Eco-Tecnologia Ecotec e International AdvancedA empresa de tecnologia de instrumentos colabora para fornecer "ecologia- AgriculturaPrograma Tecnológico Integral de Saúde. Empresa baseada em International AdvanceddoA tecnologia de imagem de alto espectro Specim combina a integração de pesquisa e desenvolvimento de visão de máquina e automação para fornecer aos usuários soluções de classificação on-line diversificadas, personalizadas e automatizadas que permitem classificação rápida e resposta em tempo real de produtos de linhas de fluxo industriais de alto fluxo. O sistema pode ser combinado com linhas de fluxo industriais, cintas transportadoras e sistemas de classificação inteligentes, com base em uma capacidade de reconhecimento espectral robusta e um modelo de classificação flexível, para produzir resultados de reconhecimento precisos em tempo real, o usuário não precisa realizar uma série de trabalhos complexos de codificação e análise de imagens espectrais para obter o resultado final, reduzindo significativamente o limiar para a aplicação de tecnologia de imagem espectral alta no mercado.

Características principais:

▌ O SpectraScanTecnologia de plataforma de varredura de imagem espectral para adaptações especiais personalizadas de acordo com a cena de uso do usuário

Imagens de alto espectro de empurramento de classe industrial, opcional400-1000nme900-1700nme2700-5300nmBanda de espera

Software de treinamento de modelos de classificação: os usuários podem visualizar dados de amostra, treinar modelos de classificação, verificar os efeitos de classificação e criar aplicativos

▌Classificação online em tempo real: unidade de processamento de dados de alto desempenho para operar em tempo real com base no modelo de classificação e exibir os resultados da classificação online

ApoioO GigE，USB3.0, RS-232/485，CANInterface para compatibilidade com processos downstream da linha industrial para auxiliar a classificação inteligente

Tecnologia de imagem de alto espectro aprovadaCEeda FCCeRoHS3Certificação internacional

Caso de aplicação:

1, teste de qualidade de frutas

A qualidade das nozes é geralmente avaliada de acordo com a frescura do produto, a existência de defeitos, ácaros e poluentes estranhos, e no controle de qualidade da pista, a detecção de defeitos e objectos estranhos é a etapa mais importante da produção.

Os métodos usados anteriormente, como HPLC, GC-MS e IR-MS, têm desvantagens que não podem ser detectados em tempo real. Nos últimos anos, a tecnologia de visão de máquina baseada em imagens coloridas (RGB) tem desempenhado um papel importante nos processos de processamento de alimentos e no controle de qualidade, mas a identificação de ácaros, mofos e outros organismos estranhos ainda está limitada. Os pesquisadores italianos aplicaram a tecnologia de imagem espectral elevada (HSI) ao controle de qualidade de papas, realizando análises qualitativas e quantitativas de diferentes características fisioquímicas de amostras para explorar estratégias melhores para o controle de qualidade dos alimentos.

Os pesquisadores selecionaram aleatoriamente amostras específicas de diferentes tipos de mistura de papatís e dividiram 99 amostras em seis categorias: papatís comestíveis (23), papatís não comestíveis (23), cascas de papatís (13), cascas de papatís (13), ramos finos (13) e núcleos (14). Como mostrado à esquerda na Figura 1.1, a amostra foi dividida em dois grupos de conjunto de treinamento (70%) e conjunto de validação (30%), primeiro pré-processando o espectro original para destacar as diferenças de características em seis categorias de espectro.

Figura 1.1 Esquerda: Figura RGB (a), conjunto de treinamento (b) e conjunto de validação (c); Direita: Espectro de reflexão médio (a) e pré-tratamento (b) de amostras de categoria 6 na faixa SWIR

Os conjuntos de dados de treinamento foram treinados por meio da Análise de Componentes Principais (PCA), aplicando diferentes modelos de classificação de métodos de classificação multivariáveis, e os resultados de treinamento foram mostrados à esquerda na Figura 1.2 abaixo, onde o gráfico de previsão CART foi semelhante ao resultado do PCA-kNN, obtendo resultados de classificação muito bons, superiores aos resultados obtidos pelo PLS-DA e PCA-DA. A previsão do conjunto de dados de validação foi feita usando diferentes modelos de classificação e os resultados foram mostrados à direita na Figura 1.2, onde os modelos identificaram corretamente a pedra, os gráficos de previsão PLS-DA e PCA-DA eram semelhantes, mostrando a mesma área de classificação errada, enquanto os gráficos de previsão do modelo CART foram caracterizados por pixels de classificação errada mais dispersos. O gráfico de previsão PCA-kNN mostra o melhorComo resultado, há muito poucas áreas de classificação errada para uma única categoria.

Figura 1.2 à esquerda (a, b, c, d) para os resultados do treinamento; Direita (a, b, c, d) para a previsão

Os resultados mostram que a tecnologia de imagem de alto espectro baseada na faixa SWIR oferece uma boa abordagem para o monitoramento e controle da qualidade de pistachios, com amplas perspectivas em cenários de detecção offline ou em tempo real para aplicações industriais.

2, Avaliação de teste de qualidade sem danos do chá de plantas

À medida que a preocupação dos consumidores com a saúde aumenta, o consumo de chá de ervas também está aumentando gradualmente. O chá de ervas é composto por uma mistura de duas ou mais espécies de plantas com o objetivo de melhorar o sabor e aumentar os benefícios para a saúde. Tal como acontece com outros alimentos ou produtos de saúde, o controle de qualidade (QC) do chá de flor e erva é importante para garantir a segurança alimentar e os efeitos de saúde.

Os métodos tradicionais de controle de qualidade, como a cromatografia líquida de alta eficiência (HPLC) e a espectrometria de massa (MS), são altamente repetitivos e precisos, mas demorados e destrutivos e exigem a detecção individual de cada ingrediente quando contêm várias matérias-primas. Neste estudo, a tecnologia de imagem de alto espectro foi usada como uma abordagem rápida e sem danos que combina espectroscopia tradicional e imagem digital para avaliar e controlar a qualidade do chá de ervas.

Pesquisadores da Universidade de Ciência e Tecnologia de Tsvani usaram imagens de alto espectro SWIR para coletar imagens de alto espectro de matérias-primas compradas da Parceval Pty (S. tortuosum e C. genistoides) e cinco lotes de mistura de chá floral (Honeybush-Sceletium). Uma distinção completa sem danos entre as duas matérias-primas foi feita no contexto da ausência de conhecimento químico relevante, e a análise do componente principal (PCA) mostrou uma diferença de 54,2% na composição química entre as matérias-primas de S. tortuosum e C. genistoides.

Figura 2.1 a) duas matérias-primas de chá; b)PC1； c) Diagrama de dispersão de grupos de pixels diferentes para dois tipos de chá (t1 vs t2)

No reconhecimento rápido sem perda e quantificação de ingredientes do chá de ervas, o modelo PLS-DA foi desenvolvido com base no modelo de calibração PCA, como mostrado à esquerda na Figura 2.2, os resultados do conjunto de testes são semelhantes ao PCA, observando dois agrupamentos de pixels separados e obtendo uma diferença de composição química de 52,8%, a imagem Y correspondente é exibida ao lado do gráfico de dispersão, mostrando que a matéria-prima pura é classificada em 100%. Figura 2.2 à direita da imagem RGB e resultados de previsão do conjunto de previsão, que inclui duas amostras de conjunto de teste externo e cinco lotes de misturas de chá de erva, os resultados confirmam que o modelo pode prever com precisão as propriedades da composição da mistura de chá, prever que a mistura de chá de erva contém apenas duas matérias-primas, S. tortuosum e C. genistoides, e prever quantitativamente que C. genistoides é o principal ingrediente (conteúdo > 97%), enquanto o conteúdo de S. tortuosum é menor (<3%), com resultados quantificados próximos da fórmula padrão prescrita pela empresa de C. genistoides = 96% e S. tortuosum = 4%. Os resultados experimentais sugerem um bom potencial para a avaliação da qualidade de medicamentos alimentares, como misturas de chá de chá.

Figura 2.2 Esquerda: a) Gráfico de dispersão PLS-DA e pontuação; b) Diferenças espectrais médias entre S. tortuosum e C. genistoides. Direita: Visualização de amostras de conjuntos preditivos, a) imagem RGB; b) Previsões de classe baseadas no modelo PLS-DA

Com base na tecnologia inovadora de aplicações de imagem espectral SpeatrAPP, a Ecotec oferece soluções de imagem espectral personalizadas para a triagem e o controle de qualidade de alimentos e medicamentos, a recolha de sementes, a triagem on-line de linhas de fluxo industrial, a reciclagem de resíduos, o controle de qualidade de linhas de produção, aplicações de visão de máquina e outras aplicações de alto fluxo.

Recolha de variáveis de mofo de amendoim da esquerda para a direita, classificação de carnes (suíno, bovino, carneiro), teste de açúcar de maçã (fornecido pelo Laboratório de Imagem Espectral da Ecotec)

Referências:

[1] Bonifazi G, Capobianco G, Gasbarrone R, et al. Detecção de contaminantes em nozes de pistacho por diferentes métodos de classificação aplicados a imagens hiperespectrais de infravermelho de onda curta [J]. Controle de Alimentos, 2021, 130(26):108202.

[2] A M S, A W C, B I V A, et al. Avaliação de qualidade não destrutiva de misturas de chá de ervas usando imagem hiperespectral - ScienceDirect [J]. Cartas de Fitoquímica, 2018, 24:94-101.