(D65/10°:L*=31.1,a*=43.5,b*= 32.2,生产机构为Institute of Reference Materials and Measurements, Belgium)和编号为14161的Hunterlab绿瓷板(D65/10°:L*= 52.3,a* = -25.7,b* = 13.9)。对样品轻轻搅拌(防止引入空气)后,装满内径58mm、高37mm玻璃样品杯,直至样品表面平滑,且从杯底看,样品是不透明的。将样品杯置于仪器测试口上面,并用黑光罩罩住(防止室内环境光线进入测试口)。

在CIE D65光源、2°观察者下,使用标准白反射板校正美能达CR400色度计d/0°(包含镜面反射)。再将液态样品专用测量头(测量面积为8mm)放入一个充满了汤的玻璃样品杯(内径58mm、高37mm)。

结果

为了检查DigiEye系统生成影像的均匀性,对灰色铝板(由DigiEye提供的标准件)和白色哑光照片纸进行拍摄。这些均匀参考板能覆盖整个成像区域。从图4可以看出,铝板的非均匀性远大于白纸(注意LUT的差异),但在漫照射模式下二者就差不多了。使用DigiTizer软件对铝板或白纸作均匀性校正,可获得较好的均匀分布,但它们间的差异较大(见表1)。使用白纸进行校正,色彩更精确(色差较低)。白纸的反射性质可与那些校准标板的媲美。可将各种不同的白色相片纸(有光泽的、哑光的之间无显着差异)作为均匀板,不过要均匀和足够厚(250g/cm2)。

 

4.jpg

 

图4 分别使用DigiEye成像系统在漫照射、定向照射模式下拍摄两个不同的均匀样品,其光强度的空间分布(每个像素的平均RGB值)

 

表1标样在均匀性校正前、后的平均RGB值(铝板、纸的测量面积= 34×22cm2,白平衡卡的测量面积=26×17cm2)。对DigiTizer彩色校正板,测量了边缘上的15块白色色块。色差值为测量值和预测值间的差异。(注:**指饱和)

 

 

将一个装满样品的容器(深2cm)放置于光源箱样品台上15个不同位置,使测量面积(5*5cm2)覆盖整个成像面积,来检查汤在不同位置处影像的均匀性。两个筛过的稠奶油汤(视为不透明)的测试结果如图5所示。将番茄汤放置于光源箱样品台中心处,漫照射模式下测得的RGB值较低,尤其是G、B值。由于这个位置正处于摄像机的下方,样品表面有光泽时,影像上就会出现一个暗斑(图11)。摄像机镜头则位于光源箱顶部一个黑色开口(在光源箱的灰色内表面上有一个9×12 cm2的区域,见图2)。对定向照射模式,影响则非常小。在白色芦笋/花椰菜/芹菜/洋葱汤的影像上,RGB信号的分布更均匀,影像中心未出现暗斑(图5)。光线照射强度的空间分布取决于汤表面的反射特性。

 

 

图5 样品的强度空间分布。均匀性校正后,使用DigiEye系统分别在漫照射(左)、定向照射(右)模式下获得已过滤的红番茄汤、白色芦笋/花椰菜/芹菜/洋葱汤的影像,计算不同位置处RGB和平均RGB®之间的绝对差异。对番茄汤,漫照射、定向照射模式下测得L*a*b*值(CIEDE2000)的最大偏差®分别是1.5和2.1;而白汤则分别是0.6和0.9。 ®表示不包括光源箱样品台中心处的测量。

为准确测量颜色,需将样品固定在一个位置。将样品杯放在光源箱样品台上3个不同的位置,测量样品上光线分布情况(图6):在成像区域的边缘(x = 6cm),刚好避开暗斑处(x= 10cm),及在正中央(x= 18cm)。在样品杯的边缘,光照强度较低。在6cm处,均匀性校正亦不足以将光照强度均匀化;而在18cm处,出现了一个较低光照强度的暗斑。10cm位置处,则是一个光照强度恒定的最大区域。在这种情况下,可取一个直径约5cm的区域用于颜色测量。

 

5.3.jpg

 

6.jpg

图6用白纸作均匀性校正后,番茄汤在漫反射、定向照射模式下的RGB强度分布图(平均100像素)。计算中心线(x)上像素和10cm处中心位置处的像素(定向照射模式下R=121,G=31, B=10;漫照射模式下R = 126,G = 45,B= 27)之间的RGB值差异。

测量不同汤的颜色时,样品杯的深度分别为1cm、2cm和3cm。每个样品杯装满样品后,分别在漫照射、定向照射模式下各测量2次;整个测量过程重复3遍,每一遍均分别执行白平衡、均匀性校正和相机校正。从而可确定样品厚度、照明模式对测量结果的影响,以及测量重复性(r)。实验样品有3种不透明度很高的奶油浓汤,以及2种半透明的蔬菜清汤;这些汤都被筛过以去除蔬菜粒子。使用差异分析方法计算精度,及各种因素的影响程度。平均结果及置信区间如图7所示。对于清汤而言,样品厚度对测量结果具有显着的影响(F值偏大),如a*、b*值会增加(颜色更趋饱和)。对于奶油汤而言,样品厚度对测量结果影响较小;对红色番茄汤,无论是定向照射,还是漫照射,a*值随厚度的变化发生明显变化。为了保证颜色测量结果的一致性,取内深2cm的样品杯;若使用深3cm的样品杯,且样品未装满样品杯,则杯壁会引起阴影,从而影响测量结果。定向照射和漫照射两种模式测得的平均CIE Lab值间的差异不明显。精度如表2所示,由表可知定向照射模式下L*、b*值的标准偏差更小,故定向照射模式比漫照射模式更准确。

 

 

 

图7   已筛过的红番茄汤、绿豌豆汤、白色芦笋/花椰菜/芹菜/洋葱汤和两个蔬菜汤(肉汤1、2)分别在定向照射、漫照射两种模式和3种样品厚度下的CIE色度参数。每个厚度下样品(n= 6)颜色的平均值与每个样品颜色的平均值(n=18)之间的CIE DE2000色差[9,10]。

 

表2   已筛过的3种奶油浓汤和2种清汤在两种模式下的CIE色度的精度(S1为短期重复性(r1)的标准偏差,S2为测量过程间重复性(r2)的标准偏差)。

 

为了验证方法的可行性,取36种不同的奶油汤,每种各两份,分别在DigiEye系统的定向照射、漫照射两种模式下测量,再在两种不同结构的色度计:Hunterlab Labscan 和美能达CR400下测量。已筛过汤的代表性图像如图10所示,汤中还可能含有少量香草片。Labscan的光学结构是0°/45°,CR400为d/0°(包含镜面反射)。0°/45°光学结构的色度计的测量结果能更好地与产品的目视外观匹配。使用0°/45°结构光度计进行目视评估和色彩分析时,有光泽样品的颜色可能会比无光泽样品的更暗、更饱和,即使它们的颜料浓度相当。d/0°结构色度计,在包含镜面反射模式下测量,能尽量弱化光泽、纹理和方向性对测量结果的影响。样品的颜料浓度相当,但光泽性不同,目视外观也不同,便可比较测量结果的差异。虽然Labscan(10°)和CR400(2°)使用不同的CIE标准观察者,但对CIE Lab测量值影响很小。

DigiEye系统和Labscan、CR400测得的CIE Lab值之间存在线性关系。然而,发现在DigiEye和Labscan之间的线性关系更好(图8)。回归参数如表3所示。无论如何,不能直接比较DigiEye和Labscan的测量结果的绝对值。只有结构相同的色度仪才可直接进行比较(最好来自同一品牌和型号)。对仪器间的一致性,DigiEye系统可以使用汤样品校准。DigiEye和Labscan测得XYZ值相关性很好(r2= 0.997,见表3)。颜色测量主要用于估计样品之间的差异(例如,经处理或贮存后)。色差是两个颜色值在CIE三维色度空间对应坐标间的欧几里德距离,CIE DE2000色差计算公式[9,10]也考虑了人的眼睛对色彩的识别能力(包括饱和度和色调)。不管两个颜色位于在色彩空间的哪个位置,若它们间的CIE DE2000色差约1.0,则代表两个颜色之间刚好有明显的区别。图10中所示颜色相近汤样品间的色差如图9呈示。DigiEye系统的辨别力可媲美Hunterlab Labscan 。

 

 

图8  DigiEye(定向照射模式)、Hunterlab Labscan 色度计测得样品的CIE Lab值对比图(虚线:95%置信区间)。

 

9.jpg

 

图9   在验证性研究(图10)中,分别使用DigiEye(定向照射模式)、Hunterlab Labscan 色度计测量颜色相近的汤,两种仪器测得样品间色差比较(虚线:y=x±1)

 

图10用于验证性研究的汤样本的图像(5cm×5cm,按颜色排序)。图像是在定向照射模式下获得,并测量CIE Lab值(L*/a*/b*)。

 

直接比较定向照射、漫照射两种模式的测量结果,可发现:b*值间差异较小,而a*值间相关系数值较低(见表3)。对于a*值,DigiEye(漫照射模式)和Labscan的相关性低于定向照射模式的(即DigiEye定向照射模式与Labscan间的相关性)(r2分别为0.94、0.98)。对几个有光泽的深色样品而言,在漫照射模式下可观察到黑斑,从而导致CIE Lab值较低(图12)。为了实现验证性研究,只测量黑斑以外区域的颜色。

表3   对于测得CIE Lab值,将DigiEye系统分别和Hunterlab Labscan、美能达CR400色度计关联,得到回归参数。

 

 

 

11.jpg

 

图11 红色陶瓷番茄板(上方)和筛过的番茄汤(狭缝)分别在漫照射(左)、定向照射(右)模式下的图像。图像大小= 10cm*10cm。

 

12.jpg

 

图12 光照条件对棕色豆汤上暗红色区域的影响。左图、中图为漫照射模式,右图为定向照射模式。红色区域外:L*=44.9,a*=12.7,b*=23.1;红色区域内:L*=40.5,a*=11.5,b*= 31.2。

结论

DigiEye系统可用于含有水果和蔬菜颗粒的汤类的颜色、外观的分析。为与汤和蔬菜颗粒的实际外观相匹配,应采用定向照射模式(附加反光镜,产生定向光线),可清晰显示样品光泽。表面有光泽的汤在漫照射模式下的影像会出现暗斑现象。汤样品在漫照射、定向照射模式下的颜色值差异较小。在定向照射模式下,测试结果的重复性更好。对36种不同的汤样品而言,DigiEye系统测得CIE Lab值,与两种不同结构色度计(0°/45°和d/0°结构)的测量值存在线性关系。且DigiEye和0°/45°色度计之间的相关性最好(r2=0.980-0.996)。对短期精度而言,DigiEye系统比这些色度计更好一些。

参考文献

[1] Hutchings, J.B., Food Color and Appearance, Aspen Publishers, USA (1999)

[2] Heber, D., What Color Is Your Diet?, HarperCollins Publishers, New York (2002)

[3] Baardseth, P. e.a., A comparison of CIE(1076) L*a*b* values obtained from two different instruments on several food commodities, J Food Science, 53, 6, 1737-1742 (1988)

[4] Dalen, G. Van, Colour analysis of rice using flatbed scanning and image analysis, Proceedings CGIV, pg. 398-403 (2006)

[5] Dalen, G. Van, Colour analysis of inhomogeneous stains on textile using flatbed scanning and image analysis, Proceedings CGIV, pg. 53- 57 (2008)

[6] Hutchings, J., Luo, R., Calibrated colour imaging analysis of food, chapter 14 of Colour in food, Improving quality, ed. MacDougall, D.B., Woodhead Publishing Limited, Cambridge, UK (2002)

[7] Cui, G., Luo, M.R., Rhodes, P.A., Rigg, B. and Dakin, J., Grading textile fastness. Part 1: Using a digital camera system, Color. Technol., 119, 212-218 (2003)

[8] Williams, S., Practical colour management, Optics&Laser Techn., 38 (2006), 399-404

[9] Luo, M. R., G. Cui, and B. Rigg. The development of the CIE 2000 colour difference formula, Color Research and Application, 26:5, 340- 350 (2001).

[10] Sharma, G., Wu, W., Dalal, E.N., The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations, Color Research and Application, 30:1, 21-30 (2004)