Quantitative Hyperspektralanalyse

Quantitative Hyperspektralanalyse

Quantitatives Chemical Imaging für den Food-Bereich

Beim Wooden Breast Syndrome handelt es sich um einen in der Hühnermast auftretenden Wachstumsdefekt der Brustmuskulatur von Hühnern, der zwar für den Konsumenten ungefährlich ist, das Fleisch jedoch für den Verkauf ungeeignet macht. Der Defekt verursacht mehrere Milliarden Euro Schaden, da das betroffene Fleisch aussortiert werden muss und nur noch zu minderwertiger Ware verarbeitet werden kann. Mittels Quantitative Chemical Imaging wurde jetzt die Detektion und anschließende Sortierung des Wooden Breast Syndrome gelöst.

Messung des Wooden-Breast-Deffekts: Eingangser in gemittelter spektraler Intensität (l.); eines der Referenzspektrensätze des Modells (m.o.); Gegenüberstellung der menschlichen Einschätzung vs. chemometrischem Modell (m.u.); Falschfarbendarstellung in %Wooden-Breast-Defekt (r.). (Bild: EVK DI Kerschhaggl GmbH)

Bild 1 | Messung des Wooden-Breast-Deffekts: Eingangsbilder in gemittelter spektraler Intensität (l.); eines der Referenzspektrensätze des Modells (m.o.); Gegenüberstellung der menschlichen Einschätzung vs. chemometrischem Modell (m.u.); Falschfarbendarstellung in % Wooden-Breast-Defekt (r.). (Bild: EVK DI Kerschhaggl GmbH)

EVK hat hierfür eine Lösung entwickelt, die auf Basis von quantitativer Hyperspektralanalyse eine genaue Messbarkeit des Defekts an der Produktlinie in Echtzeit ermöglicht. Qualitätssicherer können damit manuelle Arbeitsschritte einsparen und gleichzeitig den gesamten Produktstrom in Echtzeit erfassen und beeinflussen, z.B. indem Objekte selektiv entfernt werden, die den Erfordernissen nicht entsprechen. Um diesen Defekt analytisch nachzuweisen ist allerdings kein eindimensionaler Ansatz zielführend, in dem ein Messwert gegen einen anderen Grenzwert abgeglichen wird. Eine Erkennung ist a-priori weder über eine Farbkamera, noch über das direkte Korrelieren von NIR-Spektren zu Gut-/Schlecht-Produkten möglich, da viele chemometrisch feststellbare Unterschiede nicht zum Defekt selbst korrelieren, sondern natürliche Variationen ohne Qualitätsbezug darstellen. Darüber hinaus ist der Defekt auch stark über haptische Eigenschaften des Produkts bestimmt, die teilweise auf der subjektiven Einschätzung eines Menschen beruhen. Für die Lösung der Problemstellung war daher ein völlig neuer Ansatz erforderlich in welchem eine Vielzahl unterschiedlicher chemometrisch erfassbarer Eigenschaften quantitativ vermessen, und derart in einer Logik kombiniert wurden, dass eine eindeutige Erkennung des Defekts möglich wird.

Messaufbau

Die optische Anordnung zur Kontrolle der Hühnerfilets besteht aus einer Helios NIR G2 Class NIR-Hyperspektral-Kamera mit Halogen-Beleuchtung über einem Förderband. Die Datenanalyse und Erstellung der Modellierung für die Kamera wird dabei mit dem Softwarepaket Sqalar durchgeführt. Als relevante Parameter zur Feststellung eines vorliegenden Wooden Breast Defekts wurden Härte, Feuchtigkeit, Protein- und Kalziumgehalt sowie die Einstufung durch einen Menschen herangezogen. Als Referenzwerte zur Korrelation mit spektralen Features wurden unabhängige Messungen durchgeführt. Die Härte wurde mittels Durometer vermessen, die Feuchtigkeit mittels Mikrowellentrocknung und Wägung, der Kalzium- und Proteingehalt von einem externen Lebensmittel-Labor vermessen. Die menschliche Einstufung wurde für jedes Filet vor Ort von einem eingeschulten Qualitätssicherer eingeschätzt. Erst aus der Kombination all dieser Parameter lässt sich das Klassifikationsproblem lösen. Die logische Verknüpfung mehrerer lose zum Defekt korrelierender Parameter liefert dabei einen zuverlässigen Vorhersagewert für das Vorliegen des Wooden Breast Syndroms am Produkt. Ein Beispiel einer solchen Verknüpfung zeigt Bild 2. Bei den Test wurden jeweils zehn gute (obere zwei Reihen) und zehn defekte (untere zwei Reihen) Filets ausgewertet. Zwei quantitative Parameter sind dabei den Farbkanälen Rot und Grün zugewiesen, wodurch der resultierende Farbton das Verhältnis der beiden Parameter zueinander, und damit das Vorliegen eines Defekts bereits über einen Grünstich im Chemical Imaging Bild anzeigt. Das endgültige Modell zur Lösung der Problematik ist hingegen komplizierter. Teile der Modellierung sind in Bild 1 dargestellt. Rechts im Bild ist dabei das Ergebnis des Algorithmus in Falschfarben dargestellt (Wooden-Breast-Defekt in %).

Fazit

Bild 2 | Test an jeweils zehn
Gut-Filets (obere Reihen) und
zehn Wooden-Breast-Filets (untere
Reihen). Die Ausbreitung
des Effekts lässt sich durch die
Kombination mehrerer quantitativ
gemessener Parameter
sichtbar machen (Grünstich). (Bild: EVK DI Kerschhaggl GmbH)

Das diskutierte Beispiel mittels quantitativer HSI-Analyse zur Qualitätsüberwachung lässt sich nicht durch eine einfache Sensorik oder direkte Anwendung von üblichen HSI-Verfahren lösen. Erst das Zusammenspiel verschiedener Faktoren, wie u.a. das Verständnis der eingesetzten Messsysteme, das Quantitative Chemical Imaging Verfahren sowie die Erfahrung bei der Entwicklung von Applikationen haben eine Lösung ermöglicht, die bei einem europäischen Hühnerfleisch-Verarbeiter bereits erfolgreich an der Produktlinie eingesetzt wird.

Thematik: inVISION 2 2018
Ausgabe:
EVK DI Kerschhaggl GmbH
www.evk.biz

Das könnte Sie auch Interessieren

Anzeige

Vorfreude auf Control 2022

Vorfreude auf Control 2022

Vom 03. bis 06. Mai 2022 wird die 34. Control – Internationale Fachmesse für Qualitätssicherung – in Stuttgart stattfinden.

EMVA Webinar mit Continental Teves

EMVA Webinar mit Continental Teves

Das nächste EMVA Spotlight Webinar findet am Donnerstag, den 9. Dezember, ab 16:00 Uhr (CET) statt. Nuria Garrido López (Continental Teves AG) wird über ‚Änderungen und Lösungen für die optische End-of-Line-Inspektion in der Automobilindustrie‘ sprechen.

EMVA Young Professional Award 2022

EMVA Young Professional Award 2022

Der EMVA Young Professional Award wird auf der 20. EMVA Business Conference 2022 vergeben, die vom 12. bis 14. Mai in Brüssel, Belgien, stattfindet.

Video: EMVA Vision Pitches – Robot Vision

Video: EMVA Vision Pitches – Robot Vision

Teil der inVISION Days 2021 Konferenz waren die EMVA Vision Pitches, bei der sich interessante Unternehmen aus der Bildverarbeitung mit einem kurzen zehn-Minuten-Pitch vorgestellt haben.

Neues Beiratsmitglied für TriEye

Neues Beiratsmitglied für TriEye

Das israelische Startup-Unternehmen TriEye hat Hans Rijns (Bild), eine Führungskraft aus der Halbleiterbranche mit über 25 Jahren internationaler Erfahrung in den Bereichen F&E-Management, Innovation und Geschäftsstrategie, in seinen Beirat aufgenommen.

Vision-Branche auf starkem Kurs

Vision-Branche auf starkem Kurs

Mehr als 1,5 Jahre nach dem Ausbruch der Corona-Pandemie befindet sich der Industrial Technology Index nach einer Stabilisierung auf einem anhaltend hohen Niveau.

Lattice übernimmt Miramterix

Lattice übernimmt Miramterix

Lattice Semiconductor hat Mirametrix, Inc. übernommen, ein Softwareunternehmen, das sich auf fortschrittliche KI-Lösungen für Computer-Vision-Anwendungen spezialisiert hat.

Bild: Alteia
Bild: Alteia
15 Millionen Euro Finanzierung für Alteia

15 Millionen Euro Finanzierung für Alteia

Die Europäische Investitionsbank (EIB) und das in Toulouse ansässige Startup Alteia, das sich auf die Entwicklung von Software für künstliche Intelligenz spezialisiert hat, haben die Unterzeichnung einer Finanzierungsvereinbarung über 15Mio.€ bekannt gegeben.

Micro-Epsilon erweitert Vertriebsteam

Micro-Epsilon erweitert Vertriebsteam

Micro-Epsilon hat sein Vertriebsteam verstärkt. Seit Oktober unterstützen Marcus Gluth (Bild) in den Bereichen Weg- und Abstandssensoren, berührungslose IR-Temperatursensoren sowie Farbsensoren und Jens Höppner im Bereich 3D-Sensoren und Laser-Scanner den Außendienst des Unternehmens.

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige