Resumen

La demanda de ingredientes de origen natural es una tendencia que obliga a la industria de alimentos a reformular sus productos, sin descuidar los aspectos tecnológicos como la calidad organoléptica y diversas propiedades físicas como su estabilidad. Esto es especialmente complicado en productos con alto contenido de grasa, por ejemplo, en mayonesas, donde la grasa juega un papel fundamental en el desarrollo de su estabilidad física, textura y propiedades sensoriales. Así mismo, con el rápido crecimiento de nuevas fórmulas, es de vital importancia el desarrollo de técnicas automatizadas para el análisis y control de calidad. Este trabajo se centró en identificar tendencias y preferencias entre los consumidores de mayonesas, el desarrollo de mayonesas reducidas en grasa utilizando ingredientes de origen natural, y la generación de un prototipo de software basado en análisis de imágenes para la detección de la aceptabilidad de mayonesas.

Las tendencias y preferencias de los consumidores se identificaron a través de una encuesta estructurada y grupos de enfoque aplicados a 303 y 12 participantes, respectivamente. Para el desarrollo del producto, se utilizó una metodología de emulsiones gelificadas utilizando proteínas no-animales como proteína de soya y de la microalga espirulina, al cual se le evaluaron sus propiedades físicas (viscosidad, estabilidad y tamaño de partícula), propiedades sensoriales y la intención de compra. En cuanto al software generado, se creó una base de datos con imágenes de mayonesas, las cuales se procesaron en el lenguaje de programación Julia y se entrenaron modelos de aprendizaje automático en Python.

Se observó que un bajo aporte de grasas y los ingredientes naturales se consideraron como características saludables por el 64 y 27 % de los participantes, respectivamente. Entre las principales tendencias detectadas, las personas entre 18 y 29 años estuvieron interesadas en productos suplementados con probióticos, mientras que los adultos de 51 a 60 años prefirieron productos con ingredientes naturales.

Las mayonesas elaboradas demostraron una gran estabilidad durante 30 días de almacenamiento a 4 °C (sin separación de fases), mientras que su estabilidad ante un tratamiento térmico de 85 °C por 30 min osciló entre el 80 y el 95 %. El tamaño de partícula de las mayonesas obtenidas fue mayor (6 – 30 µm) en comparación con una mayonesa comercial (~ 4 µm). Las mayonesas adicionadas con proteína de soya y 22.5 % de aceite obtuvieron calificaciones en apariencia, sabor, textura y aceptabilidad similares a las de la mayonesa comercial; así mismo, la intención de compra de dichos productos y de la mayonesa con espirulina y 30 % de aceite fue mayor o similar (65 – 79 %) a la del producto comercial (68 %).

En el análisis de imágenes se determinó que los valores estadísticos (media, desviación estándar, curtosis y asimetría) del espacio HSV y CIELab, así como la medida de correlación obtenida de los rasgos de Haralick tuvieron una gran influencia en la detección entre productos aceptables y no aceptables. Los modelos de aprendizaje automático (máquina de soporte vectorial, Gradient Boosting, y K-vecinos más cercanos) demostraron una buena exactitud (92 – 93 %), precisión (89-93 %) y sensibilidad (91 – 96 %) que fue estadísticamente comparable con un panel de evaluadores.

Como conclusión, aún existe una demanda de mayonesas reducidas en grasa, además, los consumidores esperan que los productos nuevos contengan ingredientes que puedan favorecer su salud (como los probióticos y/o ingredientes naturales). En este trabajo se desarrolló un producto con bajo contenido de grasa (~22.5 %) con buenas propiedades físicas y sensoriales utilizando (en su mayoría) ingredientes de origen natural. Finalmente, los modelos de aprendizaje automático obtenidos demostraron que es posible desarrollar programas de inteligencia artificial útiles para la industria de alimentos; a pesar de que su rendimiento no fue estadísticamente superior al de los evaluadores, este estudio puede abrir la oportunidad de desarrollar software con un mejor entrenamiento para obtener una mejor exactitud y precisión comparado con panelistas entrenados.

Abstract

The demand for ingredients of natural origin is a trend that compels the food industry to reformulate its products, without neglecting technological aspects such as organoleptic quality and some physical properties such as the stability. This is especially complicated in products with high fat content, for example, in mayonnaises, where fat plays a fundamental role in the development of physical stability, texture, and sensory properties. Furthermore, with the rapid growth of new formulations, the development of automated techniques for analysis and quality control is of vital importance. This work focused on identifying trends and preferences among mayonnaise consumers, the development of reduced-fat mayonnaises using ingredients of natural origin, and the generation of a software prototype based on image analysis for the detection of mayonnaise acceptability.

Consumer trends and preferences were identified through a structured survey and focus groups applied to 303 and 12 participants, respectively. For product development, a methodology of gelled emulsions using non-animal proteins such as soy protein and spirulina microalgae was utilized; the product was evaluated in terms of its physical properties (viscosity, stability, and particle size), sensory properties, and purchase intention. In the case of the software generated, a database was created with images of mayonnaises, which were processed in the Julia programming language and machine learning models were trained in Python.

It was observed that low fat and natural ingredients were considered as healthy characteristics by 64 and 27 % of the participants, respectively. Among the main trends detected, people aged 18 to 29 were interested in products supplemented with probiotics, while adults aged 51 to 60 preferred products with natural ingredients.

The processed mayonnaises demonstrated high stability during 30 days of storage at 4 °C (without phase separation), while their stability to a heat treatment of 85 °C for 30 min ranged from 80 to 95 %. The particle size of the mayonnaises obtained was larger (6 - 30 µm) compared to a commercial mayonnaise (~ 4 µm). The mayonnaises added with soy protein and 22.5 % oil demonstrated ratings in appearance, flavor, texture, and acceptability similar to those of the commercial mayonnaises; likewise, the purchase intention of these products and of the mayonnaise with spirulina and 30 % oil was higher or similar (65 - 79 %) to that of the commercial products (68 %).

The image analysis determined that the statistical values (mean, standard deviation, kurtosis, and skewness) of the HSV and CIELab space, as well as the correlation measure obtained from the Haralick Features had a great influence in the detection between acceptable and unacceptable products. The machine learning models (support vector machine, Gradient Boosting, and K-nearest neighbors) demonstrated good accuracy (92 - 93 %), precision (89 - 93 %) and sensitivity (91 - 96 %) that were statistically comparable with the panel of evaluators.

In conclusion, it was determined that there is still a demand for reduced-fat mayonnaise, and consumers expect new products to contain ingredients that can promote their health (e.g., probiotics and/or natural ingredients). In this work, a low-fat product (~22.5 %) with good physical and sensory properties was developed using (mostly) natural ingredients. Finally, the obtained machine learning models demonstrated that it is possible to develop artificial intelligence programs useful for the food industry; although their performance was not statistically better to that of the panel of evaluators, this study may open the opportunity to develop software with better training to obtain better accuracy and precision compared to trained panelists.

Palabras clave: Mayonesa, Etiquetado limpio, Inteligencia Artificial, Proteínas vegetales.

Documento completo (archivo pdf, 3 mb)

Índice de contenido

Portada

Agradecimientos

Índices

Esquema de la tesis

Capítulo 1. Introducción general

Capítulo 2. Justificación general

Capítulo 3. Objetivos

Capítulo 4. Marco teórico

Capítulo 5. Artículo 1: Estudio de la percepción y aceptabilidad de los ingredientes de mayonesas en consumidores mexicanos y su preferencia global

Capítulo 6. Artículo 2: Desarrollo y caracterización de un aderezo de mayonesa para ensaladas reducido en grasas basado en concentrados de proteína de Arthrospira platensis y alginato de sodio

Capítulo 7. Artículo 3: Detección rápida de la calidad de la mayonesa mediante visión por computadora y aprendizaje automático

Capítulo 8. Conclusiones y recomendaciones generales

Capítulo 9. Evidencia de participación en congresos y publicaciones

Referencias

Anexo 1. Carta de aceptación de protocolo por el comité de ética P-001

Anexo 2. Consentimiento informado para participar en las encuestas de preferencias

Anexo 3. 

Anexo 4. Reclutamiento de participantes para la evaluación sensorial

Anexo 5. Consentimiento informado para las evaluaciones sensoriales

Documento completo (archivo pdf, 3 mb)

Metri Ojeda, J. C. 2023. Desarrollo y caracterización de aderezos de mayonesa reducidos en grasa estabilizados con proteínas de origen no animal. Tesis Doctorado. Ciencia de Alimentos. Departamento de Ingeniería Química, Alimentos y Ambiental, Escuela de Ingeniería, Universidad de las Américas Puebla. Mayo. Derechos Reservados © 2023.