„Der Einsatz von UV-Licht ist an sich nichts Neues, in der hyperspektralen Bildgebung aber konnte es bislang nicht verwendet werden“, so Oliver Grass, Gründer und Geschäftsführer der Inno-Spec. Das Nürnberger Unternehmen stellt seit rund 20 Jahren Hyperspectral Imaging (HSI) Systeme für industrielle Anwendungen her und hat nun auch die UV-Hyperspektralkamera BlueEye entwickelt. Mit den Kameras können auch nicht-organische Stoffe, Halbleiter und konjugierte Molekülsysteme untersucht werden, weil sie anders als SWIR-Systeme nicht die Molekülschwingungen sichtbar machen, sondern die Elektronenübergänge. UV-Licht dringt zudem weniger tief ein als längere Wellenlängen und ist daher ideal für die Analyse von Oberflächen. Einige Hyperspektralkameras arbeiten zwar seit Längerem im UV-Bereich, verwenden allerdings hauptsächlich den sichtbaren Wellenlängenbereich (ca. 400 bis 800nm) und decken zusätzlich nur einen kleinen Teil des UVA-Bereichs ab; das Limit liegt meist bei 350nm. „Neue UV-Hyperspektralkameras sind in der Lage, den kompletten UVA- und UVB-Bereich abzudecken sowie ein gutes Stück vom UVC-Bereich – die BlueEye Kamera z.B. den Bereich von 220 bis 380nm“, erklärt Grass. „Das Optikdesign muss insgesamt für diese niedrigen Wellenlängenbereiche ausgelegt sein, das ist die Herausforderung“, so Grass.
Anwendung in Forschung und Industrie
Solche UV- Hyperspektralkameras eignen sich für eine Vielzahl von Anwendungsgebieten, allen voran für Pharma und Forschung. „Bei der Entwicklung und Herstellung von Medikamenten und Impfstoffen kann UV-HSI für die Qualitätskontrolle genutzt werden, um zu prüfen, ob der richtige Wirkstoff in der richtigen Konzentration vorhanden ist“, nennt Grass ein Beispiel. UV-HSI-Kameras dienen auch zur Analyse von Proteinen, die für das Verständnis biologischer Prozesse und für die Entwicklung neuer Medikamente entscheidend ist, sowie zur Charakterisierung von Nanopartikeln, um die Eigenschaften und Funktionalitäten von Nanomaterialien zu verstehen und Nanotechnologien weiterzuentwickeln. UV-HSI ist zusätzlich für die Forschung im Energiebereich zur Erzeugung von Wasserstoff und synthetischer Kraftstoffe prädestiniert, ebenso für die Untersuchung von Enzym- bzw. Katalysatoraktivität, um die spezifischen Bedingungen, unter denen Enzyme optimal arbeiten, zu erkennen. Zudem kann UV-HSI für die Forensik und die Analyse von Kulturgütern wie archäologische Funde, Gemälde und biologische Präparate verwendet werden. „Neben der Forschung sind moderne UV-Hyperspektralkameras aber auch für industrielle Anwendungen interessant“, weiß Grass.
Schnelle Charakterisierung mit KI
Noch steht die Entwicklung von UV-Hyperspektralkameras am Anfang, die bisherigen Ergebnisse und Anwendungsmöglichkeiten sind aber vielversprechend. So haben die Hochschule Reutlingen und die Universität Tübingen in einer Studie UV-HSI zur Analyse pharmazeutischer Wirkstoffe (API), genauer zur Inline-API-Charakterisierung, eingesetzt. „Dabei zeigte sich, dass UV-HSI eine schnelle und zerstörungsfreie Charakterisierung ermöglicht und zeitaufwändige klassische Methoden ersetzt“, betont Grass und prognostiziert: „Im Moment ist UV-HSI zwar eher ein Tool für die Forschung, wird künftig aber auch für die Industrie relevant werden.“ Gearbeitet wird derzeit an höheren Messgeschwindigkeiten, um UV-HSI künftig z.B. als Echtzeit-Kontrollmedium direkt am Förderband einzusetzen.
Für die Analyse der erhobenen Daten wird in Zukunft zudem KI eine immer stärkere Rolle spielen. „Die Kamera ist das Auge, es braucht eine Software als Gehirn, um die Daten zu verstehen“, formuliert Grass es salopp. Je smarter eine solche Software ist, desto besser können die durch die UV-HSI-Kamera sichtbar gemachten Informationen übersetzt werden. Genau hier kann KI einen bedeutenden Beitrag leisten: Bislang werden für die Auswertungen verschiedene statistische Methoden verwendet, die mitunter Probleme bei der Auswertung haben. Grass: „Ist die Oberflächenstruktur einer Probe z.B. nicht homogen, erkennt eine nicht ausreichend trainierte Software zwei unterschiedliche Dinge, obwohl dem nicht so ist.“ KI kann das nötige Training der Software erheblich beschleunigen und vereinfachen, weil sie mitlernt.
