Spektren erfassen statt Sichtkontrolle
Hyperspektrale Bildgebung in der Lebensmittelindustrie
Eine der wohl größten Herausforderungen in der Lebensmittelverarbeitung ist die konstante Gewährleistung der Produktqualität. Von der Ernte über die Verarbeitung bis hin zur Verpackung und Auslieferung gilt es, die Lebensmittel zu kontrollieren. Fremdobjekte müssen aussortiert werden, der Reifegrad von Obst und Gemüse muss ermittelt und der Feuchtegehalt von Trockenfrüchten bestimmt werden. Andernfalls ist das Risiko groß, dass sich zum Beispiel unter den Kartoffeln Steine befinden, dass Obst und Gemüse un- oder überreif im Laden landen oder dass Trockenfrüchte schimmelig oder ungenießbar trocken ausgeliefert werden. Die Schwierigkeiten steigen noch, wenn Genossenschaften Ernten verschiedener Landwirte aus unterschiedlichen Anbauregionen geliefert bekommen: Zuckergehalt und Reifegrad können sich deutlich unterscheiden, dennoch muss eine gleichbleibende Qualität sichergestellt werden – auch über lange Transportwege oder monatelange Einlagerung in der Kühlung hinweg. Eine besondere Herausforderung ist, ähnliche Objekte als unterschiedliche Materialien zu identifizieren, oder Reifegrad und Feuchtegehalt valide zu bestimmen. Hier stoßen Industriekameras an ihre Grenzen. Weitere Informationen liefern Laboranalysen. Hier werden Stichproben untersucht, also immer nur ein Teil einer Charge genauer überprüft.
Tiefergehende Informationen in Echtzeit gewinnen
Mit modernen Technologien können Objekte in Echtzeit auf tiefergehende Informationen überprüft und Produkte von minderer Qualität oder falsch verpackte Artikel frühzeitig aussortiert werden. "Hyperspektralkameras können genau das leisten", betont Oliver Grass, Gründer und Geschäftsführer der inno-spec GmbH. Das Nürnberger Unternehmen stellt seit rund 20 Jahren Hyperspectral-Imaging (HSI)-Systeme für industrielle Anwendungen her. "Die Technologie ist schon lange verfügbar und entwickelt sich immer weiter, wird aber in der Lebensmittelindustrie noch nicht flächendeckend eingesetzt", so Grass. Dabei birgt sie großes Potenzial, um die Qualität von Lebensmitteln über den gesamten Verarbeitungsprozess und somit letztlich auch die Zufriedenheit und Gesundheit von Verbraucherinnen und Verbrauchern sicherstellen zu können.
Mit dem passenden Spektralbereich Lebensmittel untersuchen
Hyperspektralkameras arbeiten nicht nur im sichtbaren Spektrum der elektromagnetischen Strahlung (ca. rund 400 bis 780 nm), sondern erfassen Informationen auch in anderen Wellenlängen. Hyperspektralkameras für den Nahinfrarotbereich (NIR) arbeiten in Wellenlängen von 900 bis 1 700 nm und sind damit sensitiv für die Energiebereiche, die Schwingungen von Molekülen anregen. Die Strahlung der Wellenlängen, die nicht für die (charakteristischen) Schwingungen des jeweiligen Stoffes absorbiert werden, erfasst die HSI-Kamera. So entsteht ein materialspezifisches Spektrum.
UV-HSI-Kameras für Wellenlängen von 220 bis 380 nm erfassen indirekt Elektronenübergänge von Atomen. Mit ihnen lassen sich nicht-organische Stoffe wie beispielsweise Metalle oder Mineralien klassifizieren und Lebensmittel auf ihren Nährstoffgehalt hin untersuchen. UV-Hyperspektralkameras identifizieren zum Beispiel Proteinzusammensetzungen, mit ihnen lassen sich aber auch die Gehalte gesättigter und ungesättigter Fettsäuren in Lebensmitteln genau bestimmen.
NIR-Hyperspektralkameras hingegen ermitteln den Feuchte- und Zuckergehalt von Früchten valide. "Das ist im Rahmen der Inhaltsanalyse und für die Sortierung in Qualitätsklassen sehr interessant, zumal Pushbroom- bzw. Zeilen-Hyperspektralkameras eben nicht nur stichprobenartig einen Teil der Lebensmittel untersuchen, sondern in Echtzeit alle Objekte inline analysieren können", so Grass. Zumindest für Hyperspektralkameras für den Nahinfrarotbereich funktioniere das bereits; die UV-Hyperspektralkameras erreichen derzeit noch geringere Messgeschwindigkeiten als Kameras in etablierten Spektralbereichen und sind dadurch bislang eher für die Forschung interessant. "Daran wird aber gearbeitet, künftig sollen auch sie als Echtzeit-Kontrollmedium im industriellen Kontext eingesetzt werden", ergänzt Grass.
Trainierte Software interpretiert Spektraldaten
Um nun z. B. Druckstellen unter der Apfelschale aufzufinden oder den Zuckergehalt des Apfels zu bestimmen, ist die Interpretation von der Kamera generierten Spektraldaten erforderlich. Dies erfolgt über eine spezielle Software, die das jeweilige Spektrum "übersetzt". "Diese Übersetzungsarbeit, die in einem sogenannten chemometrischen Modell stattfindet, ist die eigentliche Herausforderung", betont Grass. So muss die Software zunächst mit Referenzwerten trainiert werden, um aus dem erfassten Spektrum valide Aussagen treffen zu können.
"Hier wird der Einsatz von Künstlicher Intelligenz einen deutlichen Schub bringen", ist sich Grass sicher. Denn sowohl die Modellerstellung als auch die Algorithmik des Modells selbst kann mit KI und maschinellem Lernen um ein Vielfaches optimiert werden. Hyperspektralkamera und Software im Zusammenspiel könnten so einen wertvollen Beitrag für die Prozesskontrolle in der lebensmittelverarbeitenden Industrie leisten: beschädigtes Obst erkennen, lange bevor sich Druckstellen für das menschliche Auge andeuten; Zucker- und Feuchtegehalt sowie den Reifegrad von Früchten in Echtzeit bestimmen. So wird auch eine präzise Inhaltsanalyse von Lebensmitteln möglich. Es werden jegliche Fremdstoffe erkannt, auch solche, die während des Verpackens in einer Schweißnaht eingeschlossen wurden und unter bedruckten Oberflächen für Farbkameras nicht mehr zu sehen sind. Und solche Systeme können überprüfen, ob Verpackungen korrekt befüllt und dicht verschlossen sind. Der Trainingsaufwand lohnt sich, denn mit Hilfe solcher Systeme ließe sich z. B. verhindern, dass komplette Verpackungseinheiten nur wegen eines faulen Obststücks verloren gehen.
Fazit
Die Qualitätssicherung in der Lebensmittelverarbeitung ist eine enorme Herausforderung, bei der herkömmliche Kontrollmethoden und Kameras zuweilen an ihre Grenzen stoßen. Hyperspektralkameras können hier eine zukunftsweisende Lösung sein, da sie zahlreiche Informationen erfassen können. Sie ermöglichen in Echtzeit das Erkennen von Fremdkörpern, bestimmen Reifegrad, Feuchte- und Zuckergehalt sowie den Nährstoffgehalt von Lebensmitteln. In Kombination mit intelligenter Auswertesoftware und KI eröffnen sie der Branche weitere Möglichkeiten, Rückrufaktionen und Qualitätsmängel zu vermeiden und damit sowohl wirtschaftliche Schäden als auch Gesundheitsrisiken für Verbraucherinnen und Verbraucher deutlich zu reduzieren.
AUTORIN
Julia Kowal
inno-spec GmbH, Nürnberg
Tel.: 0911/376691-0
[email protected]
www.inno-spec.de
Das könnte Sie auch interessieren
Die Schattenseite des Basilikums
Wie Zellen DNA-Schäden durch Methyleugenol reparieren
Mediterrane Ernährung steht für Genuss und Gesundheit. Umso überraschender: Der Naturstoff Methyleugenol aus Basilikum und anderen Gewürzpflanzen kann DNA-Schäden verursachen. Eine neue Studie zeigt, wie sich menschliche Zellen dagegen schützen.
mehr...Gesundheitsforschung an der Uni Bonn
Kurzzeit-Hafer bringt Langzeiteffekt auf Cholesterin
Eine zweitägige Haferkur senkt das LDL-Cholesterin laut Forschenden der Uni Bonn bei Menschen mit metabolischem Syndrom deutlich. Positive Effekte halten bis zu sechs Wochen an und stehen im Zusammenhang mit gesunden Darmbakterien.
mehr...Warum gesunde Ernährung bei jedem anders wirkt
Eine aktuelle Studie zeigt, wie das individuelle Darmmikrobiom gesunde Pflanzenstoffe verarbeitet. Forschende erklären, warum Ernährung bei jedem unterschiedlich wirkt und wie personalisierte Ernährungspläne die Gesundheit fördern.
mehr...Wie gesund sind Paranüsse wirklich?
Paranüsse gelten als Superfood und guter Selen-Lieferant, enthalten aber auch Spuren von Barium und Radium. Eine neue Studie untersucht mittels Kernspinresonanz-Spektroskopie (NMR), wie viel davon tatsächlich vom Körper aufgenommen wird – und...
mehr...Bundeslebensmittelschlüssel jetzt lizenzfrei verfügbar
Der Bundeslebensmittelschlüssel (BLS) ist die zentrale Nährstoffdatenbank Deutschlands. Er enthält laborbasierte Durchschnittswerte zu Energie- und Nährstoffgehalten von mehr als 7.000 Lebensmitteln und Gerichten und dient als Datengrundlage für...
mehr...Stoffübergänge untersuchen
Systeme zur Untersuchung von Stoffübergängen ermöglichen reproduzierbare Prüfungen von Bedarfsgegenständen in Kontakt mit Lebensmitteln. Das System MigraCell® ermöglicht reproduzierbare Prüfungen zur Bestimmung von Stoffübergängen aus...
mehr...Luminometer
Der Lumitester "SMART" von Kikkoman ermöglicht die schnelle und einfache Bestimmung mikrobieller Verunreinigungen auf Oberflächen und in Flüssigkeiten.
mehr...Bedeutung für verträglichere Lebensmittel
Allergieauslösende Proteine in Gerste analysiert
Forschende der TU München haben mit einer selbst entwickelten Methode mehr als 180 Gerstensortenanalysiert. Die Untersuchungen sind relevant für Menschen mit Nicht-Zöliakie-Weizensensitivität und Lebensmittelunverträglichkeiten.
mehr...Gereinigt, aber wirklich sauber?
Reinigungsvalidierung in der Lebensmittelproduktion
Hygiene ist entscheidend in der Lebensmittelproduktion. Der Beitrag erklärt, wie Reinigungsvalidierung mithilfe von SWAB- und Final-Rinse-Methoden sowie TOC-Analysen durchgeführt werden und welche Anforderungen Standards wie die IFS Food stellen.
mehr...