Een zwerm vogels vliegt rond in een boomgaard. Bij nader inzien zijn het kleine onbemande helikopters uitgerust met een speciale camera. De camera speurt naar de eerste tekenen van appelschurft. Ook al zijn de blaadjes nog mooi groen, toch wordt bij enkele bomen alarm geslagen. Lokaal wordt gespoten met fungicide, zo kan de hardnekkige ziekte zich niet verspreiden naar de andere bomen. Mission accomplished!
Zal dit scenario 
ooit werkelijkheid worden? Wel als de hyperspectrale camera’s van vandaag kunnen omgetoverd worden van logge labomodellen tot gebruiksvriendelijke commerciële toestellen. Onderzoekers wereldwijd geloven dat dit binnen enkele jaren mogelijk moet zijn. Zo ook Belgische onderzoekers van onder andere IMEC [14], VITO [15], K.U.Leuven, universiteit Gent en universiteit Antwerpen. Hun onderzoek omvat de verschillende disciplines - cameratechnologie, software, plantenkennis - die nodig zijn om hyperspectrale camera’s te laten doordringen in de precisielandbouw. Maar ook toepassingen in de voeding zijn niet veraf.
Spectrale vingerafdruk
In tegenstelling tot traditionele camerasystemen die een beperkt aantal brede kanalen (vb. rood, groen, blauw en infrarood) gebruiken, splitsen hyperspectrale camera’s het spectrum op in vele smalle kanalen (Figuur 2). Zo kan een hyperspectrale camera gedetailleerde informatie geven over een object, zoals een appel, voor zeer veel verschillende golflengten afzonderlijk.
Voor elk object kan je op die manier een unieke spectrale curve opstellen, net als een vingerafdruk (Figuur 3).
Figuur 2: De essentie van een hyperspectrale camera is dat hij de reflectie van objecten meet voor honderden smalle golflengtebanden. De traditionele camera’s en ook onze ogen meten de reflectie van licht veel minder in detail, namelijk voor enkele brede banden.
Doe daar nog een flinke portie berekeningscapaciteit en slimme algoritmes bij en je kan vruchtbare grond van onvruchtbare grond onderscheiden of onkruid van graangewas. Zelfs de groeisnelheid van bomen kan
afgeleid worden, alleen maar door er naar te kijken (met een hyperspectrale set ogen weliswaar).
Figuur 3: Er bestaan bibliotheken met de spectrale vingerafdruk (curves) van allerlei materialen. Zo bijvoorbeeld de ASTER spectrale bibliotheek [16] met de spectrale curves van meer dan 2.400 natuurlijke en mensgemaakte materialen. Op deze manier kan een computer in het beeld van een hyperspectrale camera allerlei objecten herkennen, zelfs als ze niet zichtbaar zijn voor het menselijk oog.
De hyperspectrale camera van de toekomst
Zoals geïllustreerd in Figuur 4, bevat een hyperspectrale camera optische elementen zoals lenzen, prisma’s en
gratings, die het invallend licht opsplitsen in zijn verschillende golflengten. Een beeldsensor meet de energie voor elke golflengte. Deze gegevens worden vervolgens naar een krachtige computer gestuurd die de data interpreteert en eventueel een beslissing neemt of de beelden bewaart.
Figuur 4: Opbouw van een mogelijk type van commerciële hyperspectrale camera (Impsector). In deze camera selecteert een lijnmasker of slit een lijn van het beeld, geproduceerd door de beeldvormende objectieflens, die dan door een collimatorlens wordt geprojecteerd op het dispersief element. Deze combinatie van prisma’s en een grating splitst het licht op in de verschillende golflengten die dan door een focuslens op de beeldsensor worden afgebeeld.
Een hyperspectrale camera is duur (rond de 50.000 euro), groot (zeker als je de computer meerekent) en traag. Het duurt enkele seconden tot zelfs minuten om een object te scannen, en de verwerking van de data vergt nog meer geduld (minuten tot uren). Bovendien is getraind personeel nodig om de huidige systemen te bedienen. Zo is de opstelling en kalibratie uiterst ingewikkeld. Scan je bijvoorbeeld een appel op een zonnige dag en ontdek je schurftontwikkeling, dan zal de camera (zonder bijstellingen) dit op een regenachtige dag waarschijnlijk niet meer detecteren. Dit alles verklaart ontegensprekelijk waarom de hyperspectrale systemen vandaag vooral voor onderzoeksdoeleinden gebruikt worden.
Figuur 5:Doelstellingen voor het onderzoek naar de hyperspectrale camera van de toekomst.
Onderzoekers werken aan de hyperspectrale camerasystemen van de toekomst: goedkoop, snel, gebruiksvriendelijk en klein (Figuur 5). Vooral het opvoeren van de snelheid is een huzarenstuk. Men wil van het huidige 1 beeld/minuut evolueren naar hogesnelheidscamera’s die bijvoorbeeld bruikbaar zijn in optische sorteermachines. Ook de verwerkingssnelheid van de data moet aanzienlijk toenemen om deze techniek toepasbaar te maken voor commercieel gebruik. Als deze doelstellingen - goedkoop, snel, gebruiksvriendelijk en klein - echter behaald zouden worden, gaat een wereld van mogelijkheden open.
Hightech-sorteermachines
Het toekomstscenario waarin hyperspectrale camera’s rondvliegen in boomgaarden is zeker niet voor morgen.
Maar een commerciële toepassing die wel in de nabije toekomst haalbaar is, zijn toepassingen op sorteermachines voor groenten, fruit, graan enz. Hier wordt immers gewerkt in een gecontroleerde omgeving waardoor bv. de kalibratie van de camera’s eenvoudiger is.
Huidige sorteermachines maken vaak gebruik van gewone breedbandige camera’s (RGB of (V)NIR). Deze machines kunnen met behulp van beeldverwerking vreemde objecten herkennen, waarna door middel van gesynchroniseerde spuitmonden met perslucht de ongewenste objecten worden verwijderd. De nieuwste types sorteermachines gebruiken nu ook LED’s of lasers die licht uitsturen bij een specifieke golflengte. Deze golflengte wordt geselecteerd op basis van de toepassing: bv. ultraviolet golflengtes maken aflatoxines in vijgen zichtbaar. Typisch worden de optische systemen op deze manier op maat gemaakt voor een specifieke applicatie. Wil men andere producten gaan sorteren of sorteren op basis van een andere parameter (bv. rijpheid in plaats van aflatoxines), moet het systeem helemaal herbekeken worden en op maat van de nieuwe toepassing worden aangepast.
Figuur 6: Bij de automatische oogst van koffiebonen komt het voor dat er zich kleine steentjes tussen de bonen bevinden. Omdat deze steentjes, zowel van kleur als van vorm, erg lijken op de boontjes, zijn ze moeilijk te onderscheiden met traditionele systemen. Figuur a toont een beeld in normale kleuren, zoals het door een
RGB-camera wordt opgenomen. Figuur b geeft het beeld van dezelfde boontjes bij 930nm, een specifieke band van een hyperspectrale camera. Figuur c geeft ter illustratie een valse kleuren weergave, waarbij enkele banden van de hyperspectralecamera werden geselecteerd.
Op Figuren b en c is te zien dat het contrast tussen de erg bleke ongebrande bonen, de donkere gebrande bonen en de stenen veel groter is dan in Figuur a. De witte pijltjes tonen hiervan een voorbeeld: wat op een steentje lijkt in Figuur a, blijkt in figuren b en c een boontje te zijn. Door in software een combinatie te maken van de juiste banden, kan de acuraatheid van een dergelijk systeem drastisch verbeterd worden tov een traditioneel systeem. Aangezien de verschillende banden ter beschikking zijn, kan ook worden overgeschakeld naar andere toepassingen.
Het voordeel van hyperspectrale camera’s is dat veel meer informatie over een object gecapteerd wordt waardoor een flexibel systeem mogelijk wordt dat voor verschillende toepassingen kan ingezet worden. De ultieme droom is een flexibel hyperspectraal systeem dat eenvoudig kan ingesteld worden voor een bepaalde toepassing: vandaag sorteer je wortelen, morgen erwten, enz.
Door de grote hoeveelheid informatie waar je over beschikt, wordt het ook mogelijk om te gaan sorteren op parameters die vandaag niet mogelijk zijn (je zou er te veel golflengten, dus lasers voor nodig hebben): bv. op basis van suikergehalte, vochtigheid, al dan niet voorkomen van blutsen, detectie van schimmels en toxines, enz. De uitdaging voor het gebruik van een hyperspectrale camera in sorteerapplicaties is om de snelheid van de camera’s en beeldverwerking zodanig op te voeren dat producten in realtime en aan hoge snelheid kunnen gescand worden op de transportband.
Nog verder in de toekomst zou het wel eens mogelijk kunnen worden om hyperspectrale camera’s in te bouwen in oogstmachines en tijdens de oogst bv. het graan al op te delen in kwaliteitsgroepen: voor menselijke consumptie, diervoeder, bio-ethanol; dit alles bijvoorbeeld op basis van het vochtgehalte, proteïnegehalte of de hoeveelheid mycotoxines.
Sinds het ontstaan van hyperspectral imaging technieken 20 jaar geleden als onderzoeksinstrument in de
ruimtevaart, vindt deze technologie stilaan zijn weg naar alledaagse applicaties zoals in de voedingsindustrie. Deze transitie gebeurt traag aangezien het gros van het onderzoek betaald wordt door de Amerikaanse overheid voor militaire applicaties. Dit wordt bevestigd door het studiebureau “Frost and Sullivan” die op korte termijn een vrij trage groei verwacht door het gebrek aan concurrentie, de hoge prijs van de camerasystemen en het gebrek aan kennis van de techniek in de markt. Ze zien op langere termijn echter wel een groot groeipotentieel door de huidige vooruitgang in de technologie, zoals betere camerasystemen, betere algoritmen, enz.
Meer info
De technologie van 'hyperspectrale camera's' zal op 29 september 2010 voorgesteld worden op de Flanders'FOOD Technology Day [17].
Verwante artikels:
- ‘Hyperspectral imaging’, toekomstmuziek in voedingsindustrie? [18]
- Opkomende technologieën voor contactloze evaluatie en controle van hammen [18]
Bronnen
E. Parton, K. Tack, A. Lambrechts, J. Duré, F. Pessolano, Camera's detecteren geblutste appels, hardnekkig onkruid en zoete druiven, Het Ingenieursblad, 79, juni 2010
