Bildverarbeitungssystem für Mandelsortierung und Sicherheit

Bildnachweis: University of South Australia

Forscher von UniSA haben eine weltweit erste automatisierte Technik entwickelt, mit der gleichzeitig die Mandelqualität bewertet und potenziell schwerwiegende Mykotoxin-Kontaminationen in Körnern nachgewiesen werden können.

In den Jahren 2019-2020 hatte Australiens Mandelernte einen Wert von etwas mehr als 1 Milliarde US-Dollar, und der Wert des Sektors wird in den kommenden Jahren voraussichtlich auf 1,5 Milliarden US-Dollar steigen, wobei die australischen Mandelanbaubedingungen zu den besten der Welt gehören.

Angesichts der Tatsache, dass die lokale Industrie jetzt in mehr als 50 Länder exportiert, ist eine genaue und konsistente Einstufung von Mandeln von größter Bedeutung, um sicherzustellen, dass die internationalen Märkte dem australischen Produkt vertrauen können.

Traditionell wurden Mandeln manuell sortiert, wobei stündlich Proben aus Produktionslinien entnommen wurden, um die Konsistenz des Aussehens, Chips und Kratzer, Doppelkerne, Insekten- und Schimmelschäden und andere Mängel zu überprüfen.

Dieser Prozess ist jedoch arbeitsintensiv, langsam und subjektiv, was zu ungenauen und inkonsistenten Einstufungen führen kann, insbesondere von Saison zu Saison aufgrund der Fluktuation.

In Zusammenarbeit mit dem Industriepartner SureNut haben Forscher der University of South Australia eine Maschine entwickelt, die die Genauigkeit der Mandelsortierung erheblich verbessert und potenziell tödliche Verunreinigungen erkennt, die in Mandelkernen häufig vorkommen.

Ein Forschungsteam unter der Leitung von Associate Professor Sang-Heon Lee, das durch das Projektprogramm Cooperative Research Centers finanziert wurde, kombinierte zwei hochauflösende Kameras, eine Hyperspektralkamera und speziell entwickelte KI-Algorithmen, um ein System zu erstellen, mit dem die Mandelqualität weitaus detaillierter als mit dem Menschen untersucht werden kann Auge.

Das System kann physikalische Defekte wie Chips und Kratzer genau bewerten und schädliche Kontaminanten erkennen, einschließlich des Vorhandenseins von Aflatoxin B1, einem potenten Karzinogen, das in mehr als 20 Prozent der weltweiten Leberkrebsfälle eine Rolle spielen kann.

“Unser Ziel bei dieser Innovation war es nicht einfach zu replizieren, was ein Mensch tun kann, sondern weit darüber hinauszugehen”, sagt Assoc Prof. Lee.

“In Bezug auf das physische Erscheinungsbild kann diese Maschine Fehler schneller und genauer erkennen als die manuelle Einstufung. Durch die Verwendung von zwei hochauflösenden Kameras und einer transparenten Betrachtungsfläche können auch beide Seiten der Mutter gleichzeitig angezeigt werden.”

Während allein diese visuelle Funktionalität das SureNut-System in diesem Bereich an die Spitze der Innovation bringt, ist die Hinzufügung der Hyperspektralkamera zur Kontaminationserkennung eine bahnbrechende Weltneuheit.

Die technischen Forscher von UniSA, Dr. Wilmer Ariza und Dr. Gayatri Mishra, entwickelten das auf der SureNut-Maschine verwendete Hyperspektralsystem. Laut Dr. Ariza stellten Mandeln eine einzigartige Herausforderung für die Technologie dar.

“Wir sind das erste Team, das die hyperspektrale Bildgebung auf diese Weise erfolgreich mit Mandeln einsetzt, obwohl andere Forscher es versucht haben”, sagt Dr. Ariza.

“Bestimmte Eigenschaften der Nusskerne – die wir geheim halten – haben den Prozess extrem schwierig gemacht, aber wir haben das überwunden, und jetzt können wir hochpräzise Analysen mit hyperspektraler Bildgebung liefern.

“Während des Prozesses haben wir auch einige neue Informationen über die hyperspektrale Bildgebung im Allgemeinen entdeckt, die wir rechtzeitig mit der breiteren Forschungsgemeinschaft teilen werden.”

Dank dieser hyperspektralen Innovation kann das SureNut-System vier Schlüsselindikatoren in Mandeln überwachen: Feuchtigkeitsgehalt; Gehalt an freien Fettsäuren (FFA) und Peroxidwert (PV), die mit Ranzigkeit verbunden sind; und Aflatoxin B1-Gehalt.

“Der Gehalt an Feuchtigkeit, FFA, PV und Aflatoxin B1 wurde vom entwickelten Modell mit einer Genauigkeit von 95 Prozent, 93 Prozent, 91 Prozent bzw. 94 Prozent korrekt vorhergesagt”, sagt Assoc Prof Lee.

“Früher war der einzige Weg, diese Kontaminanten nachzuweisen, Labormethoden, bei denen die Probe gemahlen und chemisch behandelt werden muss, was die Validierung schwierig macht. Daher ist unsere Technik eine wesentliche Sicherheitsverbesserung für die Industrie, da Ranzigkeit und Aflatoxin erhebliche Auswirkungen auf den Verbraucher haben Gesundheit.”

Während die Hyperspektralanalyse zu diesem Zeitpunkt nur an einem Laborprototyp getestet wurde, wurde kürzlich eine SureNut-Maschine mit dem von UniSA entwickelten Bewertungssystem bei Riverland Almonds, einem der führenden Mandelhersteller in Südaustralien, vor Ort getestet.

Deanne Crawford, Qualitätssicherungsbeauftragter bei Riverland Almonds, sagt, dass die während der Ernte dieser Saison durchgeführten Versuche das enorme Potenzial für das SureNut-System zeigen.

Das könnte dir auch gefallen
Hinterlasse eine Antwort

Deine Email-Adresse wird nicht veröffentlicht.

Bildverarbeitungssystem für Mandelsortierung und Sicherheit

Lesezeit: 3 min
0