CN108777988B - 定量原位质地测量装置和方法 - Google Patents

定量原位质地测量装置和方法 Download PDF

Info

Publication number
CN108777988B
CN108777988B CN201780015210.XA CN201780015210A CN108777988B CN 108777988 B CN108777988 B CN 108777988B CN 201780015210 A CN201780015210 A CN 201780015210A CN 108777988 B CN108777988 B CN 108777988B
Authority
CN
China
Prior art keywords
acoustic
food
texture
processing unit
capture device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780015210.XA
Other languages
English (en)
Other versions
CN108777988A (zh
Inventor
白鸥
威尔弗雷德·马塞尔林·鲍瑞格
恩里克·米歇尔-桑切斯
沙米尔·阿里米尔扎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Frito Lay North America Inc
Original Assignee
Frito Lay North America Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US15/448,853 external-priority patent/US10969316B2/en
Application filed by Frito Lay North America Inc filed Critical Frito Lay North America Inc
Publication of CN108777988A publication Critical patent/CN108777988A/zh
Application granted granted Critical
Publication of CN108777988B publication Critical patent/CN108777988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G01H3/04—Frequency
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23L—FOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L19/00—Products from fruits or vegetables; Preparation or treatment thereof
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23L—FOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L19/00—Products from fruits or vegetables; Preparation or treatment thereof
    • A23L19/10—Products from fruits or vegetables; Preparation or treatment thereof of tuberous or like starch containing root crops
    • A23L19/12—Products from fruits or vegetables; Preparation or treatment thereof of tuberous or like starch containing root crops of potatoes
    • A23L19/18—Roasted or fried products, e.g. snacks or chips
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/11—Analysing solids by measuring attenuation of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/01—Indexing codes associated with the measuring variable
    • G01N2291/015—Attenuation, scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Signal Processing (AREA)
  • Food Science & Technology (AREA)
  • Acoustics & Sound (AREA)
  • Nutrition Science (AREA)
  • Polymers & Plastics (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

一种用于食物零食的原位定量质地测量的测量装置和方法。该装置包括声学捕获设备和数据处理单元。当人进食/饮用食物零食时，嘴中与唾液的物理相互作用发送压力波，该压力波传播通过听小骨并产生声学信号。该声学捕获设备记录该信号并将其转发至数据处理单元。该数据处理单元进一步包括数字信号处理模块，其对所接收到的声学信号进行平滑、变换和滤波。统计处理模块进一步对来自数据处理单元的声学信号进行滤波并且为质地属性(诸如硬度和破碎性)生成定量声学模型。该定量模型与来自描述性专家小组的定性质地测量关联。另一方法包括使用原位定量食物性质测量的食物零食指纹识别。

Description

定量原位质地测量装置和方法
技术领域
本发明涉及使用声学技术的对于食物产品的质地的原位定量测量。
现有技术和背景
现有技术背景
质地是确定消费者对食物产品的偏好的且通常通过感官评价来评估的最重要的感官特性之一。然而，感官评价是耗时且昂贵的，并且因此，需要可靠且实用的仪器方法来准确地预测感官质地属性和其他食物零食性质。
当制作诸如薯片之类的食物零食时，质地性质取决于原料特性(即低固体或高固体土豆)以及原料经历的加工条件(诸如温度分布、切片厚度、脉冲电场强度等)。
薯片的酥脆性、软度和/或嘎吱嘎吱声仅仅是使食物吸引消费者并使消费者满意的质地和口感特性的几个示例。质地是消费者用来判断许多食物的质量和新鲜度的主要标准之一。当食物在嘴中产生物理感觉(硬的、软的、脆的、湿的、干的)时，消费者就有了用于确定食物的质量(新鲜的、不新鲜的、嫩的、成熟的)的基础。
一个主要的挑战是如何准确且客观地测量质地和口感。质地是与许多物理性质(例如硬度和破碎性)有关的一种综合性质，而且这种关系是复杂的。以从仪器获得的单个值无法定量地测得质地或口感。口感难以定义，因为它涉及食物在嘴中的整个物理和化学相互作用—从最初在腭部上的感知、到第一次咬合、通过咀嚼以及最终吞咽的动作。存在对定量测量食物在嘴中的相互作用的需要。
硬度的一个问题是它们与感官测试的相关性并不总是像预期的那样高。在许多情况下，施加在薯片上的峰值力的度量不能充分地复制消费者所经历的能量。因此，消费者对硬度的判断可能比来自破坏性分析测试的简单峰值力度量更微秒。
目前，在仪器读数与品尝小组评分之间不存在任何类型的良好关联性。问题是，没有一种仪器能够以在咀嚼过程中与人的嘴相同的方式来准确地操控食物产品。例如，一种仪器可以在两个金属板之间压缩食物产品，而人则会用门牙咬下去。因此，存在对一种与来自专家小组的定性测量具有良好关联性的定量质地测量的需要。
现有技术质地测量系统
来自质地技术有限公司的通用TA-XT2质地分析仪可以执行完整的TPA计算并且附带多个标准探头，包括各种尺寸的针、锥、柱体、冲头、刀和球。图1示例用于利用TA-XT2质地分析仪来测量质地属性(诸如硬度和破碎性)的现有技术系统。该系统包括探头0101，其在诸如薯片之类的食物零食上施加力并且测量使薯片破裂所需的力的量。硬度可以被测量为使产品变形到给定的距离所需的力(即用来在磨牙之间压缩、通过利用门牙来咬碎、在舌和腭部之间压缩的力)。
现有技术质地测量方法
如在图2中概括示出的，与现有技术系统相关联的现有技术质地测量方法可以包括以下步骤，其包括：
(1)将食物零食放在表面上(0201)；
(2)利用探头对食物零食施加力并且使食物零食破裂/变形(0202)；
(3)从食物零食生成声学信号或者测量所施加的力(0203)；
所施加的力可能取决于食物零食的形状。例如，U形食物零食或曲线形的食物零食可以以任一方向放置并且使食物零食破裂而施加的力可能是不同的。因此，存在对与形状无关的定量质地测量的需要。
(4)利用声学捕获设备来捕获声学信号或者记录使食物零食破裂所需的力(0204)；
以预设频率来捕获声学信号一段时间并且信号被绘制为时间(秒)与强度(dB)的关系。存在对测量宽频率范围中的声学信号的需要。
(5)从声学信号生成质地模型(0205)；以及
从对于食物零食的时间与强度的关系图开发针对质地属性(诸如硬度和破碎性)的模型。可替代地，来自测得的力的模型还可以被用来开发模型。
(6)从质地模型来测量食物零食的质地属性。
从在步骤(0205)中开发的模型来测量食物零食的质地属性。使该质地属性与来自如下面在图3中描述的专家小组的定性质地属性数目关联。
现有技术质地关联方法
如在图3中概括示出的，现有技术质地关联方法可以包括以下步骤，其包括：
(1)将食物零食样品运送给专家小组(0301)；
食物零食样品的运送可能是耗时的并且食物零食可能在运送过程期间经历质地变化。因此，存在对限制运送至专家小组的食物零食的次数的需要。
(2)定性分析食物零食样品(0302)；
该过程以训练有素的感官小组实施有意义的质地剖面分析开始，评委小组需要具有质地分类系统、标准评级尺度的使用以及与测试的机制有关的正确程序的现有评级知识。小组成员培训以每个属性的清楚定义开始。此外，用来评估食物产品的技术应该是明确规定的，解释如何将食物产品放在嘴中，它是由牙齿(以及哪颗牙齿)来作用、还是由舌头来作用，以及有什么特别的感觉要评估吗。小组成员被给予用于评估的参考标准，以便他们可以实践他们的感官评估技术和尺度的使用。硬度和破碎性通常被视为最重要的质地属性。目前，在仪器读数和品尝小组评分之间不存在任何类型的良好关联性。目前，不存在能够以与在咀嚼过程中人的嘴相同的方式来准确地操控食物产品的仪器。例如，仪器可以在两个金属板之间压缩食物产品，而人则会用门牙咬下去。事实上，仪器测量的是什么可能与消费者感知的是什么完全无关。因此，存在对一种可以定量地测量质地属性并与品尝小组评分关联的系统的需要。
(3)为食物零食样品的质地属性分配一个描述性小组数(0303)；
执行器官感觉的感官评价，其中训练有素的小组成员在各种描述符/质地属性上分配强度等级。例如，为了评估薯片，硬度可以被视为一个重要的属性。在这种情况下，小组成员基于一个尺度(在这里1等于极软且15等于极硬)来分配硬度评分。小组成员可以对薯片样品A、B和C的硬度进行评级。在品尝小组已完成之后，如下面在步骤(0304)中描述的那样得出食物产品的仪器读数。
(4)使用侵入性分析方法来测量质地属性(0304)；
存在对所选择的仪器技术尽可能重复嘴如何操控特定食物产品的需要。仪器应该以与在咀嚼过程中嘴和牙齿相同的方向和速率来施加相同的力量。仪器可以记录一段时间的声学信号并生成模型。然而，当前的仪器受到以离散频率记录声音的限制。因此，存在对记录更宽的频率范围内的声音的需要。
(5)使分析和定性质地属性关联(0305)；以及使感官数据(描述性小组数)与仪器测量之间统计关联。例如，现有技术的经过调整的R2关联数在0.5-0.65的范围中，因此，存在对描述性小组数与分析模型之间强关联的需要。
(6)生成关联模型(0306)。
用来测量质地的当前客观方法在以可接受的准确度来检测小幅度的质地变化方面有局限，并且需要同一基底的若干次测量来区别具有统计显著性的稍稍不同的基底。当前，在食物行业中，或者通过测量用来使基底失效的力和梯度或者通过流变学手段，来表征零食和饮料质地。在零食中，TAXT2是一种用来测量当基底失效时的力和梯度的公知装置；对于饮料，有时利用流变计来测量流体的粘度或弹性。尽管这两种类型的测量对工业都至关重要，但它们并不能解释当样品与人唾液接触时，在嘴内的力/梯度、流变能力、口感或相互作用的变化。因此，存在对提供一种可以通过“原位”测量来关联的定量模型的需要。
因此，存在对一种完成以下目的的定量质地测量的需要：
·提供用来测量成品属性(诸如油含量、水分、切片厚度和盐含量)的定量方法。
·提供质地属性(诸如硬度、破碎性、酥脆性和表面油性)的定量分析测量。
·提供一种用来定量测量当样品与人唾液接触时消费者进食样品的体验的原位方法。
·提供一种针对人唾液的特性(粘度和pH)而校准的用来定量质地属性的原位方法。
·提供用来对质地属性准确建模的频域数据。
·提供在从0至5000KHz的宽泛频率范围内的声学信号捕获。
·提供用于质地测量的与形状无关的定量测试。
·提供从最初在腭部上的感知、到第一次咬合、通过咀嚼以及最终吞咽的动作的食物零食的质地的定量测量。
·提供具有更大准确性和可靠性的利用最小样品的质地的定量测量。
·提供一种成本较低的定量质地测量测试。
·提供定量测试的即时结果。
·提供食物零食的可重复和可重现定量测量。
·提供一种用来利用食物性质的定量测量来指纹识别食物零食的方法。
这些目的不应该被理解成限制本发明的教导，然而一般这些目的部分或整体由在下面的章节中讨论的所公开的发明来实现。本领域技术人员无疑将能够如所公开的那样选择本发明的各方面从而影响上面描述的目标的任何组合。
发明内容
本发明在各个实施例中以下列方式解决上面的目标中的一个或多个。该装置包括声学捕获设备和数据处理单元。当人进食/饮用食物零食时，嘴中的物理相互作用发送出传播通过听小骨并产生声学信号的压力波。该声学捕获设备记录该信号并将其转发至数据处理单元。该数据处理单元进一步包括数字信号处理模块，其对所接收到的声学信号进行平滑、变换和滤波。统计处理模块进一步对来自数据处理单元的声学信号滤波并且为质地属性(诸如硬度和破碎性)生成定量声学模型。该定量模型与来自描述性专家小组的定性质地测量关联。另一方法包括使用原位定量食物性质测量的食物零食指纹识别。
可以在定量测量食物零食的质地的方法的环境中利用本发明系统，该方法包括以下步骤：
(1)进食/饮用食物零食；
(2)从进食/饮用食物零食生成声学信号；
(3)利用声学捕获设备捕获声学信号；
(4)将声学信号转发至数据处理单元；以及
(5)利用原位声学质地模型来测量食物零食的质地属性。
该优选示例性实施例方法和其他优选示例性实施例方法的集成以及本文中描述的各种各样的优选示例性实施例系统都是在本发明的整体范围的预期之中。
附图说明
为了更全面地理解由本发明提供的优点，应该参考下面的详细描述连同附图，在附图中：
图1是用于测量食物产品中的质地的现有技术破坏性系统。
图2是用于利用声学信号来测量质地的现有技术图。
图3是用于关联质地测量的现有技术方法。
图4是根据本发明的一个示例性实施例的用于进食食物零食的系统。
图5是根据本发明的一个示例性实施例的捕获来自人进食食物零食的声学信号的声学捕获单元。
图6是根据本发明的一个示例性实施例的用于测量质地属性的原位系统。
图7是根据本发明的一个示例性实施例的数据处理单元。
图8是根据本发明的一个示例性实施例的数字信号处理单元。
图9是根据本发明的一个示例性实施例的统计处理单元。
图10是根据本发明的一个示例性实施例的用于质地的定量测量的流程图方法。
图11是根据本发明的一个优选实施例的用于质地的定量关联的示例性流程图方法。
图12是根据本发明的一个优选实施例的用于定量质地模型开发的示例性流程图方法。
图13是根据本发明的一个优选实施例的示例性描述性小组数与质地属性的关系图。
图14是根据本发明的一个优选实施例的用于声学信号处理的示例性流程图方法。
图15是根据本发明的一个优选实施例的用于声学统计处理的示例性流程图方法。
图16是根据一个优选示例性实施例的示例性食物零食指纹识别方法。
图17是根据一个优选示例性实施例的示例性食物零食指纹识别匹配表。
图18是根据本发明的一个优选实施例的示例性定量原位离散质地反馈制造系统。
图19是根据本发明的一个优选实施例的示例性定量原位离散质地反馈制造方法。
图20是根据本发明的一个优选实施例的示例性声学信号时域至频域变换图。
图21是根据本发明的一个优选实施例的示例性质地属性(硬度)与相关频率的关系图。
图22是根据本发明的一个优选实施例的示例性质地属性(破碎性)与相关频率的关系图。
图23是根据本发明的一个优选实施例的另一示例性质地属性(硬度)与相关频率的关系图。
本公开的示例性实施例的描述
尽管本发明可以有许多不同形式的实施例，但是将在附图中示出本发明的优选实施例并且在本文中进行详细的描述，其中要理解本公开内容被视为本发明的原理的解释，并且不意图将本发明的广泛方面限于所图示的实施例。
将特别参考本公开的示例性实施例来描述本申请的许多有创造性的教导，其中这些有创造性的教导有利地适用于针对食物零食装置和方法的质地属性的原位定量测量。然而，应该理解，该实施例仅是本文中有创造性教导的许多有利使用的一个示例。一般来说，在本申请的说明书中作出的声明不必然限制各个要求保护的发明中的任一个。此外，一些声明可以适用于一些发明特征，但不适用于其他特征。
如在本文中使用的术语“质地”被定义为与许多物理性质(诸如硬度、破碎性、牙包裹(tooth-pack)、面团(mass)的粗糙度、面团的水分、残余油脂、表面粗糙度和表面油性)有关的复合特性。应该指出，可互换地使用术语“质地”和“质地属性”以指示质地的一个或多个性质。应该指出，可互换地使用术语“描述性小组数”、“品尝小组评分”、“定性质地数”和“品尝小组数”以指示由专家小组进行的质地测量的定量测量。应该指出，可互换地使用术语“原位声学模型”、“声学模型”、“声学质地模型”、和“定量质地属性模型”以指示对于食物零食的质地属性的定量模型。如在本文中使用的关于液体或饮料的术语质地指的是诸如粘度、密度、流变能力和/或口感等性质。
用于质地属性的定量测量的示例性实施例系统(0400-0900)
本发明的一个方面提供一种用来定量测量食物零食的质地属性的原位方法。本发明的另一方面涉及使原位定量质地属性测量与由专家小组进行的定性测得的质地属性关联。本发明还针对基于在所捕获的声学信号中的相关频率来开发质地属性模型。根据本发明还有的另一方面，基于原位定量食物零食性质测量来识别食物零食(“食物指纹识别”)。
申请人已经在本文中创建了一种系统，其包括用于记录/捕获来自食物零食的声学信号的声学捕获设备和处理所捕获的声学信号并生成质地属性模型的数据处理单元。存在本发明的许多实施例，其落入本发明的以其最宽泛含义的范围内。
示例性实施例原位系统(0400-0600)
图4(0400)总体上图示人(0402)与食物零食(0403)相互作用的物理相互作用，其产生声学信号(0401)。嘴中的物理和化学相互作用包括从最初在腭部上的感知、到第一次咬合、通过咀嚼以及最终吞咽的动作的步骤。根据一个示例性实施例，由声学捕获设备来记录/捕获由人对食物零食(0403)的食用(进食或饮用或嚼)而生成的声学信号(0401)。在太阳穴和面颊上符合人体工程学地设置耳麦，并且机电换能器(其将电信号转换成机械振动)通过颅骨向内耳发送声音。同样，可以使用麦克风来经由骨传导而记录说出的声音。根据另一优选示例性实施，该食物零食是固体的。根据还有的另一优选示例性实施例，该食物零食是液体的。例如，该固体食物零食可以是薯片或奶酪泡芙。该液体可以是冷饮料、酒或热的液体(诸如咖啡或汤)。该食物零食还可以是半固体的。当前，在食物行业中，或者通过测量用来使基底失效的力和梯度或者通过流变学手段，来表征零食和饮料质地。唾液是位于人和动物的嘴中的由唾液腺分泌的一种水性物质。人的唾液为99.5％的水，而其他0.5％由电解质、粘液、糖蛋白、酶、抗菌和细菌化合物(诸如分泌型IgA和溶菌酵素)组成。唾液中找到的酶在开始消化膳食淀粉和脂肪的过程中是必不可少的。此外，唾液起到润滑作用、润湿食物并允许吞咽开始，而且保护口腔的黏膜表面不受失水的影响。虽然唾液的特性(诸如pH、粘度以及其他)因人而异，但一些示例性实施例能够实现一种用零食或饮料‘标准’来‘校准’测量的手段。根据一个优选示例性实施例，当食物或饮料物品被食用时，可以利用每个食物和饮料物品的声学指纹识别(包括与唾液的相互作用)来捕获关于质地信息的信息。作为一个示例，可以证明，以流变学的方式按它们在饮料中被发现的各浓度来区分甜味剂是非常困难的；换句话说，如果有测量误差，则很难区分无糖
Figure BDA0001788590400000071
与普通
Figure BDA0001788590400000072
的粘度；然而，当与唾液接触时，因为它们的化学成分，不同的甜味剂可能与人唾液有不同的相互作用，饮料和唾液的混合物产生粘度差异，该粘度差异可以通过如在图10(1000)中更详细描述的原位模型和质地测量来区分。
如在图5中总体图示的，可以更详细地看到本发明，其中系统(0500)包括声学捕获设备(0503)，其记录来自人(0504)对食物零食的物理食用的声学信号。可以通过连接元件(0501)将声学信号转发至数据处理单元(0502)。根据一个示例性实施例，声学捕获设备(0503)可以被设置以记录/捕获来自食物零食的声学信号。该声学捕获设备可以捕获在0至5000KHz的频率范围中的声学信号。可以将耳麦符合人体工程学地设置在太阳穴和面颊上，并且机电换能器(其将电信号转换成机械振动)通过颅骨向内耳发出声音。同样，可以使用麦克风来经由骨传导记录说出的声音。该声学捕获设备可以物理连接至数据处理单元(0502)或被无线连接。有线连接元件可以是高清晰度音频电缆，其可以在无显著信号损失的情况下传送数据。质地模型生成器可以显示来自数据处理单元(0502)的数据。可以将原位质地模型生成器集成到数据处理单元(DPU)(0502)中。
该声学捕获设备(0503)可以经由DPU(0502)中的输入-输出模块与至DPU(0502)的传导电缆物理连接。在一个可替代布置中，该声学捕获设备(0503)可以无线地将声学信号转发至DPU(0404)中的输入-输出模块。该无线协议可以使用标准协议(诸如WIFI或蓝牙)。在一个示例性实施例中，该声学捕获设备(0503)可以被远程定位并且可以利用诸如LTE、3G和/或4G之类的协议将声学信号无线转发至DPU(0502)。在另一示例性实施例中，该远程定位的DPU(0502)可以利用诸如以太网之类的有线协议连接至声学捕获设备(0503)。该声学捕获设备可以在宽的频率范围上来捕获声学信号。另外，该声学捕获设备可以以一定的角度直接放置在人面前。根据一个优选示例性实施例，该声学捕获设备以单向方式捕获声学信号。根据另一优选示例性实施例，该声学捕获设备以全向方式捕获声学信号。该声学捕获设备可以物理上通过电缆将所捕获的声学信号转发至处理设备。根据一个优选示例性实施例，该声学捕获设备是包含无线电发射器的无线麦克风。在一个优选示例性实施例中，该声学捕获设备是动态麦克风。在另一优选示例性实施例中，该声学捕获设备是光纤麦克风。光纤麦克风通过感测光强度中的变化(而不是像常规麦克风那样感测电容或磁场中的变化)来将声波转换成电气信号。该声学捕获设备可以使用电磁感应(动态麦克风)、电容变化(电容式麦克风)或压电效应(压电麦克风)来从气压变化产生电气信号。在用音频功率放大器放大信号或记录信号之前，麦克风可以被连接到前置放大器。由于测量的灵敏度，可以定期校准麦克风。在另一优选示例性实施例中，该声学捕获设备具有数字接口，其通过XLR或XLD阳连接器直接输出数字音频流。可以在无显著信号损失的情况下进一步处理数字音频流。
根据一个优选示例性实施例，然后可以捕获该声学信号，进行一段时间捕获。该声学信号可以被表示为强度(dB)与时间(秒)的关系。根据一个优选示例性实施例，该声学信号被捕获1秒到5分钟。根据还有的另一优选示例性实施例，来自食物零食的声学信号被捕获2秒。根据一个更优选示例性实施例，来自食物零食的声学信号被捕获1秒。根据一个最优选示例性实施例，来自食物零食的声学信号被捕获10秒。
根据一个优选示例性实施例，可以在人嘴中处理食物零食1秒至3分钟。根据还有的另一优选示例性实施例，可以在人嘴中处理食物零食小于1秒。根据一个更优选示例性实施例，可以在人嘴中处理食物零食多于3分钟。根据一个最优选示例性实施例，可以在人嘴中处理食物零食10秒至20秒。根据另一最优选示例性实施例，可以在人嘴中处理食物零食5秒至10秒。
可以使用在图10(1000)中更详细描述的方法来开发声学模型。该模型可以被编程到工具中，诸如用于测量一个或多个质地属性(诸如硬度、破碎性和稠密性)的工具(0502)。下面描述针对质地属性硬度的声学模型：
硬度＝f(X1-n,I1-n)
硬度＝I1C1+I2C2+I3C3+.....InCn-----------------------------(1)
其中，In是与频率Xn相关联的强度
Cn是与频率Xn相关联的系数
使用在图12(1200)中描述的方法来确定系数(C1-Cn)。质地测量工具(1306)中的信号处理单元识别相关频率(Xn)以及相关联的强度(In)。工具(1306)可以通过从所存储的针对食物零食的表来替换系数值(C1-Cn)并且从经过处理的声学信号来替换强度(In)，从而从上面的模型1计算质地属性(诸如硬度)。类似地，可以从包括相应系数的它们的相应模型来计算其他质地属性(诸如破碎性和稠密性)。应该指出，尽管上面表示的模型(1)示出质地属性和强度之间为线性关系，但是也可以被表示为二次或多项式模型，以计算质地属性。还可以针对当食用食物零食时人唾液的特性中的变化来补偿硬度。
类似的声学模型可以被开发用于针对其他食物性质(诸如水分、固形物含量、油含量、切片厚度、密度、气泡密度和外用调味料)的模型。可以依据食物性质来改变相关的频率以及相关联的强度和所开发的模型的系数。下面描述可以表示食物性质的通用模型：
食物性质＝f(Z1-n,P1-n)
食物性质＝P1D1+P2D2+P3D3+.....PnDn-----------------------------(2)
其中，In是与频率Xn相关联的强度
Cn是与频率Xn相关联的系数
使用在图9(0900)中描述的能量激发方法来确定系数(D1-Dn)。质地测量工具(1306)中的信号处理单元识别相关频率(Zn)以及相关联的强度(Pn)。除了质地属性之外，工具(1306)可以通过从所存储的针对食物零食的表来替换系数值(D1-Dn)并且从经过处理的声学信号来替换强度(Pn)，从而从上面的模型(2)计算食物性质。该食物性质可以包括固形物含量、水分、密度、油含量、切片厚度、调味料颗粒大小、以及元素(诸如钠、钙、铜、锌、镁和钾)。
应该指出，即使上面表示的模型(1)示出质地属性和强度之间为线性关系，但是也可以被表示为二次或多项式模型，以计算质地属性。还可以针对当食用食物零食时人唾液的特性中的变化来补偿食物性质。可以使用表(表1.0)来从所捕获且经过处理的声学信号来测量如下面示出的食物性质。下面表1.0中示出的值仅仅用于说明目的并且不应该被解释为限制。
表1.0
Figure BDA0001788590400000091
Figure BDA0001788590400000101
示例性食物零食指纹识别系统实施例(0600)
如在图6中总体图示的，一种食物零食指纹识别系统包括食物进食/饮用站(0601)、声学捕获设备(0602)、食物性质匹配单元(0603)和食物指纹识别显示单元(0604)。根据一个优选示例性实施例，通过将利用原位定量声学方法测得的声学食物性质与数据库中的条目进行匹配来识别(指纹识别)食物零食，该数据库包括具有相关联的食物性质范围的食物零食列表。该食物性质可以是与食物零食有关的任何性质。根据一个优选示例性实施例，该食物性质可以是质地属性，诸如硬度、破碎性、牙包裹、面团的粗糙度、面团的水分、残余油脂、表面粗糙度、表面油性以及其组合。该食物性质还可以是食物零食中的水分、脆性(brittleness)、酥脆性(crispiness)、固形物含量等等。根据还有的另一优选示例性实施例，该食物性质是液体性质，诸如粘度、流变能力、密度等等。可以将包括具有相关联的食物性质范围的食物零食列表的数据库保持在本地计算机数据库中或远程保持在网络存储数据库中。当开发更多原位定量模型时，可以将新的食物零食添加至数据库。在图17(1700)中进一步描述了数据库的更详细描述。
示例性数据处理单元(0700)
如在图7(0700)中概括图示的，数据处理单元(DPU)(0701)包括控制单元、显示单元、处理单元和输入输出模块。该控制单元可以进一步包括微控制器(0707)、逻辑控制器(0706)和网络控制器(0705)。该显示单元可以经由主机总线连接至控制单元。该显示单元可以进一步包括显示终端(0708)，其被配置成显示图形用户界面(GUI)(0709)。可以利用指点设备或通过连接至DPU的键盘来对GUI(0709)导航。该GUI(0709)可以被用来输入诸如食物零食专用频率、声学捕获时间、声学捕获频率范围等参数。
该处理单元可以包括数字信号处理单元(0703)和统计处理单元(0704)。该数字信号处理单元(0703)可以从输入输出模块(0702)得到输入。该统计处理单元(0704)可以从数字处理单元(0703)接收输入并且进一步处理输入以找出用于为食物零食生成定量声学模型的相关频率。当声学捕获设备捕获声学信号时，可以经由输入-输出模块(0702)将该信号转发至DPU(0701)。该输入输出模块(0702)可以进一步包括定制硬件，诸如用于捕获并处理所捕获的声学信号的模拟至数字转换器(ADC)。可以使用有线或无线连接将该声学信号转发至DPU。可以选取连接协议和连接传导线，使得信号损失最小，并且信噪比是可接受用于进一步处理的。通用总线可以载送去往和来自DPU(0701)的不同模块的数据。应该指出，总线的操作超出本发明的范围。
该微控制器(0707)可以执行来自存储器或ROM(0710)的指令。可以实施微控制器的指令集以处理声学信号的数据。微控制器还可以使用定制指令集以在制造操作期间实时地优先和加快声学信号的处理。该指令集的定制超出本发明的范围。该逻辑控制器可以执行诸如任务的排序、优先处理和自动化之类的操作。该逻辑控制器还可以监督用于总线接口的握手协议。根据一个示例性实施例，该逻辑控制器控制用于识别声学信号中的相关频率的逻辑。该逻辑控制器可以包括匹配模块，其包含针对多个食物零食的预定义频率。该逻辑控制器随后可以匹配在声学信号中捕获的频率并且迅速确定食物零食的质地以及质地的质量。例如，该匹配模块可以包括特定频率，诸如14000Hz和75000Hz。当所记录的声学信号包括频率14000Hz或75000Hz时，则该逻辑控制器可以确定匹配并且利用中断信号来警示微控制器。该微控制器然后可以经由GUI(0709)将质地信息显示在显示器(0708)上。该逻辑控制器可以进一步连续监测输入设备的状态并且基于定制程序来作出决定以控制输出设备的状态。
示例性数字信号处理模块(0800)
类似于图7(0700)中示出的数字信号处理单元(0703)，在图8(0800)中概括图示数字信号处理单元(DSP)(0800)。该DSP(0800)可以进一步包括平滑模块(0801)、数据变换模块(0802)、信噪比增强模块(0803)和归一化模块(0804)。
根据一个示例性实施例，该声学平滑模块(0801)从数据处理单元中的输入模块接收输入并且对所接收的原始声学信号进行平滑。声学信号是固有噪声的并且数据是离散的。该声学信号可以被表示为强度(dB)与时间(秒或微秒)的关系。通过将窗函数应用于离散数据来使数据连续。可应用于离散数据的窗函数可以包括Barlett、Blackmon、FlatTop、Hanning、Hamming、Kaiser-Bessel、Turkey和Welch窗函数。对于随机信号类型，可以选取具有良好高频分辨率和低频谱泄漏的平滑窗口来使数据平滑。应该指出，可以将任何通常已知的窗函数应用于原始声学信号来使原始声学数据平滑并且对原始声学数据插值。
可以将来自平滑模块(0801)的经过平滑的声学信号转发给数据变换模块(0802)。该数据变换模块(0802)可以将在时域中表示为强度(dB)与时间(秒)之间的关系的声学信号变换至表示为如通常在图18(1800)中示出的强度(dB)与频率(Hz)之间的关系的频域。根据一个优选示例性实施例，声学信号从时域表示至频域表示的变换向食物零食的有关频率提供了准确关联的质地属性。组合多个声波在时域中产生一个复杂的图案，但是使用FFT变换的信号则清楚地示出为几乎完全由不同的频率组成。根据大多数优选示例性实施例，快速傅里叶变换(FFT)技术可以被用来将声学信号从时域表示变换至频域表示。可以在图20(2000)中概括看到变换的一个示例。
来自变换模块的经过变换的频率信号可以是带噪声的。信噪比增强模块(0803)可以从数据变换模块(0802)接收经过变换的信号并且增强信号的信噪比以供进一步处理。可以使用一种用于对数据进行平滑以在不会使信号严重失真的情况下增加信噪比的技术。还可以使用诸如卷积之类的处理来增加信噪比。该卷积处理可以通过线性最小二乘的方法用低阶多项式来拟合相邻数据点的连续子集。归一化模块(0804)可以从信噪比增强模块(0803)接收经过增强的信噪比频域信号。
该DSP(0800)还可以从经过增强的信噪比频域信号识别相关频率以及相关联的强度并且将信息存储在数据库中。DPU(0701)中的质地属性计算单元(0712)可以进一步检索所存储的频率和强度信息来计算食物零食的质地属性。在已经开发了光声模型之后，该质地属性计算单元(0712)可以存储对于不同食物零食的系数。该质地属性计算单元(0712)然后可以检索所存储的系数并且存储频率和强度信息以计算质地属性测量或对食物零食进行指纹识别。
示例性统计处理单元(0900)
类似于图7(0700)中示出的统计处理单元(0704)，在图9中概括图示统计处理单元(SPU)(0900)。该SPU(0900)可以进一步包括维数回归模块(0901)、方差膨胀因子模块(0902)、主成分分析模块(0903)和子集回归模块(0904)。
将来自数字信号处理单元(0703)的经过平滑、变换和归一化的信号转发至SPU(0704)以用于开发具有良好关联性的质地属性模型。高维频谱数据需要统计滤波以构建有意义的模型。例如，可以以512个线性间隔的频率来对声学平滑的信号进行采样，并且每个值都可以通过重复测试进行平均并用于创建统计模型。根据一个优选示例性实施例，该维数回归模块将频谱数据的频率总数减小至用于具有高度关联性的模型开发的合理可接受的数目。根据另一优选示例性实施例，使用前面提到的示例来完成对于变量选择的频率的维数降低，频率总数可以从512减小至18。
可以利用方差膨胀因子模块(VIF)(0902)来处理来自维数回归模块(0901)的数据。该VIF模块测量与当预测变量不是线性相关时相比较，所估计的回归系数的方差被膨胀了多少。VIF被用来描述回归分析中存在多少多重共线性(预测因子之间的关联性)。如已知的，多重共线性是有问题的，因为它可以增加回归系数的方差，使它们不稳定且难以解释。方差膨胀因子的平方根指示，与如果变量与模型中的其他预测变量不关联情况下得到的标准误差相比较，标准误差会大多少。例如，如果预测变量的方差膨胀因子是5.27(√5.27＝2.3)，则这意味着针对该预测变量的系数的标准误差，是如果该预测变量与其他预测变量不关联情况下得到的标准误差的2.3倍。
可以利用主成分分析模块(0903)来进一步处理来自方差膨胀因子模块(VIF)(0902)的数据。主成分分析(PCA)是一种被用来强调方差并在数据集中提取强模式的技术。它通常被用来使数据易于研究和可视化。如在本领域中定义的，主成分分析(PCA)是一种使用正交变换来将可能关联的变量的观测的集合转换成线性不关联变量(被称为主成分)的值的集合的统计程序。主成分的数目小于或等于原始变量的数目。以下面这样的方式来限定该变换：第一主成分具有最大可能方差(即尽可能多地考虑数据中的可变性)，并且进而在与在前的成分正交(即不关联)的约束下，每个随后的成分具有最高方差的可能性。根据一个优选示例性实施例，主成分分析被用来确定用于开发定量声学质地模型的声学信号中的最相关频率。应该指出，本领域中已知的任何其他分析技术都可以被用来识别主成分(诸如相关频率)。
进一步利用最佳子集回归模块(0904)来使来自PCA模块(0903)的数据进一步回归。该最佳子集回归模块(0904)被用来确定，对于建立良好关联性的质地属性模型，这些最相关频率中的哪个是最佳的。大于0.9的R2值可以被视为来自模型的测量值与描述性专家小组数之间的良好关联性。
示例性质地属性测量方法
如在图10中概括示出的，可以按照下面的步骤来概括描述一种示例性质地测量方法：
(1)进食/饮用食物产品(1001)；
人可以通过磨牙咀嚼、自然咀嚼和/或正面咬合(frontal bite)来进食食物产品。
一旦选择了一种进食方法，就可以在开发声学原位模型的整个过程中始终利用该种进食法，并且还用于捕获声学信号。
(2)从进食/饮用食物产品来生成声学信号(1002)；
可以在进食期间从颌骨传导来生成声学信号，该颌骨传导可以使耳膜振动并且改变耳膜周围的空气的压力。颌骨传导是声音通过颅骨的骨头至内耳的传导。骨传导是为什么人的语音在它被记录和回放时它们听起来不一样的一个原因。因为颅骨传导的频率比空气传导的更低，所以人们感觉他们自己的声音比其他人的声音更低且更丰满，而一个人的自己的语音的记录往往听起来比这个人预期听起来的要更高。不同的人对在饮用、进食或咀嚼的过程期间的声学信号的感觉是不同的。声学信号的原位测量以及模型能够使得区分各种食物零食和液体。
(3)利用声学捕获设备来捕获声学信号(1003)；
(4)将声学信号从时域转换至频域(1004)；
(5)识别相关频率以及它们的相关联强度(1005)；以及
(6)基于相关频率以及相关联的强度来量化食物产品的所述质地属性(1006)。
可以利用原位声学质地模型来测量食物零食的质地属性。应该指出，可以针对人唾液的特性(诸如粘度和pH)中的变化来补偿用来测量质地属性的原位声学质地模型。根据一个优选示例性实施例，可以进一步开发校准模型来调整或补偿背景噪声、逐个人的变化以及进食/饮用的方法。
可以通过本文中描述的各个部分来增强该一般性方法概述，以产生与该总设计描述一致的各种各样的发明实施例。根据一个优选示例性实施例，当食物或饮料物品被食用时，可以利用包括与人唾液的相互作用的每个食物和饮料物品的声学指纹识别来测量质地属性。以它们在饮料(例如无糖
Figure BDA0001788590400000141
与普通
Figure BDA0001788590400000142
)中被发现的浓度来区分甜味剂，并且当与唾液接触时，因为它们的化学成分，不同的甜味剂可能与人唾液有不同的相互作用，饮料和唾液的混合物产生粘度差异，该粘度差异可以利用如上文在图10(1000)中描述的原位模型来建模。
示例性质地属性关联方法
如在图11中概括示出的，可以按照下面的步骤来概括描述一种示例性质地关联方法：
(1)将食物零食样品运送至专家小组(1101)
食物零食样品的运送可能是耗时的并且食物零食可能在运送过程期间经历质地变化。由于根据一个优选示例性实施例开发的高度关联性原位模型，将样品运送至专家小组的次数显著减少。
(2)定性分析食物零食样品(1102)；
由专家小组定量测量质地属性，以用于分配品尝小组评分(“描述性小组数”)。
(3)为食物零食样品的质地属性分配描述性小组数(1103)；
(4)利用原位定量声学模型来测量质地属性(1104)；
可以利用用来解释各个人唾液和咀嚼偏好的不同系数来补偿该原位模型。例如，人A可以利用具有粘度A和pH A的唾液并且使用咀嚼模式A来咀嚼。人B可以利用具有粘度B和pH B的唾液并且使用咀嚼模式B来咀嚼。当使用在图12(1200)中描述的方法来开发该原位模型时，对于人A和人B来说系数可以是不同的以解释差别。质地属性中的每一个都可以使用一个独特的模型。因此，质地属性将同样与人进食/饮用固体/液体无关。
(5)使如由原位定量测量的质地属性与定性专家小组质地属性关联(1105)；以及
(6)为质地属性生成关联模型(1106)。
可以通过本文中描述的各个部分来增强该一般性方法概述，以产生与该总设计描述一致的各种各样的发明实施例。
示例性质地属性模型开发方法(1200)
如在图12中概括示出的，可以按照下面的步骤来概括描述一种示例性质地属性模型开发方法：
(1)接收原始声学信号(1201)；
(2)对原始声学信号进行滤波、平滑和变换(1202)；
针对背景噪声来调整该信号。例如，空的单元可以被用来捕获背景频率，可通过所捕获的声学信号中的增加或删除来补偿该背景频率。频率在20KHz以下的背景噪声可以补偿，而频率高于20KHz的背景噪声可能不能补偿。
(3)使相关频率回归并识别相关频率(1203)；
(4)为质地属性生成模型(1204)。
可以基于步骤(1203)来确定用于模型的系数，并且可以针对唾液性质和咀嚼机制对系数进行调整或补偿。
可以通过本文中描述的各个部分来增强该一般性方法概述以便产生与该总设计描述一致的各种各样的发明实施例。
应该指出，用来生成前面提到的质地属性模型的方法可以被用来为其他食物性质(诸如水分、固形物含量、油含量、切片厚度、密度、气泡密度和外用调味料)生成模型。可以依据利用声学方法测量的食物性质来改变相关的频率以及相关联的强度和所开发的模型的系数。
示例性声学信号方法(1300)
如在图13中概括图示的，示出x轴上的诸如硬度(菱形形状的点)、稠密性(三角形形状的点)和破碎性(方形形状的点)之类的定量声学质地属性与y轴上的专家小组数之间的示例性关联图。根据一个优选示例性实施例，经过调整的R2大于0.9。
示例性声学信号处理方法(1400)
如在图14中概括示出的，可以按照下面的步骤来概括描述一种示例性声学信号处理方法：
(1)接收原始声学信号(1401)；
(2)利用窗函数对原始声学信号进行平滑以创建经过平滑的声学信号(1402)；
(3)将经过平滑的声学信号变换成频域信号(1403)；
(4)增大频域信号的信噪比(1404)；以及
(5)对频域信号归一化和分组化(1405)。
可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。
示例性声学统计处理方法(1500)
如在图15中概括示出的，可以按照下面的步骤来概括描述一种示例性声学信号生成方法：
(1)接收频域声学信号(1501)；
(2)基于频域声学信号中的频率的维数降低来选择变量(1502)；
(3)利用主成分分析来对所选变量滤波(1503)；
(4)执行经过滤波的变量的子集回归(1504)；以及
(5)利用经过滤波的变量来生成质地属性的原位模型(1505)。
经过滤波的变量可以是示出强关联的声学信号中的相关频率。可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。
示例性食物零食指纹识别方法(1600)
如在图16中概括示出的，可以按照下面的步骤来概括描述一种示例性食物零食指纹识别方法：
(1)进食/饮用食物零食(1601)；
(2)从进食/饮用食物零食来生成声学信号(1602)；
(3)利用声学捕获设备来捕获声学信号(1603)；
(4)将声学信号转发至数据匹配单元(1604)；
(5)利用原位声学模型来测量食物零食的食物性质数(1605)；
(6)将食物性质数与匹配表中的条目进行比较(1606)；
(7)如果在步骤(1606)中存在匹配，则指纹识别食物零食(1607)；以及
(8)如果在步骤(1606)中不存在匹配，则将食物零食添加至数据库以供进一步使用(1608)。
上面的方法使得人能够通过食用并记录声学信号的简单动作来区分并识别食物或饮料。例如，可以通过单独地食用两种饮料并记录声学信号来将一种甜饮料与另一种甜饮料区分开。然后将该声学信号匹配至预存在的数据库并且然后识别它。可以利用该示例性方法(1600)来进行盲品尝测试以及品尝测试的针对目标的响应。较硬的食物零食可能生成与不同于较软食物零食的频率和强度相关联的声学信号。类似地，具有较多油含量的食物零食可以生成与不同于较少油含量的食物零食的频率和强度相关联的声学信号。同样，酸的饮料可以生成与不同于非酸饮料的频率和强度相关联的声学信号。可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。
示例性食物性质匹配表(1700)
如在图17中概括示出的，示出示例性食物性质匹配表(1700)。该表可以包括在列中的食物零食(1701)和在另一列中的相关联食物性质(1702)。这些条目(1710、1711)可以包括针对食物零食的数据以及用于匹配目的的食物性质。例如，食物零食列(1701)可以包括各种固体和/或液体以及在列(1702)中的它们的相关联质地或液体性质。在已经由在图12(1200)中描述的上面提到的方法开发出针对食物零食的原位模型之后，可以填充表(1700)中的条目中的每一个。例如，条目(1711)可以是薯片A。可以利用针对薯片A的原位声学模型来确定质地的范围或其他食物性质，并且将其输入为表(1700)中的一个条目。同样，可以利用原位声学模型来测量针对其他食物产品的食物性质并将其输入表中。该原位声学模型可以与专家小组数关联或不与其关联。该食物性质可以是单个质地属性、质地属性的组合或合成数(composite number)，其包括诸如水分、脆性、固形物含量等等其他的食物性质的组合。当利用原位测量方法来测量食物零食时，可以确定食物性质数。可以从单个样品或多个样品的平均来获得食物性质数。然后在匹配表(1700)中的列(1702)中查找测得的食物性质数并且在列(1701)中确定对应的食物零食。由此，基于原位测量来指纹识别食物零食。根据一个示例性实施例，可以利用食物指纹识别技术来区别在食物性质上有细微差别的食物零食。例如，可以通过测量各种薯片(诸如烘焙的、油炸的和/或有质地的)中的每一个并且根据测得的食物性质数在匹配表(1700)中查找对应的薯片来区分该各种薯片。可以利用如前面在图16(1600)中提到的原位测量和匹配处理来将食物进行分组。类似地，可以基于特定液体性质(诸如粘度、甜度、口感、密度、pH等等)来将具有细微差别的液体放入不同的组中。
利用原位声学定量质地测量的示例性离散在线反馈控制(1800)
如在图18(1800)中概括图示的，将包括原位声学定量质地测量装置(1806)的食物零食制造系统设置在食物处理单元(FPU)(1805)之后。在图18(1800)中图示的系统(1800)可以被用来制造薯片。该制造系统可以包括一系列站，其包括采购站(1801)、存储站(1802)、清洗/剥皮站(1803)、切片站(1804)、油炸站(1805)、测量站(1806)、调味站(1807)、包装站(1808)和贴标站(1809)。可以在制造系统中的传送带上逐个站地传送食物零食(诸如薯片)。根据一个优选示例性实施例，具有原位声学定量质地测量装置的在线反馈控制使得能够制造一致的食物质地质量。可以将声学定量质地测量装置设置成紧接在FPU(1805)之后(下游)并且在调味单元(1807)或包装单元(1808)之前。人(1813)可以紧靠声学定量质地测量装置(1806)定位以食用从FPU(1805)输出的食物零食。根据一个优选示例性实施例，当人(1813)食用(进食/饮用)来自FPU(1805)的食物零食并且处理声学信号以定量测量质地属性时，该装置(1806)记录/捕获声学信号。根据一个优选示例性实施例，依据所测得的质地属性，人可以调整输出控制器(1812)中的过程参数以控制来自FPU(1805)的输出质量。该输出控制器(1812)可以连接至切片输入控制器(1810)和油炸输入控制器(1811)。诸如PI、PID控制设备之类的典型过程控制装置可以被用来控制切片和油炸单元的输入参数。例如，如果质地属性、硬度落在可接受的限制之外，则人可以对输出控制器(1812)编程以调整对油炸单元的输入参数(诸如油炸温度或油炸时间)。人还可以调整输出控制器(1812)的程序以调整对切片单元的输入参数来使得切片依据输出质地属性与输入参数的关联性而更薄或更厚。
具有原位声学定量质地测量的示例性离散在线反馈控制(1900)
一种用于控制从食物处理单元连续输出的食物产品的质地属性的离散反馈方法，该方法包括以下步骤：
(1)在所述食物处理单元中处理食物配料以产生所述食物产品(1901)；
(2)按照设置的间隔来食用食物零食(1902)；
该间隔可以被设置为短至10分钟到长达6小时。较短的间隔提供了严格的质量控制，因为被选择用来测量质地的样品代表了间隔。根据一个优选示例性实施例，该间隔被设置在1分钟至10小时的范围内。根据一个更优选示例性实施例，该间隔被设置成30分钟小时。根据一个最优选示例性实施例，该间隔被设置成1小时。
(3)利用质地测量工具和相关联的原位声学质地模型来定量测量所述食物产品的质地属性(1903)；
如上面在图5(0500)中提到的装置可以被用来测量诸如硬度、破碎性或稠密性之类的质地属性。
(4)如果在步骤(3)中测得的所述质地属性在可接受的限制之外，则将信息反馈回所述食物处理单元以调整对所述食物处理单元的输入参数，使得针对从所述食物处理单元产生的后续食物产品测得的质地属性落在所述可接受范围(1904)；
可以基于品尝小组关联性来为质地属性中的每一个建立可接受的限制。手动调整对食物处理单元(诸如油炸和切片单元)的输入过程参数。如果利用原位装置测得的质地属性落在可接受范围之外，则可以调整输出控制器(1812)以控制来自食物处理单元的输出质量。该可接受范围可以基于关联的专家小组数或过去的口感经验。
这提供了优于品尝食物零食并且将其与参考样品相比较的现有方法的明显优势。该原位方法能够实现对食物处理单元的定量反馈，而不是如目前在本领域中执行的定性反馈。
可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。
用于使用上面在图19(1900)中描述的方法在连续制造过程中控制食物产品的质地的离散反馈系统可以包括食物预处理单元、食物处理单元、设置在食物处理单元下游的质地测量工具，其中该质地测量工具被配置以当人进食或饮用食物产品的一部分时定量测量从食物处理单元输出的食物产品的质地属性，且声学捕获设备用以捕获由进食或饮用活动生成的声学信号，并且控制器基于来自质地测量工具的输入来控制对食物处理单元和食物预处理单元的多个输入参数。根据一个优选示例性实施例，该控制器利用质地属性信息来控制对食物处理单元和食物预处理单元的多个输入参数以使得从食物处理单元输出的所得食物产品的质地属性落在可接受限制内。
根据另一优选示例性实施例，用于在连续制造过程中控制食物产品的质地的离散反馈系统可以包括食物预处理单元、食物处理单元、设置在食物预处理单元下游的质地测量工具，其中该质地测量工具被配置以当人进食或饮用食物配料的一部分时定量测量输入至所述食物预处理单元的食物配料的输入属性，且声学捕获设备用以捕获由进食活动生成的声学信号，并且控制器基于来自质地测量工具的输入来控制对食物处理单元和食物预处理单元的多个输入参数。一种用于使用前面提到的反馈系统来控制食物产品的输出质地的反馈方法，可以按照下面的步骤来概括描述该方法：
(1)利用输入质地测量工具和进食活动来测量食物配料的输入质地属性；
(2)基于输入质地属性来对至食物处理单元的多个输入参数进行编程；
(3)从食物处理单元产生食物产品；以及
(4)利用输出质地测量工具和进食活动来测量食物产品的输出质地属性。
测量输出质地属性的步骤可以进一步包括以下步骤：
(5)确定输出质地属性是否在可接受的输出限制内；以及
(6)如果输出质地属性在可接受输出限制之外，则将输出质地属性信息反馈回输出控制器以调整对食物处理单元的输入参数。
示例性声学信号时域至频域转换(2000)
如在图20中概括图示的，利用傅里叶变换将在时域(瞬时)(2010)中捕获的示例性声学信号转换至频域(2020)。在食物零食的进食活动期间，在时域中捕获声学信号并且记录该声学信号并将其绘制为强度(dB)与时间(秒)之间的关系。可以将所记录的声学信号变换成频域信号，如在图20(2020)中图示的。可以基于统计回归分析进一步处理该经过变换的声学信号以识别相关频率。可以将所识别的相关频率以及它们的相关联的强度作为变量来开发用来定量测量质地属性的声学模型。
示例性质地属性与相关频率的关系图(2100-2300)
如在图21和图22中概括图示的，示例性质地属性与相关频率之间的关系图可以用于计算食物零食的硬度。可以通过针对特定质地属性和食物零食的统计回归来识别相关频率。例如，频率(2101)可能与硬度有关并且频率(2201)可能与破碎性有关。根据一个优选示例性实施例，可以在声学模型中替换在经过变换的声学信号中所识别的相关频率以及对应强度，以定量测量质地属性(诸如硬度)。应该指出，在x轴上指示的频率是如由算法确定的频率“组”，而不是字面上的频率(即400不是400Hz，它更可能是18,000Hz)。
如在图23中概括图示的是，在各种输入条件下对于食物零食的示例性质地属性强度(dB)(2301)与相关频率(2302)之间的关系图。图(2314)、(2315)、(2316)是在输入配料(诸如马铃薯)的不同固形物含量、水分含量和硬度的情况下对于薯片的频率和强度的关系图。例如，图(2314)可以是对于输入配料中具有不同固形物含量的食物零食的频率与强度的关系图。类似地，图(2315)可以是对于输入配料中分别具有不同水分含量和不同硬度的食物零食的频率与强度的关系图。图(2306)可以是针对背景噪声绘制的，以使得所得的图可能因为噪声而得到补偿。在识别针对诸如薯片之类的食物零食的相关频率之后，可以针对输入条件中的每一个捕获声学信号，并且可以进一步处理该声学信号以确定与针对食物零食的食物性质而识别的频率相关联的强度。例如在图23中，所识别的频率40000Hz对于图(2313)可以具有75dB的强度(2303)、对于图(2314)具有74dB的强度(2304)、并且对于图(2315)具有76dB的强度(2305)。该强度可被替换到由前面提到的公式(2)生成的食物性质模型，并且可以计算诸如质地属性之类的食物性质。如在图23中图示的，食物配料的3种不同输入条件(固形物含量、水分含量和硬度)导致3种不同的相关联的强度，它们进一步导致3种不同的质地属性。因此，可以针对食物产品捕获声学信号并处理该声学信号，并且可以基于相关频率来计算质地属性。该输入条件可以被定制成实现在预定的限制内的期望质地属性值。可以将该预定的限制关联至定性描述性小组数。类似地，可以通过捕获声学信号并且处理它来生成针对各种食物性质的图。可以确定在它们的相应频率处与各个食物性质相关联的强度并且可以计算食物性质。可以通过如前面提到的信号处理和统计回归来为食物性质中的每一个生成模型。因此，原位方法可以被用来基于任何食物性质(诸如质地属性、水分、油含量、密度、粘度或口感)来识别食物产品中的差别。食物产品中的差别可能小到期望值的+-5％。例如，期望硬度值75可以提供声学特征标记，其可以与不期望用于食物产品的硬度值70相区分。具有非期望值(70)的食物产品可能被拒绝并且不会被进一步处理或包装。
系统总结
本发明系统利用包括声学捕获设备和数据处理单元的装置来预期在原位质地测量的基本方案中的各种各样的变化。当人进食/饮用食物零食时，嘴中的物理相互作用发送压力波，该压力波传播通过听小骨并产生声学信号。该声学捕获设备记录该信号并将其转发至数据处理单元。该数据处理单元进一步包括数字信号处理模块，其对所接收到的声学信号进行平滑、变换和滤波。统计处理模块进一步对来自数据处理单元的声学信号进行滤波并且为质地属性(诸如硬度和破碎性)生成定量声学模型。该定量模型与来自描述性专家小组的定性质地测量关联。另一方法包括使用原位定量食物性质测量的食物零食指纹识别。
可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。
方法总结
本发明方法预期了在实施的基本方案中的各种各样的变化，但是本发明方法可以被概述为一种定量测量食物零食的质地的方法，该方法包括以下步骤：
(1)进食/饮用食物零食；
(2)从进食/饮用食物零食生成声学信号；
(3)利用声学捕获设备捕获声学信号；
(4)将声学信号从时域转换至频域；
(5)识别相关频率以及它们的相关联的强度；以及
(6)基于相关频率以及相关联的强度来量化食物产品的所述质地属性。
可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。
系统/方法变化
本发明预期了在原位定量质地属性测量的基本方案中的各种各样的变化。先前给出的示例不表示可能使用的整个范围。它们的本意是从几乎无限的可能性中列举几种可能的示例。
可以利用各种各样的辅助实施例来增强该基本系统和方法，这些辅助实施例包括但不限于：
·其中该数据处理单元进一步包括数字信号处理单元和质地属性计算单元的实施例。
·其中该数字信号处理单元被配置以对声学信号进行平滑、变换和滤波从而识别与质地属性有关的相关频率的实施例。
·其中该质地属性计算单元被配置以由相关频率来计算质地属性的实施例。
·其中该质地属性选自包括硬度、破碎性和稠密性的组的实施例。
·其中该进食活动是用人的牙齿的正面咬合的实施例。
·其中该进食活动是人的磨牙咀嚼的实施例。
·其中该进食活动是人的自然咀嚼的实施例。
·其中该食物零食是固体的实施例。
·其中该食物零食是液体的实施例。
·其中该声学捕获设备是麦克风；该麦克风被配置以有线连接至数据处理单元的实施例。
·其中该声学捕获设备是麦克风；该麦克风被配置以与数据处理单元无线连接的实施例。
·其中该声学捕获设备被配置以捕获在所述频率范围内的声波的实施例。
·其中该声学捕获设备被配置以在单个方向上捕获声波的实施例。
·其中该声学捕获设备被配置以在所有方向上捕获声波的实施例。
·其中该声学捕获设备与数字信号处理单元相集成的实施例。
本领域技术人员将会认识到，基于上述的发明描述范围内所教导的部分的组合，其他实施例是可能的。
离散原位反馈制造系统总结
本发明系统预期了用于在制造过程中控制食物零食的质地的离散反馈系统的基本方案中的各种各样的变化。该系统包括设置在食物处理单元下游的原位质地测量工具，连同人按照设置的间隔食用来自食物处理单元的食物零食。当人食用食物零食时，该原位工具定量测量食物零食的质地属性。当该质地属性在可接受限制之外时，人控制对食物处理单元的输入参数以使得从食物处理单元输出的后续的食物零食的质地属性落在可接受限制内。
可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。
离散原位反馈制造方法总结
本发明方法预期了实施的基本方案中的各种各样的变化，但是可以将本发明方法概述为一种定量测量食物零食的质地的方法，该方法包括以下步骤：
(1)在食物处理单元中处理食物配料以产生食物产品；
(2)按照设置的间隔食用食物零食；
(3)利用质地测量工具和关联的原位声学质地模型来测量食物产品的质地属性；以及
(4)如果在步骤(3)中测得的质地属性在可接受的限制之外，则将信息反馈送回食物处理单元以调整至食物处理单元的输入参数，以使得针对从所述食物处理单元产生的后续食物产品的测得的质地属性落在可接受范围。
可以通过本文中描述的各个部分来增强该一般性方法概述以产生与该总设计描述一致的各种各样的发明实施例。

Claims (16)

1.一种用于食物零食的定量质地属性测量的系统，包括声学捕获设备；所述声学捕获设备被配置以检测从人的进食活动生成的声学信号，并且与数据处理单元通信；所述数据处理单元包括数字信号处理单元和质地属性计算单元，其中所述数据处理单元被配置以：
a.对所述声学信号进行平滑、变换和滤波，
b.针对多个质地属性，识别与特定质地属性有关的单独的、不重叠的相关频率范围，以及
c.针对所述多个质地属性，基于来自所述声学捕获设备的输入并且基于对与所述特定质地属性相关联的离散的所述相关频率范围的识别，来定量测量所述食物零食的所述特定质地属性。
2.根据权利要求1所述的系统，其中所述质地属性选自包括以下各项的组：硬度、破碎性、牙包裹、酥脆性、稠密性、面团的粗糙度、面团的水分、残余油脂、表面粗糙度或表面油性。
3.根据权利要求1所述的系统，其中所述进食活动是用所述人的牙齿的正面咬合。
4.根据权利要求1所述的系统，其中所述进食活动是所述人的磨牙咀嚼。
5.根据权利要求1所述的系统，其中所述进食活动是所述人的自然咀嚼。
6.根据权利要求1所述的系统，其中所述食物零食是固体。
7.根据权利要求1所述的系统，其中所述食物零食是液体。
8.根据权利要求1所述的系统，其中所述声学捕获设备是麦克风；所述麦克风被配置以有线连接至所述数据处理单元。
9.根据权利要求1所述的系统，其中所述该声学捕获设备是麦克风；所述麦克风被配置以与所述数据处理单元无线连接。
10.根据权利要求1所述的系统，其中所述声学捕获设备被配置以捕获在0至5000KhZ的频率范围内的声波。
11.根据权利要求1所述的系统，其中所述声学捕获设备被配置以在单个方向上捕获声波。
12.根据权利要求1所述的系统，其中所述声学捕获设备被配置以在所有方向上捕获声波。
13.根据权利要求2所述的系统，所述声学捕获设备与所述数字信号处理单元相集成。
14.根据权利要求2所述的系统，所述声学捕获设备和所述数据处理单元被集成在一个单元中。
15.一种用于测量食物零食的质地属性的定量方法，所述方法包括以下步骤：
(1)食用食物零食；
(2)从食用所述食物零食来生成声学信号；
(3)利用声学捕获设备来捕获所述声学信号；
(4)将所述声学信号发送至与所述声学捕获设备耦合的数据处理单元；
(5)将所述声学信号从时域转换至频域；
(6)识别相关频率以及它们的相关联的强度；以及
(7)基于所述相关频率和所述相关联的强度，通过以下方式来量化所述食物产品的所述质地属性：
a.利用数据处理单元对所述声学信号进行平滑、变换和滤波并创建经过变换的声学信号；
b.利用所述数据处理单元并针对多个质地属性，从所述经过变换的声学信号识别与特定质地属性有关的单独的、不重叠的相关频率范围；以及
c.针对所述多个质地属性，基于来自所述声学捕获设备的输入并且基于对与所述特定质地属性相关联的离散的所述相关频率范围的识别，来定量测量所述食物零食的所述特定质地属性。
16.一种用于开发食物零食的原位声学质地模型的方法，所述方法包括以下步骤：
(1)由人进食食物零食；
(2)从进食所述食物零食生成声学信号；
(3)利用声学捕获设备来捕获所述声学信号；
(4)将所述声学信号转发至数据处理单元；
(5)利用所述数据处理单元开发所述原位声学质地模型；以及
(6)通过以下方式，将利用所述原位声学质地模型测得的质地属性与由专家小组测得的质地属性进行关联：
a.利用数据处理单元对所述声学信号进行平滑、变换和滤波并创建经过变换的声学信号；
b.利用所述数据处理单元并针对多个质地属性，从所述经过变换的声学信号识别与特定质地属性有关的单独的、不重叠的相关频率范围；以及
c.针对所述多个质地属性，基于来自所述声学捕获设备的输入并且基于对与所述特定质地属性相关联的离散的所述相关频率范围的识别，来定量测量所述食物零食的所述特定质地属性。
CN201780015210.XA 2016-03-04 2017-03-04 定量原位质地测量装置和方法 Active CN108777988B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662303511P 2016-03-04 2016-03-04
US62/303,511 2016-03-04
US15/448,853 US10969316B2 (en) 2015-09-24 2017-03-03 Quantitative in-situ texture measurement apparatus and method
US15/448,853 2017-03-03
PCT/US2017/020833 WO2017152154A1 (en) 2016-03-04 2017-03-04 Quantitative in-situ texture measurement apparatus and method

Publications (2)

Publication Number Publication Date
CN108777988A CN108777988A (zh) 2018-11-09
CN108777988B true CN108777988B (zh) 2022-04-12

Family

ID=59743253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780015210.XA Active CN108777988B (zh) 2016-03-04 2017-03-04 定量原位质地测量装置和方法

Country Status (5)

Country Link
EP (1) EP3422872A4 (zh)
CN (1) CN108777988B (zh)
CA (1) CA3014206A1 (zh)
MX (1) MX2018010627A (zh)
WO (1) WO2017152154A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112842062B (zh) * 2021-03-01 2022-05-17 广东美的厨房电器制造有限公司 烹饪设备的控制方法、装置、烹饪设备和可读存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19960014B4 (de) * 1999-12-13 2004-02-19 Trinkel, Marian, Dipl.-Ing. Vorrichtung zur Bestimmung und Charakterisierung von durch Zerkleinern von Lebensmitteln erzeugten Geräuschen
JP2006227021A (ja) * 2001-08-02 2006-08-31 Nisshin Oillio Group Ltd 多孔性食品食感評価方法、多孔性食品データ処理装置、多孔性食品食感評価方法及び多孔性食品食感評価方法をコンピュータに実行させるプログラム
JP2004085303A (ja) * 2002-08-26 2004-03-18 Nisshin Oillio Ltd 多孔性食品の食感評価方法、データ処理装置、及び食感評価方法をコンピュータに実行させるプログラム
US7660440B2 (en) * 2002-11-07 2010-02-09 Frito-Lay North America, Inc. Method for on-line machine vision measurement, monitoring and control of organoleptic properties of products for on-line manufacturing processes
WO2012029888A1 (ja) * 2010-08-31 2012-03-08 国立大学法人広島大学 食感指標の測定方法及び測定装置
JP5419181B2 (ja) * 2011-08-23 2014-02-19 長谷川香料株式会社 食品の硬さ、食感、及びテクスチャーの平均値解析による相対的評価方法
GB2503722A (en) * 2012-07-06 2014-01-08 Sonex Metrology Ltd A photoacoustic inspection device
US10070661B2 (en) * 2015-09-24 2018-09-11 Frito-Lay North America, Inc. Feedback control of food texture system and method
US9541537B1 (en) * 2015-09-24 2017-01-10 Frito-Lay North America, Inc. Quantitative texture measurement apparatus and method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Crispness Judgement of Royal Gala Apples Based on Chewing Sounds;N. De Belie等;《Biosystems Engineering》;20020331;第81卷(第3期);297-303 *

Also Published As

Publication number Publication date
WO2017152154A1 (en) 2017-09-08
MX2018010627A (es) 2019-01-30
CA3014206A1 (en) 2017-09-08
CN108777988A (zh) 2018-11-09
EP3422872A1 (en) 2019-01-09
EP3422872A4 (en) 2019-10-30

Similar Documents

Publication Publication Date Title
US10969316B2 (en) Quantitative in-situ texture measurement apparatus and method
US10791753B2 (en) Feedback control of food texture system and method
US10942153B2 (en) Quantitative liquid texture measurement apparatus and method
JP5854516B2 (ja) 食感指標の測定方法及び測定装置
JP2006227021A (ja) 多孔性食品食感評価方法、多孔性食品データ処理装置、多孔性食品食感評価方法及び多孔性食品食感評価方法をコンピュータに実行させるプログラム
US10605787B2 (en) Quantitative liquid texture measurement apparatus and methods
JP5419181B2 (ja) 食品の硬さ、食感、及びテクスチャーの平均値解析による相対的評価方法
US10598648B2 (en) Quantitative texture measurement apparatus and method
Arimi et al. Development of an acoustic measurement system for analyzing crispiness during mechanical and sensory testing
CN108777988B (zh) 定量原位质地测量装置和方法
US11243190B2 (en) Quantitative liquid texture measurement method
JP2004294173A (ja) 食品物性測定方法及びその装置
JP4111723B2 (ja) 多孔性食品食感評価方法及び多孔性食品食感評価装置
CN110637229B (zh) 定量测量液体质地的装置和方法
EP3685150B1 (en) Quantitative texture measurement apparatus and method
Lee et al. Estimating sensory texture of cooked rice using full and optimized predictive regression models
Zhu et al. Correlation between acoustic characteristics and sensory evaluation of puffed‐grain food based on energy analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant