《Food Research International》：Convolutional neural network-based image classification to understand breakup of oat cell structures due to high-pressure homogenization
编辑推荐：
本研究针对高压均质过程中燕麦细胞结构破碎机制不清的问题，开发了一种结合静态图像分析、自动颗粒识别与卷积神经网络（CNN）的定量方法，成功追踪了七种不同燕麦细胞形态在均质过程中的演变。研究发现不同细胞形态对均质的敏感性存在显著差异，其中可能为糊粉细胞簇的I类颗粒在均质后占比下降，而可能为果皮细胞簇的VII类颗粒则成为主要幸存者。该研究为理解植物基饮料加工中细胞结构破碎机制提供了新方法，兼具显微镜直观性与定量技术优势，对优化工艺具有重要意义。
随着消费者对植物基饮料需求的日益增长，特别是作为传统牛奶的替代品或补充品，食品生产者对燕麦等植物基饮料的开发投入了大量精力。然而，在生产过程中，一个关键步骤——高压均质（High-pressure homogenization, HPH）对植物细胞结构的破碎机制却始终笼罩在迷雾之中。传统的研究方法要么依赖于对个别显微照片的观察得出结论，要么在测量颗粒特性时忽略了细胞和组织形态的多样性，这使得我们难以深入理解不同细胞结构在高压均质下的真实命运。
为了解决这一难题，来自瑞典隆德大学（Lund University）的一支研究团队在《Food Research International》上发表了一项创新性研究。他们独辟蹊径，将实验研究与先进的图像分析技术相结合，利用卷积神经网络（Convolutional Neural Network, CNN）这一强大的机器学习工具，对高压均质过程中燕麦细胞结构的破碎行为进行了前所未有的精细量化分析。
为了开展这项研究，研究人员首先制备了燕麦饮料预混料（10% w/w 燕麦基），随后使用实验室规模的二级高压均质机在不同均质压力（7-47 MPa）下进行处理，并研究了多次循环均质（最多5次）的影响。处理后的样品经过筛分（20 μm）去除细小碎片后，采用马尔文Morphologi 4ID仪器进行静态图像分析（Static Image Analysis, SIA），自动识别并导出单个颗粒的图像。每个颗粒图像均被分析以获取其等效圆直径（D）、长短轴比（R）和平均亮度（L）等基本特征。
研究的核心在于构建一个高效的颗粒形态分类器。通过人工检查大量颗粒图像，研究人员预先定义了9种可区分的形态类别。随后，他们采用迁移学习策略，利用预训练的VGG-16卷积神经网络模型，使用353张手动分类的图像（80%用于训练，20%用于验证）对其进行再训练，以实现对颗粒图像的自动分类。经过训练和验证，最终保留了7个鲁棒性较好的形态类别（I, II, III, V, VI, VII, IX）用于后续分析，并排除了分类效果不佳或可能为软件识别假象的类别（IV, VIII）。该CNN模型在测试集上达到了94.96%的准确率。
主要研究结果
1. CNN性能与颗粒形态特征
训练好的CNN模型能够以高精度（95.8%）自动将颗粒图像分类到预定义的形态类别中。对预混料中大于50 μm颗粒的分析表明，不同形态类别在大小、亮度和形状上存在显著差异。例如，I类颗粒体积平均直径最大，而III类最小；I、II和IX类颗粒颜色显著更深；VI类颗粒具有极高的长短轴比（R = 7.9），呈细长毛发状。在预混料中，大型颗粒（D > 100 μm）主要属于I类（39%）和VII类（26%）。
2. 高压均质对不同形态颗粒的影响
高压均质导致所有形态类别的大颗粒尺寸减小，但其响应模式截然不同。根据总颗粒数、总表面积等参数的变化，可以区分出两类“超类”：I、II和IX类颗粒在均质后数量和总表面积显著减少，表明这些结构被破碎成小于50 μm的碎片或转变为其他形态；而III、V和VII类颗粒的数量和总表面积在均质后保持不变或显著增加，暗示其可能通过碎裂成多个同类小颗粒（“破碎”）、或从其他类别颗粒破碎过程中形成。
3. 幸存颗粒与破碎机制
在高均质压力（47 MPa）下幸存的大颗粒（D > 50 μm）中，VII类颗粒占主导地位（数量占比59%），其次是V类颗粒。对多次均质循环下颗粒粒度分布演变的分析表明，I类颗粒的破碎模式类似于“破裂”（Rupture），即颗粒逐渐碎裂成更小的同类碎片；而VII类颗粒则更倾向于“侵蚀”（Erosion），即小碎片从大颗粒表面逐渐剥离，而大颗粒峰位尺寸变化不大。
4. 形态类别与细胞类型的映射
通过扫描电子显微镜和光学显微镜对燕麦籽粒结构进行观察，并结合形态特征与文献对比，研究人员对颗粒形态类别进行了初步鉴定：具有多边形蜂窝状结构的I类颗粒很可能为糊粉细胞（Aleurone cell）簇；具有明显平行层状结构的VII类颗粒很可能为果皮细胞（Pericarp cell）簇；细长毛发状的VI类颗粒与已知的燕麦“毛细胞”形态相符。
研究结论与意义
本研究成功开发并验证了一种基于CNN的定量显微镜方法，用于研究高压均质对植物细胞结构的影响。研究明确揭示了不同燕麦细胞形态对高压均质具有不同的敏感性和破碎机制。其中，被认为是糊粉细胞簇的I类颗粒易于通过“破裂”机制被破碎，而被认为是果皮细胞簇的VII类颗粒则表现出更强的抵抗性，其破碎模式更接近“侵蚀”，并且在高压处理后成为幸存大颗粒的主要组成部分。
该方法论上的创新将显微镜的直观性与定量分析的力量相结合，克服了传统方法（如仅观察粒度分布或少量显微照片）的局限性，为深入理解复杂的生物材料在加工过程中的演变提供了强大工具。该研究不仅增进了对燕麦基饮料加工中细胞破碎机制的基础认识，而且为未来优化高压均质设备设计、针对性地破碎特定难处理细胞结构以提高最终产品品质（如口感、稳定性）指明了方向。未来的研究可以在此基础上，进一步结合三维成像技术和化学表征方法，更精确地揭示细胞结构的力学特性与破碎行为之间的关系。
