Spectral imaging voor kwaliteitsinspectie van frietaardappelen
Traditioneel gebeurt kwaliteitsinspectie in de voedingsindustrie met het blote oog, door getrainde kwaliteitsmedewerkers. Een automatiseringstrend heeft er voor gezorgd dat camera’s die opereren in het visuele domein (zogenaamde RGB of rood/groen/blauw camera’s) en zelfs Near Infra Red (NIR) meer en meer toepassing vinden voor dit soort toepassingen. Deze zijn echter veelal niet in staat om latente defecten, die voor het blote oog onzichtbaar zijn, te detecteren. Daarom werkt men aan beeldverwerkingssystemen die de traditionele imaging combineren met spectroscopie. Voor ieder pixel in het beeld wordt als het ware de RGB informatie verder opgesplitst in vele nauwe bandjes. Het resultaat is dat voor ieder pixel een soort spectrale handtekening opgemeten wordt, die voor ieder materiaal uniek is. Afwijkingen van deze spectrale handtekening laten zo toe om defecten op te sporen. De eerste versies van deze camera’s blijken inderdaad veel beter te presteren dan de RGB camera’s. In een experiment op frietaardappelen (Figuur 1) bleken defecten opgespoord te kunnen worden nog voor ze met het blote oog of een RGB camera zichtbaar werden (Noordam et al. 2005). Gevolg is niet alleen een snellere maar ook een accuratere classificatie van frietaardappelen en dus diepvriesfrieten met minder visuele- en smaakafwijkingen.
Figuur 1. Hoge resolutie spectral imaging (figuur rechts), toegepast op frietaardappelen (figuur links) maakt het mogelijk om duidelijk en snel onderscheid te maken tussen aardappelvruchtvlees (1 - figuur links en rechts), aardappelschil (2) en een 4-tal defecten (van 3 tot 6: beschadiging, vergroening, rot, verbruining).
De toepassingsmogelijkheden stoppen echter niet bij het detecteren van kwaliteitsparameters. Hetzelfde principe kan ook toegepast worden in andere golflengtedomeinen, zoals NIR. Dit opent perspectieven voor het bepalen van productsamenstelling. Toegepast op frietaardappel maakt dit bijvoorbeeld een snelle bepaling van het suikergehalte mogelijk.
Het onzichtbare zichtbaar maken
Men stelt wel eens dat spectral imaging het onzichtbare zichtbaar maakt. Een mooie illustratie hiervan is detectie van blutsschade in fruit (Figuur 2). Verder kan deze technologie ook toegepast worden voor het verbeteren van voedselveiligheidscreenings zoals bijvoorbeeld de detectie van toxine producerende schimmels op vruchten, granen, noten, bonen,…
Figuur 2. Een gekneusde appel: onzichtbaar met het oog, wel via hyperspectral imaging
Ook mogelijkheden voor hygiëneinspectie
Uit een experiment waarbij aangetoond werd dat urinezuur op eischalen kon gedetecteerd worden met hyperspectral imaging (Figuur 3) blijkt dat er ook mogelijkheden zijn voor een betere screening van bepaalde hygiëneparameters.
Figuur 3. Detectie van eieren bevuild met urinezuur
Bronnen
- Noordam JC., van den Broek WHAM. 2005. Detection and classification of latent defects and diseases on raw French fries with multispectral imaging. J. Sci. Food Agric 85, 2249-2259.
- www.neo.no/hyspex/
- Klaas Tack. 2010. Hyperspectral computer vision. Lezing op Flanders’ FOOD Technology Day 29 september 2010
- http://www.qimaging.com/support/pdfs/spectral_appnote.pdf
