使用人工智能图像识别系统来协助对3D打印巧克力外观和造型的质量控制分析,在添加油凝后添加巧克力外观和造型

科学领域:

• 食品科学与技术 食品科学与技术
• 材料科学 材料科学 材料科学
• 人工智能在制造业中的应用

背景情况:

• 巧克力的3D食品打印面临着在冷挤出系统中温度诱导的凝聚的挑战.
• 油脂凝作为改善巧克力质感和可打印性的一种方法正在探索中.
• 了解特定油对白巧克力和黑巧克力的影响对于优化3D打印至关重要.

研究的目的:

• 为了研究单甘油 (MAG),糖脂肪酸 (SE) 和基基甲基纤维素 (HPMC) 油基对3D打印的白巧克力和黑巧克力的热和质感特性的影响.
• 为了比较MAG,SE和HPMC在增强3D打印应用中的巧克力功效.
• 评估人工智能图像识别用于3D打印巧克力产品的质量控制.

主要方法:

• 在白巧克力和黑巧克力配方中加入MAG,SE和HPMC油脂凝.
• 热分析 (差分扫描热量计) 用于确定点.
• 质地分析 (例如硬度测试) 来评估材料特性.
• 人工智能 (AI) 图像识别用于3D打印巧克力的缺陷检测和形状分析.

主要成果:

• 在添加oleogel时观察到明显的点变化;例如,含有MAG的白巧克力在29.53°C,32.46°C和37.08°C的峰值.
• 质地分析显示,含有2%SE的白巧克力比含有2%MAG更硬,与热性能相关.
• 人工智能图像识别在识别理想形状方面达到90%以上的准确性,并有效标记印刷缺陷,如不完整的挤出.

结论:

• 添加oleogel显着改变了巧克力3D打印的热和纹理特性,为凝结问题提供了解决方案.
• 基于人工智能的质量控制系统在确保3D打印食品产品的一致性和识别缺陷方面具有很高的潜力.
• 这些发现支持3D打印技术在巧克力制造中推进定制产品和提高生产效率,并有可能用于非热挤出方法.