Kwaliteitsanalyses in de voedingsindustrie zijn van primordiaal belang voor het aanleveren van producten van de beste kwaliteit naar klanten of naar de consument. Daarom zijn automatische controlesystemen van groot belang om deze kwaliteitsmonitoring op een zo efficiënt mogelijke manier uit te voeren. Meer en meer worden camerasystemen geïmplementeerd in de productie voor de automatische controle van uitwendige kwaliteitsparameters (grootte, vorm, dikte, kleur,…) ter vervanging van de humane visuele inspectie. Een nieuw type cameratechnologie, hyperspectrale cameratechnologie, biedt als bijkomend voordeel dat het ook informatie kan opleveren met betrekking tot de chemische samenstelling van het productoppervlak. Op deze manier kunnen naast de andere traditionele kwaliteitsparameters, ook latente kwaliteitsdefecten op een eenvoudige manier on-line opgespoord worden. In dit artikel worden kort de mogelijkheden van hyperspectrale cameratechnologie toegelicht met betrekking tot het opmeten van een aantal kwaliteitsparameters op tomaat. Dit onderzoek werd uitgevoerd in het kader van het Europese PickNPack-project (‘Flexible robotic systems for automated adaptive packaging of fresh and processed food products’). [4]
HYPERSPECTRALE CAMERA TECHNOLOGIE
Hyperspectrale cameratechnologie kan omschreven worden als een technologie waarbij digitale beeldanalyse gecombineerd wordt met spectroscopie. Zo wordt voor iedere pixel een spectrale handtekening bekomen, die uniek is voor elk type materiaal. Deze technologie biedt heel wat mogelijkheden naar in-line of on-line kwaliteitsmonitoring van voedingsproducten, zoals de detectie van vreemde voorwerpen, een snelle samenstellingsbepaling of het opsporen van latente kwaliteitsdefecten. Dergelijke (labo)systemen zijn reeds een tijdje commercieel beschikbaar, maar door recente innovaties in het onderzoeksdomein van de fotonica, zijn er nu ook prototype-cameratoestellen beschikbaar die ingebouwd kunnen worden in on-line kwaliteitscontrolesystemen. Hierdoor worden dergelijke camerasystemen ook interessant voor applicaties in de voedingsindustrie. Specifieke applicaties voor de voedingsindustrie worden intussen verder ontwikkeld in het Sensors For Food-project, in samenwerking met onderzoeksgroepen van IMEC (Integrated Imaging) en KU Leuven (MeBioS).
METHODOLOGIE
In het kader van het PickNPack-project wordt nagegaan welke mogelijkheden hyperspectrale cameratechnologie biedt voor het opmeten van de kwaliteitsparameters op fruit en groenten. Meer bepaald, werd in deze studie onderzoek gedaan naar het opmeten van kwaliteitsparameters op tomaat als case study, in het golflengtegebied tussen 400 en 1000 nm (VIS-NIR gebied). Hierbij werd niet alleen gekeken naar de detectie van kwaliteitsdefecten maar ook naar het bepalen van de rijpheid van de tomaat.
Voor deze studie werd een specifiek wiskundig algoritme ontwikkeld dat de kwaliteit van de tomaten afleidt uit de hyperspectrale camera analyses. In een eerste stap werden in het beeld de tomaten onderscheiden van de achtergrond en de steeltjes. Vervolgens werden de zones in het beeld die overbelicht waren door spiegelreflectie op het glanzende tomatenoppervlak gedetecteerd en verwijderd uit de verdere analyse. Daarnaast werden de spectra bepaald van verschillende tomaten met verschillende rijpheid en met verschillende kwaliteitsdefecten. Op deze manier konden de pixels op basis van het opgemeten spectrum ingedeeld worden in één van de verschillende klassen. Een overzicht van de verschillende opgemeten gemiddelde spectra is weergegeven in Figuur 1 (A) terwijl een schematisch overzicht van de analyse weergegeven staat in Figuur 1 (B).
Figuur 1. Gemiddeld absorptiespectrum van individuele pixels, van verschillende klassen in het golflengtegebied van 400-1000 nm (A). Schematische voorstelling van de analyse van de hyperspectrale beelden (B).
RESULTATEN
Voor de studie op de rijpheidsbepaling via hyperspectrale camera analyse, werden 49 verschillende tomaten opgemeten waarvan de rijpheid tevens (manuaal) bepaald werd via een kleurkaart. Op basis van een SIMCA (‘Soft Independent Modeling of Class Analogy’)-model werd een classificatienauwkeurigheid van 86% behaald. Daarnaast werd ook onderzocht of het mogelijk was om 3 (relatief frequent) voorkomende kwaliteitsdefecten op trostomaten te detecteren met behulp van hyperspectrale camera analyse: insectenvraat, blutsschade, en kleurafwijking bij de eindvrucht.
De resultaten hieronder tonen duidelijk aan dat dergelijke kwaliteitsdefecten kunnen opgespoord worden met behulp van hyperspectrale camera analyse. In de onderstaande figuren wordt links een kleurenbeeld getoond en rechts het equivalente beeld na toepassing van de specifieke data-analyse.
INSECTENVRAAT
Figuur 2. Detectie van insectenvraat op tomaten. De bruine gebieden duiden op de aanwezigheid van insectenvraat.
BLUTSSCHADE-DETECTIE
Figuur 3. Blutsschadedetectie op tomaten. De bruine gebieden duiden op de aanwezigheid van blutsschade
Kleurafwijkingen
Figuur 4. Detectie van kleurafwijkingen bij een eindvrucht bij trostomaten.
SAMENVATTING
Uit deze resultaten blijkt dat hyperspectrale camera analyse een grote meerwaarde kan betekenen voor het on-line monitoren van uitwendige kwaliteitskenmerken op biologische producten. Niet alleen kunnen simultaan verschillende defecten opgespoord worden, maar kan er ook, met vrij grote nauwkeurigheid, een indicatie gegeven worden over de rijpheid van de vruchten. Het feit dat deze analyses door één en hetzelfde toestel kunnen uitgevoerd worden, maakt dat hyperspectrale camera analyse een groot potentieel biedt voor implementatie in on-line kwaliteitscontrolesystemen.
|
In het kader van het PickNPack-project wordt op 25 juni een workshop georganiseerd waarin de realisaties van het project gekaderd worden binnen de huidige en toekomstige trends in het gebied van automatisatieprocessen bij de verpakking en de verwerking van voeding. Meer informatie over deze workshop vind je hier: http://www.picknpack.eu/index.php/workshops/flexible-automation-for-food-processing-and-packaging [5] |
MEER INFO:
Meer informatie over deze technologie kan teruggevonden worden op de Sensors For Food website [6] en meer specifiek op de pagina over hyperspectrale camera-technologie [7]. Het validatietraject hyperspectrale cameratechnologie wordt uitgevoerd in samenwerking met onderzoeksgroepen van IMEC (Dr. Andy Lambrechts) en MeBioS (KUL, prof. Saeys).
Indien u interesse heeft in hyperspectrale cameratechnologie voor mogelijke toepassingen binnen uw bedrijf, kan u steeds contact opnemen met het Sensors For Food-team door een mail te sturen naarveerle.degraef@flandersfood.com [8]!
Bron: Flanders' FOOD [9]