cc_by-ncWeiss, JochenOppen, Dominic2025-03-272025-03-272024https://hohpublica.uni-hohenheim.de/handle/123456789/17163https://doi.org/10.60848/12106Materials that have been generated through a directionally oriented growth process often exhibit anisotropic properties. Plant materials such as tubers and roots or animal matter used to produce products such as steaks or pasta filata are characterized by an alignment of molecules, aggregates or cells in certain dimensions leading to differing properties depending on direction. Such an anisotropic property behavior is important for a wide range of quality attributes such as texture, appearance, stability and even aroma and taste. Especially the former is of critical importance to consumer liking and acceptance of foods. Structure-texture relationships have already been established for certain foods. For anisotropic foods though, a determination of such relationships is difficult, since the comminution of foods during chewing causes complex changes to the underlying anisotropic structure elements that are not easily measurable using conventional mechanical texture analysis tests such as cutting, shearing or compression. On the other hand, sensory tests using panels are very time consuming and often do not reveal structural causes for texture like or dislike by consumers. The lack of availability of suitable analytical techniques that allow for a description of texture properties relevant to mastication hampers especially the development of meat substitutes that are currently trending. The aim of this work was therefore to characterize changes to anisotropic structures induced by chewing (henceforth referred to as "oral processing") using a novel measurement approach that records kinematic and electromyographic properties of the chewing process. The kinematics of jaw movement were recorded using a 3D motion tracking system. Muscle activity was recorded using an electromyograph. From the measured data, characteristics for individual chews were calculated, which were represented in a linear mixed model as a function of the food structure. Section I provides the scientific basis for this work through a preface and a literature review. Grown and manufactured anisotropic foods are identified and described. A general overview of the production, phase phenomena and characterization methods for anisotropic food materials is given. Section II contains the oral processing experiments. In Chapter III, the focus was put on the impact of fiber length of grown structures on mastication behavior. Meat model systems with different microstructures but the same composition were produced. The model systems with anisotropic and isotropic microstructures were comminuted to different sizes, and the fiber length was inferred from the length of the particles, taking into account the particle size effect of chewing. The results indicate that longer fibers cause greater jaw movement and muscle activity. For instance, estimate peak muscle activity of anisotropic samples is 58.2857 µV higher (p=0.0156) compared to isotropic samples. Chapter IV describes minced meat products in which certain phase volumes were replaced by a finely comminuted meat mass. The aim of the study was to find detection limits beyond which an increase or decrease in muscle fiber cells does not lead to a further adjustment of the mastication properties. In the study, a transition point was identified at around 50 % of batter-like substances. Food models with more than 50 % of batter-like substance showed a smaller change in mastication parameters. The effect was more pronounced with higher proportions of fibrous material. Chapter V dealt with the topic of meat substitutes. A simple model of meat substitutes was used to test whether the effects found in anisotropic animal-based products can also be found in plant-based products. Hydrocolloid gels with different phase volumes of wet textured plant protein were produced. Similar effects for the animal-based products were observed, although the correlation was not as strong. It was hypothesized that a large part of the effect was due to the weak binding ability of hydrocolloid gels. Thus, the anisotropic particles could not be held together with a low proportion of the outer hydrocolloid gel and required less muscle activity despite a higher content of structured phase. Section III assessed alternative data evaluation strategies to the linear mixed model. The aim of the study in Chapter VI was to anticipate the model products from Chapter III using a classification approach. Algorithms of three categories were trained with the data set of the chewing processes. Two approaches were used to evaluate whether the algorithms could either resolve each individual food model with variations in microstructure (anisotropy) and macrostructure (particle size) or in microstructure only. For both approaches, the algorithms performed significantly better compared to a random guessing. The best classification results were achieved by the boosted ensemble learner "XGBoost", which assigned 96.617 % of all bites to the corresponding food microstructure. Furthermore, it was demonstrated that standardized and normalized oral processing data are almost not subject-dependent. In addition, feature importance analysis confirmed that lateral jaw movement is a good indicator of the presence of anisotropic food material and, with a weight of 0.39205, is the most important feature for classifying samples according to their structure. In summary, this work was able to show that the dynamic characteristics of mastication change depending on anisotropic properties. In general, modeling of mastication characteristics has never been conducted before and represents a promising advance over mean-based evaluation. The machine learning approach is also new in the field of oral processing and proved to be promising. For future research, it is proposed to correlate the dynamic features with sensory texture data to obtain direct correlations between chewing characteristics and texture attributes.Richtungsorientierte Materialien weisen häufig anisotrope Eigenschaften auf. Hierarchisch strukturierte pflanzliche und tierische Materialien wie beispielsweise Knollen und Wurzeln oder Fleisch zeichnen sich durch eine Ausrichtung von Molekülen, Aggregaten oder Zellen aus, die zu unterschiedlichen Eigenschaften je nach Betrachtungsrichtung führen. Derartige anisotrope Eigenschaften sind für die qualitative Attribute wie Textur, Aussehen, Stabilität und Aroma vieler Produkte von großer Bedeutung. Insbesondere die Textur spielt bei vielen Lebensmitteln für die Verbraucherakzeptanz eine entscheidende Rolle. Für bestimmte Lebensmittel konnten bereits Struktur-Texturzusammenhänge ermittelt werden, die in Richtlinien für eine verbraucherorientierte Gestaltung qualitativ hochwertiger Produkte mündeten. Bei anisotropen Lebensmitteln war eine Bestimmung von Struktur-Funktionszusammenhängen bislang jedoch kaum möglich, da die Zerkleinerung von Lebensmitteln während des Kauens von komplexen Veränderungen der für den Strukturaufbau wichtigen anisotrope Elemente gekennzeichnet ist, die durch konventionelle mechanische Texturanalyse wie Schneid-, Scher- oder Druckversuche nicht erfasst werden konnten. Sensorik Studien unter Nutzung von geschulten Panels andererseits sind zeitraubend und liefern nur selten den strukturellen Grund für die Ablehnung oder Akzeptanz eines Produktes durch die Verbraucher. Wie anisotrope Strukturen genau die Textur beeinflussen, ist jedoch entscheidend für eine Weiterentwicklung der derzeit im Trend liegenden Fleischersatzprodukten. Das Ziel dieser Dissertation war es daher, die Veränderungen anisotroper Strukturen während des Verzehrs („Oral Processing“) unter Nutzung eines neuen analytischen Verfahrens, das kinematische und elektromyographische Eigenschaften im Kauvorgang bestimmte, zu erfassen. Die Kinematik der Kieferbewegung wurde mit Hilfe eines 3D-Bewegungserfassungssystems und Muskelaktivitäten mit einem Elektromyographen aufgezeichnet. Aus den Messdaten wurden Merkmale für einzelne Bisse abgeleitet und berechnet, welche in Abhängigkeit der Lebensmittelstruktur in einem linearen gemischten Modell dargestellt wurden. Abschnitt I legt durch ein Vorwort und einen Literatur-Review (Kapitel II) die wissenschaftliche Grundlage für diese Arbeit. Gewachsene und hergestellte anisotrope Lebensmittel wurden identifiziert und beschrieben und es wurde ein allgemeiner Überblick über die Herstellung, Phasenphänomene und Charakterisierungsmethoden für die beschriebenen anisotropen Systeme gegeben. Abschnitt II beinhaltet alle Oral Processing Experimente. In Kapitel III lag der Fokus auf der Faserlänge gewachsener Strukturen. Es wurden Fleischmodellsysteme mit unterschiedlichen Mikrostrukturen, aber gleicher Zusammensetzung hergestellt. Die Modellsysteme mit anisotropen und isotropen Mikrostrukturen wurden auf unterschiedliche Größen zerkleinert, und durch die Länge der Partikel wurde unter Berücksichtigung des Partikelgrößeneffekts auf die Faserlänge geschlossen. Die Ergebnisse deuteten darauf hin, dass längere Fasern eine größere Kieferbewegung und eine höhere Muskelaktivität bewirkten. Beispielsweise war die geschätzte maximale Muskelaktivität bei anisotropen Proben um 58,2857 µV höher (p=0,0156) als bei isotropen Proben. Kapitel IV widmet sich dann Hackfleischprodukten, in welchen bestimmte Phasenvolumina durch eine fein zerkleinerte Fleischmasse ersetzt wurden. Ziel der Studie war es, Detektionslimits zu finden, jenseits derer eine Zu- oder Abnahme des Anteils an Muskelfaserzellen nicht zu einer weiteren Anpassung der Kaueigenschaften führt. In der Studie konnte ein Übergangspunkt bei etwa 50 % brätartiger Substanz ermittelt werden. Lebensmittelmodelle mit mehr als 50 % brätartiger Substanz wiesen eine geringere Veränderung der Kaueigenschaften auf. Bei höheren Anteilen an faserigem Material war der Effekt stärker ausgeprägt. Kapitel V befasst sich mit dem Thema Fleischersatzprodukte. Anhand eines einfachen Modells von Fleischersatzprodukten sollte überprüft werden, ob die bei anisotropen Produkten auf tierischer Basis gefundenen Effekte auch auf Produkte auf pflanzlicher Basis übertragbar sind. Es wurden Hydrokolloidgele mit unterschiedlichen Phasenvolumina von nasstexturiertem Pflanzenprotein hergestellt. Hier konnten ähnliche Effekte wie bei den Produkten auf tierischer Basis beobachtet werden, allerdings war der Zusammenhang weniger eindeutig. Es wurde die Hypothese aufgestellt, dass ein großer Teil des Effekts auf die schwache Bindungsfähigkeit von Hydrokolloidgelen zurückzuführen ist. So konnten die anisotropen Partikel bei einem geringen Anteil des äußeren Hydrokolloidgels nicht in der Matrix gehalten werden, so dass für das Zerkauen weniger Muskelaktivität trotz höherem Gehalt an strukturierter Phase notwendig war. In Abschnitt III wurden alternative Datenauswertungsstrategien zum linearen gemischten Modell bewertet. Ziel der Studie in Kapitel VI war es, die Modellprodukte aus Kapitel III durch einen Klassifikationsansatz zu antizipieren. Algorithmen dreier Kategorien wurden mit dem Datensatz der Kauvorgänge trainiert. In zwei Ansätzen wurde evaluiert, ob die Algorithmen entweder jedes einzelne Lebensmittelmodell mit Variationen in der Mikrostruktur (Anisotropie) und Makrostruktur (Partikelgröße) oder nur in der Mikrostruktur auflösen können. Bei beiden Ansätzen schnitten die Algorithmen im Vergleich zum zufälligen Raten deutlich besser ab. Die besten Klassifizierungsergebnisse erzielte der Boosted-Ensemble-Lerner "XGBoost", welcher 96,617 % aller Bisse der entsprechenden Lebensmittelmikrostruktur zuordnete. Des Weiteren wurde demonstriert, dass standardisierten und normalisierten Oral Processing Daten nahezu personenunabhängig sind. Darüber hinaus bestätigte die Analyse der Merkmalsbedeutung, dass die seitliche Kieferbewegung ein guter Indikator für das Vorhandensein von anisotropen Strukturen in Lebensmittelmaterialien ist und mit einem Gewicht von 0,39205 das wichtigste Merkmal für die Klassifizierung der Proben nach ihrer Struktur darstellt. Zusammenfassend konnte diese Dissertation zeigen, dass sich die dynamischen Merkmale des Kauens in Abhängigkeit anisotroper Eigenschaften verändern. Generell wurde eine derartige Modellierung von Kaumerkmalen bislang so noch nicht durchgeführt und stellt einen vielversprechenden neuen Ansatz gegenüber einer mittelwertbasierten Auswertung dar. Der Machine Learning Ansatz ist ebenfalls neu auf dem Gebiet des Oral Processings, und erwies sich als vielversprechend. Für die zukünftige Forschung wird angeregt, die dynamischen Merkmale mit sensorischen Texturdaten in Beziehung zu setzen, um direkte Korrelationen zwischen Kaueigenschaften, Texturattributen und Verbraucherakzeptanz zu erhalten.engFood oral processingFood structureFood textureAnisotropic foodKinematics of jaw movementElectromyography500DoctoralThesis