Archivo de la aplicación BH

Análisis de molido de café

Inicio rápido - La idea de utilizar una imagen de café molido para medir la distribución del tamaño vino del Dr. Jonathan Gagné. Con la generosa ayuda de Jonathan y la gente de Barista Hustle, esta versión basada en navegador abre la técnica a un público más amplio.

Los números aún NO están optimizados ni validados, pero obtendrá una idea general. La imagen de prueba que se abre tiene una resolución relativamente baja, por lo que no es representativa de una imagen de alta calidad, pero es útil para mostrar los principios. Su ancho calibrado es de 138 mm para comenzar.

Como funciona todo

Explicación de antecedentes - La idea es sencilla. Tome una fotografía de la molienda e identifique automáticamente cada partícula verdadera en la imagen, cuente el número de píxeles en esa partícula y luego calcule cómo se distribuyen los granos en varios tamaños.

A menudo se imagina que tal técnica de "análisis de imágenes" sería muy difícil. En realidad, hay dos dificultades principales que no tienen nada que ver con el análisis de imágenes sofisticadas:

1 - Conseguir una iluminación uniforme, con frijoles negros / marrones perfectos sobre un fondo blanco perfecto es muy difícil. Cualquier imperfección en la iluminación, el fondo o el color del frijol hace que sea más difícil distinguir las partículas del fondo o el ruido.

2 - La calibración es mucho más complicada de lo que imagina. Una precalibración requiere que siempre tome la imagen exactamente desde la misma distancia. Un objeto de calibración en la imagen (a) le quita espacio a los grinds y (b) necesita alguna identificación de usuario basada en el mouse o un algoritmo inteligente para definir.

Siguiendo el principio de "mantenerlo simple", el primer problema se resuelve proporcionando una luz de fondo a los grinds. En mi caso, usé la pantalla de mi computadora portátil que se pliega hasta quedar plana; igualmente podría haber usado un monitor acostado en su parte posterior. Ayuda que tenga una excelente mano aspiradora limpiador que absorbe rápidamente los granos después de una prueba.

El otro enfoque simple que se usa aquí es que de alguna manera conoce con precisión el ancho completo en mm de su imagen. Mi técnica preferida es incluir una escala en la parte superior o inferior de la imagen. La aplicación lo "blobs" en un solo objeto grande que es descartado automáticamente por el control MaxPixel - o el color se establece tan débil que el blobbing lo ignora de todos modos.

Simplemente lea la escala (por ejemplo, contando marcadores de 5 mm e interpolando los últimos mm) e ingrese el valor. Debido a que utilizo una pantalla de computadora portátil, puedo crear mi escala como una imagen gráfica, optimizando el tamaño, el espaciado, el color, etc. para obtener la máxima precisión con una mínima interferencia con el conteo. 

Análisis de tamaño - Cargue una imagen. Con la opción Solo imagen seleccionada, puede tener una buena idea de la calidad de la imagen y puede leer la escala e ingresar un buen valor de calibración. Ahora tiene que decidir un valor de umbral. Cualquier cosa menos brillante que esto se considerará como una partícula, cualquier cosa más brillante será ignorada. Puede mover el mouse por la imagen y obtener un valor RGBK. La K (para blacK) es el valor de escala de grises que se usa para establecer el umbral. Muévase sobre algunos granos y sienta sus valores K (pequeños) en comparación con el fondo (grandes). Luego elija un valor de Umbral que incluya de manera segura sus granos pero excluya sombras extrañas, marcas, etc., lo mejor que pueda. Jonathan utilizó el valor del canal azul, ya que es más sensible al color marrón de los granos de café. Puede elegir esta opción si lo desea. Si hace clic y arrastra el mouse sobre un grano, obtendrá una idea de su tamaño, siempre que su calibración sea correcta.

Si tiene una imagen ruidosa con muchos puntos de 1 a 2 píxeles, establezca un valor de píxeles mínimos de, digamos, 5, para que este ruido se ignore. De course, esto podría excluir algunos granos reales, por lo que debe alcanzar un valor de compromiso. El valor de Max-Pixels a menudo se puede establecer en un valor medio para poder excluir cosas como las marcas de escala o un poco de borde negro que apareció en la imagen. Ajústelo demasiado pequeño y se excluyen algunos granos reales. Demasiado grande y algo de basura se incluirá y generalmente reducirá el valor de los cálculos. Cuanto más perfectas sean la iluminación y la imagen, menos tendrá que preocuparse por estos detalles.

Para analizar los tamaños se acostumbra colocarlos en “bins”. Todo, desde 0-0,1 mm puede estar en un contenedor, todo desde 0,1-0,2 mm en otro, etc. N-Bins le permite elegir. Demasiados pocos y no se obtiene un análisis sensato. Demasiados y probablemente no tenga suficientes granos por contenedor para que los datos tengan sentido estadístico.

Cada vez que cambia sus entradas, las cosas se vuelven a calcular automáticamente; las velocidades parecen estar bien si no se desliza demasiado. Obtienes NGrounds, el número de partículas individuales identificadas (dentro de tus píxeles Min-Max) y Max el más grande. Este cuadro es muy útil. Si cambia el umbral o los píxeles mínimos y máximos  

en un rango razonable, y si estos valores no cambian mucho, entonces se encuentra en una parte feliz del espacio de análisis de imágenes donde sus mediciones están muy por encima de cualquier nivel de ruido de basura en la imagen. Si las cifras cambian mucho, los resultados finales dependerán de su criterio y no de cifras concretas. Cuanto más tiempo dedique a obtener imágenes bien iluminadas con pocos artefactos, menos tendrá que jugar con las variables de control.

Los resultados - Suponga que tiene 99 partículas cada una de diámetro 1 y 1 partícula de diámetro 100. Puede decir correctamente "Mi molido es 99% tamaño 1" y puede estar muy feliz, hasta que pruebe el café. Otra forma de pensar es decir que esas 99 partículas pesarán, digamos, 1 unidad cada una, por lo que su peso combinado es 99. Como el peso depende del volumen que depende del diámetro³, la partícula grande pesará 1.000.000. Por lo tanto, en términos de peso, sus 99 partículas son insignificantes y, efectivamente, solo tiene un gran trozo de café, que no se extraerá de manera eficiente.

Entonces, cuando mostramos la distribución de tamaño, podríamos mostrarla en términos numéricos, cuántos hay en cada diámetro (o están en el contenedor con ese rango de diámetro). Esto coincide con nuestra intuición cuando miramos la imagen: vemos todos esos granos pequeños y apenas notamos los grandes. También podemos mostrarlos en términos de Área, que expresa qué parte del área de la superficie proviene de varios tamaños de partículas. Y podemos mostrarlos en términos de volumen, lo que nos dice dónde se encuentra realmente el volumen o la masa de café. Elegí trazar los tres. También podemos trazarlos de manera acumulativa para que pueda ver fácilmente en qué tamaños suceden cosas interesantes. A algunos les gusta verlos en logarítmico escala. La aritmética de los cálculos se analiza a continuación.

Si tiene una partícula grande deshonesta, es posible que sus primeros contenedores estén vacíos, con un salto en el contenedor final (volumen). Disminuya los píxeles máximos por debajo del valor máximo que se muestra en el cuadro de información en la parte superior. El contenedor deshonesto debería desaparecer y su trama se verá más sensata. De course, si esa partícula rebelde es real y tiene un tamaño significativamente mayor, entonces (como verá en la gráfica de volumen acumulativo) ¡su extracción de café estará dominada por esa partícula grande!

Difundir la rutina - La aplicación no se cansa de contar. Por lo tanto, cuantas más partículas pueda empaquetar en la imagen, mejores serán las estadísticas para analizar el tamaño de las partículas. El problema es que si dos partículas se tocan, se contarán como una partícula más grande. Encontrar una manera de esparcir el número máximo de partículas con el mínimo de contacto es uno de sus grandes desafíos. Jonathan sugiere rociar con las yemas de los dedos, una idea que me pareció sorprendentemente buena. También tiene una opción para que elimines las partículas en contacto de la imagen, pero requiere que tomes el juicio y las elimines con el mouse.

Tu cámara - Con el análisis de la molienda del café, como con todo lo demás, entra basura y sale basura. Puede obtener fácilmente una imagen con la cámara de su teléfono inteligente, pero tenderá a encontrar que la parte "inteligente" del teléfono es una verdadera molestia. Podría enfocarse automáticamente en algo importante para él y no para usted. Es posible que decida que su marcado contraste es realmente desagradable, por lo que suavizará automáticamente su iluminación. Quién sabe qué algoritmos "inteligentes" invocará. Los teléfonos inteligentes no fueron diseñados por personas cuyos intereses eran principalmente obtener datos precisos y de alto contraste.

tomas de primeros planos para el análisis de imágenes. Si es lo suficientemente inteligente como para saber cómo desactivar las funciones de la cámara inteligente en su teléfono, entonces ha tenido un buen comienzo.

Mi experiencia es que con mi cámara Canon bastante buena, necesito apagar todo automáticamente. Al probar algunos ajustes manuales, pude obtener un equilibrio de resolución, contraste, enfoque que una y otra vez me dieron los mismos resultados. Cuando permití que asumiera el control con funciones automáticas, nunca supe lo que obtendría, al nivel de detalle requerido para un buen análisis del molido del café.

Para simplificar aún más las cosas (a la larga), instale una plataforma para la cámara de modo que siempre esté bien en escuadra con su fuente de retroiluminación, con la escala clara en la parte superior, a una distancia óptima. En la imagen se ve que tengo mi cámara en un trípode resistente y uso un "nivel de burbuja de zapata" (la mancha amarillo-verde) para que todo quede cuadrado.

Los cálculos - No hay suficiente información en una imagen 2D de granos 3D para crear un análisis preciso de sus tamaños. Por tanto, los cálculos se reducen a una selección de aproximaciones.

Joanathan ha elegido un método más sofisticado que utiliza la información de forma 2D. Por rapidez y sencillez, he elegido un enfoque diferente. Quizás una versión futura intente algo más sofisticado.

Todo lo que sé después del procesamiento de la imagen es la cantidad de píxeles que forman una "mancha". Puedo llamar a esto un área, A, así que sé que si fuera un círculo, el radio estaría dado por Α = πr². Ahora tengo el pseudo-radio, r = √ (A / π), de cada gota. Entonces puedo decir que el área de la superficie del grano es 4πr² y su volumen es 4 / 3πr³. Esto me permite, para cada bandeja de radio (aunque lo trazo como el diámetro más cómodo), conocer el Número de partículas en esa bandeja, el Área de esas partículas y su Volumen.

Para informar los resultados, por simplicidad, doy un valor medio de Número, Área y Volumen para capturar un "promedio". Para aquellos familiarizados con el tema, estos valores son D [1,0], D [2,1] y D [3,2]. También hay un Dx que se define como D90, D80, etc. a través del control deslizante. Este es el diámetro por debajo del cual se encuentran 90%, 80%, etc. de los granos. Hay otros valores "promedio" disponibles y se pueden agregar más opciones más adelante.

Hecho por el profesor Steven Abbott, ¡especialmente para Barista Hustle!

Esta aplicación fue creada especialmente para Barista Hustle y nuestros suscriptores por el profesor Steven Abbott. Su extraordinaria carrera lo ha llevado por todo el mundo, con trabajos que han incluido trabajar con productores de banano en Filipinas, empresas de impresión en Colombia y una empresa de válvulas de bolsas de café en los EE. UU. El profesor Abbott es un experto mundial en ciencia del secado y difusión. La suya de aplicaciones y libros electrónicos es una opción para cualquiera que se tome en serio la ciencia de la extracción.

Vea la colección de libros del profesor Steven Abbott ¡aquí!