Bu yazımızda espresso tüketicilerinin iştahlarını en çok kabartan görüntüyü ele alacağız.
Kaplan Gözü! Ya da Kaplan Sırtı!
Doygun espressonun tanımını yaparken genelde kullanılan tabirlerden biri olan hatta olmadığı takdirde espresso doğru çıkmamış gibi bakılmasına sebep olan kaplan sırtı görseli bir göz yanılması mı? Yoksa espressoya karşı kabaran hislerimiz gerçeği yansıtıyor mu? Sorularının cevabını bilimsel açıdan ele alalım.
Konu espresso kreması değil, zira espresso kremasının analiz ve değerlendirmesi için çok detaylı bir yazının eli kulağında. Bu daha spesifik bir konu olan espresso yüzey görüntüsü, kaplan görüntüsü ile ilgili.
Espresso'nun değerlendirilmesinde önemli bir unsur, espressonun üzerinde oluşan altın kahverengi köpük tabakası olan kremadır. Krema, espresso deneyimine hem görsel hem de duyusal olarak katkı sağlayan bir göstergedir. Kahve çekirdeklerinin tam lezzet ve özelliklerini açığa çıkarmak için optimal bir ekstraksiyon süreci kritik öneme sahiptir. Bu kritik süreç espressoya duyusal negatif ya da pozitif katkılar sağlamakla beraber çıkan özütün değerlendirilmesinde öznel bir duygu barındırır. Bu limon gördüğümüzde ağzımızın sulanması, vanilya dediğimizde tatlı olarak algılamamız doğal reflekslerden ve varılan yargılardan ibarettir. Fakat insan yargısına dayanan bu değerlendirme yöntemleri, sürecin doğası gereği tutarsızlıklar ve değişkenlikler yaratır, bu da güvenilir ve standart sonuçların elde edilmesini zorlaştırır. Bu nedenle, kahve deneylerinde krema kalitesinin daha doğru ve tutarlı bir şekilde değerlendirilmesini sağlamak için objektif ve güvenilir yöntemlere duyulan ihtiyaç artmaktadır. Zira bilim bir konuya ne kadar derinlemesine giriş yapıyorsa, o konu o kadar tarafsızlaşır. Son zamanlarda, makine öğrenimi teknikleri ve bilgisayarlı görme teknolojilerinin çeşitli uygulamalarda umut verici bir çözüm olarak ön plana çıktığı görülmektedir. Makine öğrenimi teknikleri büyük bir potansiyel taşısa da bu teknolojilerin kahve endüstrisinde yaygın bir şekilde benimsenmesi, standart yöntemlerin eksikliği ve kahve makinesi sistemleriyle entegrasyon sorunları nedeniyle kısıtlıdır. Bilim insanlarının makine öğrenimlerini kahve bilimi için ayrıca çalıştırması adeta velinimettir. Yapılan bir çalışmada, yapay zeka destekli nano bilgisayar sistemleri ile makinelerden çıkan krema görüntülerinin, ekstraksiyon değerlendirme algoritmaları sayesinde analizler gerçekleştirilmiştir. Bu çalışmada, daha önce yapılmış mevcut yöntemlerin aksine, gerçek ekstraksiyon sonuçları için Agtron tabanlı bir analiz eksikliğini gidermek amacıyla, denetimsiz öğrenimle çalışan bir analiz yöntemi kullanılmıştır. Böylece etkili ve hızlı bir değerlendirme sağlamak için bu algoritmayı kahve makinesinin donanımına entegre ederek, demleme işlemi sırasında gerçek zamanlı bir değerlendirme yapılması mümkün olmuştur. Araştırmacılar daha da ileri giderek süreci kahve öğütüm sürecinden itibaren ele almış ve tanecik dağılımlarının espressoya etkisini de göz ardı etmemiştir.
Yapılan çalışmada krema ve özüt birbirinden tamamen ayrıştırılıp, kremanın renklerini kümelendirerek ve bu kümeleri de optimize ederek bir dizi analiz yapılmıştır. Renk analizleri ise herkesin aşina olduğu bir biçimde yapılmıştır. Elbette Agtron Cihazı. Makine öğrenimi yöntemlerinden K-Means kümeleme algoritması, espresso kremasının rengini analiz etmek için kullanılmıştır. Bir RGB görüntüsü, her biri kırmızı, yeşil ve mavi bileşenlerden oluşan M x N pikselden oluşur. Bu algoritma, pikselleri renk benzerliklerine göre gruplandırarak her bir kümenin benzer renkler içerdiği bir analiz sunar. Espresso kremasının ekstraksiyon sonuçlarını değerlendirirken, özellikle kırmızı (R) bileşen ve Agtron renk değerleri karşılaştırılmıştır. Buraya çok küçük bir parantez açarsak, Agtron cihazı prensip olarak, ışık spektrumunu kullanarak kahve çekirdeklerinin yüzey renklerini algılar ve bu rengi bir Agtron Değeri olarak ifade eder. Kahve tutarlılığında, kalite optimizasyonunda ve profil oluşturmada kahveciler için en önemli cihazlardan biridir. Öznel yaklaşımları nesnele dökerek işletmeleri tutarlı hale getirir. Yapılan çalışmada, farklı çevresel koşullar ve bardak türleri dikkate alınarak kremanın rengi makine öğrenimi algoritmalarıyla analiz edilmiştir. Sonuçta kaplan izleri bir renk farklılığından ötürü meydana gelmektedir, bu izler üzerindeki özütleri analiz edebilmek, kaplanın izlerinin gerçekten parlayıp parlayamayacağına işaret eder. Grabcut algoritması ve önerilen polarizasyon giderme yöntemi sayesinde, kremanın renk dağılımı etkili bir şekilde ayrıştırılmış ve analiz edilmiştir. Bu süreçte, kare formatında ve 500x500 piksel çözünürlükte optimize edilen yüksek çözünürlüklü görüntüler, K-Means algoritması ile renk kümelerine ayrılmıştır. Kümelenen renklerden elde edilen RGB değerleri, kremanın baskın renk tonlarını belirlemeye ve ekstraksiyonun aşırı ya da yetersiz olup olmadığını anlamaya yardımcı olmuştur.
Çalışmanın sonuçlarına baktığımızda, analizlerde kullanılan renklemelerden en netleri toparlanıp görsel olarak sunulmuştur. Sonuca göre ortada olan espressonun rengi geçer notu almış, sağ ve soldakiler ise sınıfta kalmıştır. Bu sonuca göre bizim kaplanın da yerinde rahat edebileceği sonucunu almış oluyoruz. Görüldüğü üzere, abartılmadığı yani aşırı özüte doğru geçmediği takdirde, espresso üzerindeki bu lekelenmeler espressonun en optimal seviyede olduğunu söylemektedir. Kaplan sırtı görüntüsünün bir kanallaşmanın eseri olduğu başka bir yazıda yazılmıştır ki o bilimsel bir altyapıya henüz dayandırılmadığından şimdilik yok sayıyoruz. Bu renk algısında kişisel gözlemle baktığımızda krema üzerine yansıyan ışık polarize etkiler yarattığından krema olgusunun doğru algılanmamasına dahi sonuç vermektedir. Aslında gördüğümüz, telefon ya da makinelerle çektiğimiz espressonun lekelenmeleri ortam ya da makinelerin ışıklarından ya da gözlerimizin algılarından gerçek çok farklıdır. Çalışmanın kanıtlarına göre, kaplan sırtı / gözü, espresso makinesi, yüksek basınç ve sıcaklık altında çalışırken kahvenin yağ ve suda çözünebilen bileşenlerini eşit bir şekilde serbest bırakması ile oluşan benekli, altın kahverengi işaretlerdir ve espressonun çok iyi şekilde özütlendiğinin göstergesidir. Aynı zamanda kaplan gözü deseni, tatlılık, acılık ve asidite arasındaki ideal dengenin sağlandığı anlamına gelir. Bu nedenle, görüntüsü estetik bir unsur olmasının ötesinde, tat profilinin bir göstergesidir. Hatta çalışmacılar bu lekelenmelerin daha çok kaliteli kahvelerde meydana geldiğini belirtmişlerdir.
Gelecekteki yönelimler, algoritma verimliliğini artırmayı, tahmini bakım için IoT entegrasyonunu ve sensör verileri ile genişletmeyi ve gerçek zamanlı krema değerlendirmeleriyle duyusal profilleri geliştirmeyi içermektedir. Analizlerin yapıldığı en güncel yayında başarı oranı %97 olarak kaydedilmiştir. Duyusal olarak ilerlenen bu alanlarda bir yapay zekâ kullanımı ve sensörlü analizler kraldan çok kralcıları epey üzecek gibi görünmektedir. Duyuların bire bir gerçeklerle tanımlanması, isim koyulması gerçekten bu kadar gerekli midir? Bir yudum kahve keyif verdiği için içildiğinde farklı, tat-görüntü-doku gibi belirteçlerine gerçekçi isimler koyularak içildiğinde ise farklı mı tadar?