INFORME FINAL
USO DEL ANÁLISIS DE IMÁGENES PARA EL ESTUDIO DE LA ESTRUCTURA DE PRODUCTOS DE PANIFICACIÓN.
Director: Reynold R. Farrera-Rebollo. Participantes: Jorge Chanona Pérez , Georgina Calderón-Domínguez. RESUMEN El análisis de imágenes (AI) se ha convertido en una herramienta sumamente útil en los
últimos 10 años. Ha sido utilizada para el estudio de la forma y microestructura de los
alimentos. Los productos de panificación y en específico sus características internas no han
sido la excepción. El estudio de miga a través de AI se ha centrado principalmente en pan
de masa salada, evaluando el tamaño de celdas, la densidad de poros, el número de poros y
la forma entre otros. En la mayoría de los casos el AI se lleva a cabo utilizando diferentes
programas de computadora, que permiten un análisis rápido de las muestras. Sin embargo
no se tiene reportado el efecto de las condiciones de la toma de imágenes, como serían la
resolución, y el nivel de brillo o contraste. Tampoco existe información publicada con
respecto a las características de la miga en pan blanco tradicional o pan dulce por lo que en
el presente trabajo se planteó desarrollar una metodología para evaluar la estructura de la
miga en este tipo de productos a través de AI. Las muestras utilizadas fueron baguette,
bolillo, telera, chapata, pambazo, concha, cuerno y panque; el primer parámetro estudiado
fue la resolución a la cual se debe escanear la muestra para obtener el mejor conteo y
caracterización de poros, obteniendo los mejores resultados a mayor resolución (555dpi).
Posteriormente se analizó el efecto del brillo y contraste sobre el conteo de poros,
encontrando los mejores resultados para un mínimo de 60 y un máximo de 165. Esta parte
del estudio se llevó a cabo con un solo tipo de pan (cuerno). La cuantificación de la
estructura se llevó a cabo utilizando el programa ImageJ. Posteriormente se determinaron
las características de miga (área y densidad de poros, factor de forma y perímetro máximo),
utilizando el programa SigmaScan Pro; también se probó el efecto de utilizar dos tipos de
filtros (Thereshold Manual y Otsu), encontrando que no existe diferencia significativa entre
el empleo de uno u otro (Manual 0.27±0.015, Otsu 0.30±0.010). De los parámetros
analizados se observó que concha y cuerno tienen las mismas características en cuanto a
estructura de miga (P>95%), pero no con respecto a panqué, el cual presentó el menor
tamaño de área de poro (0.13±0.018), la mayor densidad de poros (259±20.17) y el menor
perímetro (1.38±0.129). En lo que respecta a pan blanco, la menor compactación de poros
se presenta en el pan de hogaza blanco, una vez haciendo la discriminación pertinente de
los poros contados menores a 4 px, ya que podrían representar sólo puntos en la imagen.
Panes como el baguette, el bolillo y la chapata presentaron valores de compactación
semejantes entre sí. .Este estudio demuestra que el AI es una herramienta útil para
caracterizar la estructura de diferentes tipos de productos de panificación.
INTRODUCCIÓN
En los últimos 10 años, el análisis de imagen se ha convertido en una herramienta
sumamente útil en el estudio de productos alimenticios en estado sólido con el fin de
conocer la arquitectura interna, su forma y microestructura, a través de parámetros
cuantitativos que permiten describir adecuadamente la complejidad intrínseca de estos
materiales(Aguilera 2000). Los productos de panificación y en específico sus características
internas no han sido la excepción; sin embargo hasta la fecha los trabajos realizados en esta
área, se enfocan exclusivamente en el estudio de la miga de pan blanco (Sapirstein et al
1994, Zghal et al 1999, Crowley et al 2000, Zghal et al 2001, Scanlon and Zghal 2001,
Rouillé et al 2005, González-Barrón and Butler 2006, Moore et al 2006). En México
además del pan blanco se consume ampliamente el denominado pan dulce, del cual existen
una gran variedad de productos, que se distinguen por el método de elaboración, su
estructura y forma a la que comúnmente le deben su nombre popular y que los diferencian
del pan blanco. Comúnmente el análisis de la calidad de la miga se ha reportado en pan
blanco, a través de un proceso empírico basado en la evaluación visual por parte del
panadero o técnico en panificación, y durante la cual se determina el grado de
compactación de la miga (abierta o cerrada), su uniformidad (regular o irregular), su forma
(redonda, ovalada o elongada) y el grosor de la pared (Pyler 1988); por lo que el juicio
obtenido resulta subjetivo, cualitativo e impreciso. Sin embargo ya existen reportes en los
cuales estas características se pueden determinar de forma cuantitativa utilizando el análisis
de imagen. Sin embargo sólo existen reportes aislados en los cuales se haya utilizado esta
metodología para la evaluación de la calidad de la estructura de la miga en diferentes tipos
de panes dulces como los que se producen en el país. Es por ello que el presente trabajo,
tiene como objetivo optimizar una metodología para evaluación de la miga a través de un
sistema cuantitativo, como el análisis de imagen, para lo cual es necesario establecer los
niveles de brillo y contraste, la resolución óptima de escaneo, el tipo de filtro a utilizar
(Thereshold Manual y Otsu) que permitan cuantificar las características internas del pan
dulce tales como: área y densidad de poros, factor de forma y perímetro. Esta metodología
permitiría determinar la calidad del pan dulce que actualmente se distribuye en el mercado,
a través de un análisis de imagen.
MATERIALES Y MÉTODOS
Materia prima:
Se seleccionaron tres tipos de pan dulce: concha, cuerno y panqué de nuez. Estos panes son
de los de mayor aceptación por el consumidor y están elaborados a partir de masas
diferentes (bizcocho, danés y líquida) y también requieren de diferentes procesos para su
elaboración. Todos los productos fueron comprados en una panadería de las consideradas
como tradicionales.
Toma de imágenes.
La imagen de la mitad de cada una de las muestras fue obtenida a través de un sistema de
scaneo (Benq Corporation, 5000 Colour Scanner, USA). Los parámetros de brillo y
contraste se utilizaron tal como los establece en su valor estándar (zero) la paquetería del
equipo (MiraScan6, Benq, Taipei, Taiwan). Todas las imágenes obtenidas se guardaron en
formato de mapa de bits (bmp). Cada una de las imágenes se trataron utilizando el
programa ImageJ (National Institutes Health, Bethesda, Md, USA). Se aseguró que el
tamaño de imagen a analizar (CROP) representara el 36.5% de la imagen. Se buscó la
mayor área de la parte central que es donde se puede tener una mejor caracterización del
poro de la miga. Las imágenes fueron tratadas con los filtros Otsu y threshold. Una vez
obtenida las imágenes segmentadas, éstas fueron tratadas utilizando el programa
SigmaScan Pro Image 5.0 (Jandel Scientific Inc. USA), estableciendo como parámetros de
evaluación el área promedio de poro, el perímetro, el número de poros y el factor de forma.
Determinación del valor de resolución para el escaneo de imágenes.
En este experimento se probaron 9 resoluciones diferentes: 75, 100, 150, 200, 300, 355,
435, 515, 555 dpi. Todas las imágenes fueron procesadas pero se seleccionó únicamente
como variable de evaluación al número de poros.
Determinación de los niveles de brillo y contraste.
De las imágenes originales se realizó un corte en el centro (crop) de 600 por 600 píxeles. El
nivel de brillo se varió desde cero (default) hasta 165 con incrementos de 15 en 15 unidades
(12 imágenes). El valor máximo se seleccionó considerando que valores más altos generan
imágenes demasiado oscuras. A estas imágenes se les determinó el área máxima, perímetro,
número de objetos y factor de forma, todos ellos en pixeles. La selección de los mejores
parámetros de brillo y contraste se basó en la comparación visual entre el número de
objetos que seleccionó el programa y la muestra original, teniendo en cuenta que el número
de poros fuese lo más cercano a lo real, es decir que el programa realmente considerara la
mayor proporción de poros existentes en la miga y que no eliminara poros o contará más de
los que realmente están presentes.
Finalmente, todos los valores obtenidos se procesaron en Excel (Office XP).
RESULTADOS Y DISCUSIÓN
En la presente tabla se observa que la sensibilidad presentada sobre la detección de los
poros pequeños (0-0.1 mm2) en la menor resolución trabajada (75 dpi) es nula, no obstante
que a 100 dpi se detectan más; no es hasta los 515 y 555 dpi, donde se obtiene el mayor
conteo de éstos, indicando la mejor delimitación y caracterización de los poros presentes en
la miga de pan tratada. A pesar de que los valores obtenidos en ambas resoluciones (515 y
555 dpi) son muy parecidos se observa menor diferencia entre los valores de poros
detectados al utilizar uno u otro filtro a 555dpi, es por ello que se eligió esta última como la
resolución optima de trabajo. En general se puede citar que a mayor resolución es mejor la
detección del número de poros y la diferencia en detección entre ambos tipos de filtros es
mínima.
Tabla I: Efecto de la resolución sobre la densidad y área mínima de poro detectada;
así como en la utilización de ambos filtros.
Porcentajes de Área (mm2) Resolución 0 - 0.04 0.041 - 0.1 0.11 - 1 1.1 - 10 > 10
75 dpi.thm 0.00 0.00 69.57 25.72 4.71 75 dpi.tho 0.00 0.00 68.35 24.48 7.17
100 dpi.thm 0.00 26.53 48.11 21.57 3.79 100 dpi.tho 0.00 27.76 46.57 21.79 3.58 150 dpi.thm 28.54 17.97 37.32 13.58 2.59 150 dpi.tho 31.15 17.87 33.99 13.72 3.27 200 dpi.thm 45.00 18.38 25.40 9.60 1.62 200 dpi.tho 45.24 17.30 25.07 10.37 2.02 300 dpi.thm 61.17 10.07 20.23 7.48 1.05 300 dpi.tho 62.37 10.48 18.90 7.14 1.11 355 dpi.thm 69.52 9.25 15.10 5.13 1.00 355 dpi.tho 71.31 8.75 13.20 5.52 1.22 435 dpi.thm 72.49 8.10 13.88 4.84 0.69 435 dpi.tho 75.00 7.69 11.90 4.57 0.84 515 dpi.thm 78.19 6.97 10.39 3.96 0.49 515 dpi.tho 80.13 6.39 9.41 3.5 0.57 555 dpi.thm 79.55 6.22 10.05 3.68 0.50 555 dpi.tho 80.14 5.84 9.96 3.51 0.55
Clave: .tho: indica el filtro thereshold; tho: indica el filtro Otsu.
En la Tabla II se observan los valores para el número de poros y área máxima obtenidos a
diferentes niveles de brillo y contraste. La selección del valor óptimo de trabajo para estos
parámetros se basó en la comparación visual entre el número de objetos que seleccionó el
programa y la imagen original, teniendo en cuenta que el número de poros fuese lo más
cercano a lo real
Tabla II: Efecto del brillo y contraste utilizando ambos filtros.
THERESHOLD OTSU
Muestra Valor mínimo
de brillo y contraste # Poros Área máx. # Poros Área máx.
1 0 535 8101 477 13705 2 15 514 10550 477 13705 3 35 535 8101 477 13705 4 45 514 10550 516 12244 5 60 535 8101 516 12244 6 75 535 8101 477 13705 7 90 535 8101 477 13705 8 105 514 10550 477 13705 9 120 535 8101 516 12244
10 135 505 11313 516 12244 11 150 505 11313 516 12244 12 165 481 14581 477 13705
El valor máximo de brillo y contraste es 165.
Los mejores resultados se observaron al aplicar un mínimo de 60 y un máximo de 165
obtenidos a partir del histograma de la imagen y que corresponde a la muestra 5. En estas
condiciones se obtiene un alto número de poros y un área máxima menor; lo que significa
que los poros de la miga son delimitados por el programa de una manera más eficiente, es
decir, es posible diferenciar con mayor exactitud poros pequeños, medianos y grandes,
siendo por lo tanto más exacta la imagen y el conteo obtenido que en otros niveles de brillo
y contraste. Cabe mencionar que los niveles de brillo y contraste aplicados en la muestra 9
arrojaron los mismos valores numéricos que los de la muestra seleccionada, sin embargo al
momento de hacer el comparativo visual se observaron marcadas discrepancias entre la
muestra tratada y la original. En cuanto al tipo de filtro utilizado se encontró que ambos
generan resultados muy diferentes, observando que con el filtro manual (thereshold) se
detectan más poros y al parecer separa (fondo .vs. poro) de una mejor forma la imagen, sin
embargo como no se tenía certeza de la diferencia se decidió utilizar ambos filtros para el
estudio de la miga de los diferentes panes dulces.
Las Figuras 1 y 2 muestran el efecto del nivel de brillo y contraste en el grado de detección
del poro de la miga.
Caracterización de la estructura de miga en diferentes tipos de pan dulce. La Tabla III muestra la evaluación de la estructura de miga en los tres tipos de panes dulces analizados y el efecto que tiene el tipo de filtro utilizado.
Tabla III: Caracterización de la estructura de miga en diferentes tipos de pan dulce
Área (mm2) Perímetro (mm) Factor de forma (S)
Número de celdas / cm2
Muestra Otsu Manual Otsu Manual Otsu Manual Otsu Manual
Cuerno 0.30±0.010 0.27±0.015 1.85±0.112 1.73±0.127 0.98±0.029 0.99±0.032 130.66±8.036 128.71±7.71
Concha 0.30±0.028 0.28±0.020 1.69±0.154 1.60±0.126 1.01±0.019 1.02±0.033 131.16±8.036 122.79±14.85
Panque 0.18±0.030 0.13±0.018 1.78±0.211 1.38±0.129 1.03±0.027 1.01±0.017 240.17±24.36 259±20.17
El resultado corresponde a la media de 8 repeticiones.
Se observa, en cuanto a criterios de caracterización de poro, que el filtro Otsu genera
valores tanto de área como de perímetro ligeramente mayores con respecto al filtro
Thereshold manual, lo que sugiere que varía un poco la forma en que es detectado el poro
por efecto del filtro, no así con criterios como factor de forma y densidad de poro, lo que
indica que ambos filtros detectan prácticamente la misma cantidad de poro, así como la
forma geométrica de éste. Por otro lado, se observa que entre los panes concha y cuerno,
no existen grandes diferencias en cuanto a la densidad de poro y área, no así con respecto a
panque; también se observa que el factor de forma para los tres panes estudiados, es
prácticamente el mismo, sin embargo con respecto al perímetro, se observa que no existe
diferencia significativa para los tres panes utilizando el filtro Otsu, no así con el manual,
donde los valores de panque difieren de forma significativa con concha y cuerno.
Blanco Integral Baguette Bolillo Chapata Pambazo Telera
Razgo c/ch s/ch c/ch s/ch c/ch s/ch c/ch s/ch c/ch s/ch c/ch s/ch c/ch s/ch
Obj 6470 2686 5157 2319 2798 1210 2236 958 1763 815 2005 842 1948 838
Cell/cm2111 46 88 39 70 30 75 32 33 15 22 9 25 11
Área 0.46 1.15 0.53 1.2 0.31 0.72 0.34 0.79 0.32 0.68 0.36 0.86 0.33 0.78
S 0.79 0.54 0.79 0.56 0.79 0.54 0.78 0.56 0.79 0.54 0.78 0.54 0.79 0.54
DF text 2.72 2.70 2.45 2.40 2.42 2.34 2.33
CONCLUSIONES
En el intento de optimizar una metodología para cuantificar y caracterizar la miga de pan,
se observó en términos generales que a mayor resolución en la adquisición de la imagen,
mayor detección, delimitación y caracterización de poros. También se encontró que la
mejor resolución de trabajo es a 555 dpi; por otro lado, se observó que tanto el brillo como
el contraste son características que deben cuidarse minuciosamente al realizar un análisis de
imagen, debido a que una pequeña variación en éstos, implica una dispersión en los objetos
detectados por el programa computacional con respecto a los reales. Los mejores niveles
de detección correspondieron a un mínimo de 60 y un máximo de 165. Ambos filtros
generan el mismo nivel de detección por lo que ambos pueden utilizarse.
REFERENCIAS BIBLIOGRÁFICAS
1. Sapirstein, H.D., Roller, R. & Bushuk, W. (1994). :Instrumental Measurement of Bread Crumb
Grain by Digital Image Analysis, Cereal Chemistry, 71(4), 383-391
2. Zghal, M.C., Scalon, M.G., & Sapirstein, H.D. (1999). : Prediction of Bread Density by Image
Analysis, Cereal Chemistry, 76(5), 734-742
3. Crowley, P., Grau, H., Arendt, E. K. (2000). : Influence of Additives ans Mixing Time on
Crumb Grain Characteristics of Wheat Bread, Cereal Chemistry, 77(3), 370-375
4. Scanlon, M.G. & Zghal, M.C (2001). : Bread properties and Crumb structure, Food Research
International, 34, 841-864
5. Zghal, M.C. , Scalon, M.G., & Sapirstein, H.D. (2001). : Effects of Flour Strength, Baking
Absorption, and Processing Conditions on the Structure and Mechanical Properties of Bread
Crumb, Cereal Chemistry, 78(1), 1-7
6. Rouillé, J., Della Valle, G., Devaux, M.F., Marion, D., & Dubreil, L. (2005). : French Bread
Loaf Volume Variations and Digital Image Analysis of Crumb Grain Changes Induced by the
Minor Components of Wheat Flour, Cereal Chemistry, 82(1), 20-27
7. Gonzales- Barron, U., & Butler, F. (2005). : A Comparison of seven thresholding techniques
with the k-means clustering algorithm for measurement of bread-crumb features by digital
image analysis, Journal of Food Engineering, 74, 268-278
8. Moore, M. M., Heinbockel, M., Dockery, P. Ulmer, H. M., & Arendt, E. K. (2006). Network
Formation in Gluten-Free Bread with Application of Transglutaminase, Cereal Chemistry,
83(1), 28-36
9. Aguilera J.M. (2000), Microstructure and food product engineering, Food Technology 54(11),
56–58 60, 62, 64, 66.
10. Pyler, E.J. 1988 Baking Science and Technology, Vol. 1 y 2 Second Edition. Sosland PuCo.
Kansas, USA.
11. Hatcher D.W., Symons, S.J. & Manivannanet U. 2004. Developments in the use of
image analysis for the assessment of oriental noodle appearance and colour. Journal of
Food Engineering 61: 09–117.
12. Esteller, M. S. and Lannes, S. 2008. Production and characterization of sponge-dough
bread using scalded rye. J.Text. Studies 39:56-67.
13. Esteller, M. S., Zancanaro, O. Jr., Santos-Palmeira, C. N., Lannes, SCS. 2006. The
effect of kefir addition on microstructure parameters and physical properties of porous
white bread. Eur. Food Res.Technol. 222:26-31
14. Datta, A. K., Sahin, S., Sumnu, G., and Keskin, S.O. 2007. Porous media
characterization of breads baked using novel heating methods. J. Food Eng. 79: 106-
116
15. Lassoued, N., Babin, P., Della Valle, G., Devaux, M. F. and Réguerre, A. L. 2007.
Granulometry of bread crumb grain: considerations of 2D and 3D image analysis at
different scale. Food Research International 40:1087-1097.
16. Takano, H., Naito, S., Ishida, N., Koizumi, K., and Kano, H. 2002. Fermentation
process and grain structure of baked breads from frozen doughs. J. Food Sci. 67(2):
2725-2733.
17. Kocer, D., Hicsasmaz, Z., Bayindirli, A., and Katnas, S. 2007. Bubble and pore
formation of the high ratio cake formulation with polydextrose as a sugar and fat
replacer. J. of Food Eng. 78:953-964.