標題:以電腦視覺辨識咖啡豆烘焙程度

 

內容:

烘豆是咖啡生產鏈中最複雜和最重要的階段之一,其過程中包含許多化學反應如水解、聚合和熱解,這些化學反應所產生的揮發性和非揮發性化合物則會影響咖啡的香氣和風味(Cheong et al., 2013 ),而導致豆子顏色變化的主因則為類黑素的形成,其是由梅納反應及焦糖化反應轉化產生的黑色高分子量化合物(Ludwig et al., 2012),兩種化學反應也都與感官特性密切相關,也因此咖啡豆烘豆程度的明確定義至關重要,因為它將直接影響咖啡的品質(Kocadagli and Gökmen, 2015, Kucera et al., 2016)。

現今咖啡豆的烘焙程度主要為烘豆師以肉眼監控全程或使用傳統儀器如色差儀對豆子的色澤進行判斷,但其將導致成品品質不夠一致,因此Leme等人在2019年構建一個電腦視覺模型,將CIE L * a * b *和灰階( grayscale)的顏色模型與美國特種咖啡協會定義的烘豆數值範圍進行比較,其利用人工神經網絡(Artificial neural networks)建構顏色轉換模型、二次/三次多項式迴歸模型和近似烘焙指數的神經模型(neural models),針對全豆應用Tukey檢定(信賴區間的95%)發現,在烘焙指數的近似程度上,神經模型(neural models)明顯優於多項式,其決定係數(R2)達0.99;而針對磨好的咖啡豆利用二次多項式灰階模型可達到最佳的預測效果,其平均誤差為0.93,故此模型在咖啡豆顏色的識別上是具有可行性的,其將可使產業界在烘豆程度的分析上達成更高的自動化和可靠性。

 

 

參考文獻:

Cheong, M.W., Tong, K.H., Ong, J.J.M., Liu, S.Q., Curran, P., & Yu, B. (2013). Volatile composition and antioxidant capacity    

     of arabica coffee. Food Res. Int., 51, 1, 388-396.

Kocadagli, T., & Gökmen, V. (2015). Effect of roasting and brewing on the antioxidant capacity of espresso brews determinated by the QUENCHER procedure. Food Res. Int., 89, 976-981.

Kucera, L., Papousek, R., Kurka, O., Barták, P., & Bednar, P. (2016). Study of composition of espresso coffee prepared from various roast degrees of Coffeaarabica L. coffee beans. Food Chem., 199, 727-735.

Leme, D.S., Silva, S.A., Barbosa, B.H.G., Borém, F.M., & Pereira, R.G.F.A. (2019). Recognition of coffee roasting degree using a computer vision system. Comput. Electron. Agri. 156, 312-317.

Ludwig, I.A., Sanchez, L., Caemmerer, B., Kroh, L.W., Paz De Penã, M., & Cid, C. (2012). Extraction of coffee antioxidants: impact of brewing time and method. Food Res. Int., 48, 57-64.