Zuckersüße Tomaten

Durch hyperspektrale Bildgebung lässt sich der BRIX- bzw. Zuckergehalt von Tomaten messen, der Rückschlüsse über den Reifegrad zulässt. Dies sind wichtige Informationen für die Lebensmittelindustrie, da sie den perfekten Zeitpunkt zur Ernte bestimmen.

Hyperspektrale Bildgebung für reife Tomaten

Bestimmung des Zuckergehalts in Tomaten mit hyperspektraler Bildgebung

Warum liegen im Supermarkt immer nur grüne Bananen? Und warum ist die Avocado eigentlich nie dann reif, wenn man sie essen will? Der Grund dafür liegt im botanischen Prozess Klimakterium. Sogenannte klimakterische Früchte wie Bananen, Avocados und Tomaten reifen auch nach der Ernte nach. Damit die Früchte aber trotz langer Transportwege verzehrfertig in den Verkauf gelangen, werden sie noch im unreifen Zustand geerntet. Der Brix- bzw. Zuckergehalt kann mit hyperspektraler Bildgebung ermittelt werden und bestimmt den perfekten Zeitpunkt für die Ernte.

 

Spektroskopie erkennt den »Fingerabdruck« von Materialien

Mithilfe der Spektroskopie untersuchen wir, wie eine Probe das Spektrum des eingestrahlten Lichts verändert. Hyperspektrale Sensoren liefern dabei Daten von über 200 Spektralbändern, denn für jedes Bild-Pixel wird die Reflexionskurve jedes Spektralbands gemessen. Dies ermöglicht die genaue Identifizierung des Materials und dessen chemischen Zusammensetzung, da jedes Material eine eigene Spektralsignatur wie einen individuellen »Fingerabdruck« besitzt. Besonders für die Lebensmittelinspektion spielen Hyperspectral-Bildverarbeitungslösungen eine große Rolle, da diese Methode viele Vorteile bietet:

  • hohe Empfindlichkeit der Sensoren
  • gute Linearität bei schwachem Licht
  • geringes Ausleserauschen
  • hohe Prozessgeschwindigkeit

Ein Hyperspektralsensor besteht dabei aus einem Objektiv, einer Lichtquelle, einem Spektrographen, welcher das reflektierte Licht in seine Komponenten zerlegt, und einem Detektorchip (FPA), der diese Daten erfasst. Diese Daten werden als hyperspektraler Datenwürfel gespeichert. Er umfasst alle Frames, von denen jeder die kompletten Spektraldaten für jedes Pixel enthält. Zur Verarbeitung der großen Datenmengen helfen Spektralalgorithmen mit künstlicher Intelligenz, die auf verschiedene Merkmale wie Größe, Fäulnisgrad, Farbe oder Form trainiert werden.

Neben fehlerhaften Erzeugnissen und Fremdmaterialien lässt sich durch diese Technik auch insbesondere der Reifegrad von Obst und Gemüse zerstörungsfrei messen. Da diese hauptsächlich aus Wasser und verschiedenen Zuckern bestehen, bestimmt die Dichte und damit der Brix-Wert auch ungefähr den Zuckergehalt.

Dieselbe Technik, die hier für die Lebensnittelinspektion zum Einsatz kommt, kann auch für andere Inline-Anwendungen verwendet werden. Kunstoff- und Metallrecycling sind zwei Beispiele, bei denen sich hyperspektrale Bildgebung in der Abfalltrennung wiederfindet.