Hoe vreemd is een vreemd voorwerp?

Vreemde voorwerpen: afkomstig van het eigen productieapparaat of toch niet?

Vreemde voorwerpen kunnen accidenteel aanwezig zijn in voedingsmiddelen.  Dit mag zich dan wel zelden voordoen, het feit dat de consument hun aanwezigheid vaak ervaart als een onaangename verrassing, maakt dat vreemde voorwerpen een blijver zijn in de top 3 van productklachten.  Af en toe blijken de vreemde voorwerpen afkomstig te  zijn van het eigen productieapparaat.  Het gaat dan meestal over voorwerpen uit metaal (bv. machineonderdelen), kunststof (bv. stukjes  transportband) of hout (bv. palletsplinter), en dat zijn stuk voor stuk materialen die als risicovol worden beschouwd. 

Voor een voedingsproducent is het dus belangrijk om de oorsprong van vreemde voorwerpen te achterhalen.  Hiervoor staan een aantal analytische technieken ter beschikking die meestal door externe labo’s dienen te worden uitgevoerd.  Zo zijn er verschillende chemische analyses mogelijk maar ook lichtmicroscopie (bv. voor glasanalyse) en elektronenmicroscopie, waaraan een elementenanalyse gekoppeld kan worden (bv. voor metaalanalyse), bewijzen daarbij hun nut.  Om kunststoffen snel en contactloos te identificeren is dan weer Fourier Transform-Infrared Spectroscopy (FTIR) mogelijk.  En, nu we toch bij spectroscopische methoden aanbeland zijn: wat is mogelijk met hyperspectrale beeldverwerking?  Dit is één van de opportuniteiten die in het Sensors  For Food Validatietraject Hyperspectrale camera’s uitgezocht wordt.  De resultaten van een haalbaarheidsexperiment ogen alvast beloftevol. 

Vreemde voorwerpen detecteren met hyperspectrale beeldverwerking 

Eerder lichtten we reeds toe hoe hyperspectrale beeldverwerking de kracht van digitale beeldverwerking weet te combineren met deze van spectroscopie (zie STW 16/04/2009).  De technologie biedt dan ook potentieel om als inspectiesysteem in de voedingsindustrie te worden ingezet.  Als voorbeeld van zijn mogelijkheden om vreemde voorwerpen te detecteren, beschreven we in STW 01/07/2010 een experiment waarin met een hyperspectrale camera steentjes tussen koffiebonen werden herkend.  In het Sensors For Food Validatietraject Hyperspectrale camera’s werd het potentieel om ongewenste voorwerpen te detecteren verder aangetoond aan de hand van een experiment waarbij hyperspectrale beeldverwerking verschillende, uiteenlopende vreemde voorwerpen wist te detecteren (Figuur 1).

Figuur 1:.Illustratie van de mogelijkheden van hyperspectrale beeldverwerking om in één oogopslag een brede waaier aan vreemde voorwerpen te detecteren.  Links: beeld in normale kleuren zoals dat  door het menselijk oog en een digitale camera wordt waargenomen.  Rechts: artificiële kleurweergave die een beeld geeft van het waarnemingsvermogen van een hyperspectrale camera.  [Bron: Imec, Andy Lambrechts]

Vreemde voorwerpen toewijzen aan het eigen productieapparaat via spectrale handtekening 

Uit Figuur 1 blijkt dat de hyperspectrale camera veel duidelijker verschillen tussen de voorwerpen onderling en hun verschil met het product kan waarnemen.  Dit komt omdat hij ook verschillen in samenstelling kan ‘zien’. De reden hiervoor is dat hij voor elk materiaal een specifiek spectrale handtekening waarneemt (Figuur 2).

Figuur 2: Spectrale handtekeningen van de verschillende voorwerpen en het product uit Figuur 1 zoals opgenomen met hyperspectrale beeldverwerking in het VIS-VNIR golflengtegebied (400 – 1000 nm).  [Bron: Imec, Andy Lambrechts]

Met hyperspectrale beeldverwerking is het dus niet enkel mogelijk om een performante detectie van vreemde voorwerpen te doen maar ook om aan materiaalherkenning te doen.  Interessant is dat voor dit laatste beroep kan gedaan worden op databanken die de spectrale handtekening van allerlei materialen bevatten.  Zo bevat de ASTER spectrale bibliotheek bijvoorbeeld spectrale curves van meer dan 2.400 materialen.  Daarnaast moet het mogelijk zijn om aan de hand van hyperspectrale beeldverwerking de spectrale handtekening van de belangrijkste materialen in zijn productieapparaat op te stellen. Zo kan dan op basis van een vergelijking van spectrale handtekeningen uitgemaakt worden of een vreemd voorwerp al dan niet afkomstig is van een materiaal dat aanwezig is in het productieapparaat.

Kortom, hyperspectrale beeldverwerking zou voor productiebedrijven een meerwaarde kunnen bieden voor HACCP (autocontrole). Indien op die wijze kritische punten in de productielijn blootgelegd worden dan kunnen snel gepaste beheersmaatregelen getroffen worden om die ‘bronnen’ van vreemde voorwerpen te remediëren (bv. nazicht bepaalde toestellen, transportbanden etc.).

Meer weten: kom naar de Flanders’ FOOD Technology Day

Op 13 november 2012 kan u een hyperspectrale camera opstelling aan het werk zien tijdens de demosessie ‘Innovatieve sensoren voor de voedingsindustrie’.   Meer info op de Flanders’ FOOD website.   Inschrijven kan online. 

Wil u zelf de mogelijkheden van hyperspectrale beeldverwerking verder ontdekken? Ziet u opportuniteiten voor kwaliteitscontrole van uw grondtoffen, tussen- of eindproducten? Wenst u zicht te krijgen op de 2D-samenstellingsverdeling van uw producten?  Bent u geïnteresseerd in een haalbaarheidstest?  Neem dan deel aan het Sensors For Food Validatietraject Hyperspectrale camera’s. 

Nuttige links

• Flanders’ FOOD Technology Day, 13 november 2012
• Imec (Interuniversitair Micro-Elektronica Centrum) Onderzoeksgroep NVISION  
• MeBioS Onderzoeksgroep Biophotonics (KU Leuven)

Bronnen

• Vreemde voorwerpen in voedingsproducten, Studiedag georganiseerd door ie-net Genootschap Voeding ism Flanders’ FOOD en mmv Sensors For Food, Antwerpen, 29 maart 2012. 
• Baekelandt, T. (2012). Vreemde eenden in de bijt in voedingsmiddelen. Food Process, 7, 46-47. 
• Sensors For Food Validatietraject Hyperspectrale camera’s: experimenteel werk uitgevoerd door Imec’s onderzoeksgroep NVISION  (contact: Andy Lambrechts of Kris Van de Voorde)    
• Hyperspectral imaging, toekomstmuziek in voedingsindustrie? STW 16/04/2009
• In één oogopslag geblutste appels, rijpheid van druiven en ongewenste voorwerpen detecteren, STW 01/07/2010