Imágenes hiperespectrales: una visión interna de la calidad de los alimentos

China en la punta de la lengua ya se ha despedido de la era de "comer lo suficiente". Hoy en día, buscamos alimentos de mayor calidad, más seguros y seguros. Como tecnología emergente, la tecnología de imágenes hiperespectrales puede penetrar en la apariencia de los alimentos y detectar sus ingredientes internos, calidad y seguridad, como los "ojos de fuego y ojos dorados". A continuación, entremos en la gira de aplicaciones de la tecnología de imágenes hiperespectrales en la industria alimentaria.

En China, la era de estar satisfecho con simplemente "tener suficiente para comer" ya ha pasado. Hoy en día, buscamos alimentos de mayor calidad, más seguros y más confiables. Como una tecnología emergente, la imagen hiperespectral puede penetrar en la superficie de los productos alimenticios, al igual que tener "ojos que ven por debajo de la superficie", para detectar su composición interna, calidad y condiciones de seguridad. A continuación, exploremos las aplicaciones de la tecnología de imágenes hiperespectrales en la industria alimentaria.

Pruebas de calidad de los productos agrícolas / inspección de calidad de los productos agrícolas

Las imágenes hiperespectrales son particularmente buenas en la selección de productos agrícolas para realizar pruebas no destructivas y encontrar daños internos imperceptibles a simple vista. Por ejemplo, puede detectar hematomas o lesiones internas que pueden no ser visibles en la apariencia de la manzana, lograr una clasificación más precisa y mejorar el valor del producto. Este método de detección no destructivo puede ayudar a los productores a eliminar los productos con problemas de calidad potenciales y mejorar la calidad general del producto y la competitividad del mercado.

La imagen hiperespectral sobresale en la inspección no destructiva de productos agrícolas, particularmente en operaciones de clasificación. Puede detectar daños internos que son difíciles de ver a simple vista. Por ejemplo, puede identificar moretones o defectos internos en manzanas que no son visibles externamente, lo que permite una clasificación más precisa y mejorar el valor del producto. Este método de prueba no destructivo ayuda a los productores a eliminar artículos con posibles problemas de calidad, mejorando así la calidad general del producto y la competitividad del mercado.

Clasificación de manzanas basada en hiperespectrales / Hyperspectral - base Apple sorting

Evaluación de las características sensoriales de los productos agrícolas / evaluación de las características sensoriales en los productos agrícolas

Las características sensoriales, como el azúcar, la acidez, la dureza y la madurez, afectan directamente las preferencias de los consumidores por los productos agrícolas. La tecnología de imágenes hiperespectrales muestra un gran potencial en la evaluación sensorial de los alimentos y puede predecir estos indicadores clave sin daños. Por ejemplo, al analizar la reflectividad del caqui en una longitud de onda específica, se puede establecer un modelo de predicción de astringencia; Al analizar las características de absorción espectral de la uva en la banda del infrarrojo cercano, se puede predecir su grado de azúcar y acidez. En comparación con los métodos tradicionales de evaluación sensorial, la imagen hiperespectral tiene las ventajas de ser rápida, objetiva y no invasiva.

Los atributos sensoriales como el contenido de azúcar, la acidez, la firmeza y la madurez influyen directamente en la preferencia del consumidor por los productos agrícolas. La imagen hiperespectral muestra un gran potencial en la evaluación sensorial de los alimentos, ya que puede predecir estos indicadores clave de manera no destructiva. Por ejemplo, analizando la reflectancia de las persimones a longitudes de onda específicas, se puede desarrollar un modelo de predicción para la astringencia. Del mismo modo, examinando las características de absorción espectral de las uvas en el rango de infrarrojos cercanos, se pueden predecir sus niveles de azúcar y ácido. En comparación con los métodos de evaluación sensorial tradicionales, la imagen hiperespectral ofrece las ventajas de velocidad, objetividad y no destructividad.

Detección en línea de la glucosa en tiempo real con tecnología hiperespectral Real-Time Online Detection of Grape Sugar Content Using Hyperspectral Technology

Evaluación de la calidad del té / Tea Quality Assessment

Al analizar la información espectral del té, se pueden analizar de manera no invasiva y precisa los ingredientes bioactivos del té, como los polifenoles del té, las cafeína y los aminoácidos, que son esenciales para el sabor y la calidad del té. Un equipo utilizó datos hiperespectrales para establecer un modelo que puede estimar con precisión el contenido de polifenoles de té en el té. Otro equipo utilizó cámaras hiperespectrales transportadas por drones para predecir el contenido de polifenoles y aminoácidos del té y evaluar la relación entre polifenoles del té y aminoácidos.

Al analizar la información espectral de las hojas de té, los componentes bioactivos clave como los polifenoles del té, la cafeína y los aminoácidos, que son cruciales para el sabor y la calidad del té, se pueden evaluar de manera precisa y no destructiva. Un equipo de investigación desarrolló un modelo basado en datos hiperespectrales para estimar con precisión el contenido de polifenoles del té. Otro equipo utilizó una cámara hiperespectral montada en un dron para predecir el contenido de polifenoles y aminoácidos del té, y evaluó además la relación entre los dos.

Evaluación de la calidad de la carne / Meat Quality Assessment

Las imágenes hiperespectrales pueden medir con precisión el contenido de grasas y proteínas y evaluar el valor nutricional y el sabor. Por ejemplo, analizar los patrones de mármol de la carne de vacuno para predecir la ternura y la jugosidad, o evaluar el grado de degradación de las proteínas de los peces para juzgar la frescura y distinguir entre el pecho normal y el "pecho de madera", no solo optimiza la utilización, sino que también detecta cuerpos extraños como fragmentos óseos para garantizar la seguridad alimentaria.

La imagen hiperespectral puede medir con precisión el contenido de grasas y proteínas, ayudando a evaluar el valor nutricional y los perfiles de sabor. Por ejemplo, puede analizar el marmolado de la carne de res para predecir la ternura y la jugosidad, o evaluar el grado de degradación de proteínas en el pescado para determinar su frescura. También es capaz de distinguir entre pecho de pollo normal y pecho leñoso, y puede detectar materiales extraños como fragmentos de hueso, mejorando la eficiencia de la utilización al tiempo que garantiza la seguridad de los alimentos.

Distinguir la carne de pechuga de pollo por tecnología hiperespectral

Como medio emergente de detección de alimentos, la tecnología de imágenes hiperespectrales tiene un gran potencial. Aunque el procesamiento de datos, el costo de los equipos y la complejidad de los escenarios de aplicación plantean desafíos, el rápido desarrollo de la inteligencia artificial y el aprendizaje automático ha traído nuevas oportunidades para la tecnología de imágenes hiperespectrales. A través de la combinación de análisis y modelado de Big data, se espera mejorar aún más la precisión de la predicción de la calidad alimentaria, realizar la actualización inteligente de cadenas industriales como los productos agrícolas, desde la producción hasta el procesamiento y las ventas, y traer un modelo de producción más eficiente y de calidad garantizada.

Como una herramienta emergente en la inspección de alimentos, la imagen hiperespectral tiene un potencial significativo. Aunque persisten desafíos en el procesamiento de datos, los costos de equipo y la complejidad de los escenarios de aplicación, el rápido desarrollo de la inteligencia artificial y el aprendizaje automático presenta nuevas oportunidades para la tecnología. Al integrar el análisis y el modelado de big data, se espera que la imagen hiperespectral mejore aún más la precisión de la predicción de la calidad de los alimentos y permita actualizaciones inteligentes a través de las cadenas de producción agrícola y alimentaria, desde la producción y el procesamiento hasta las ventas, allanando el camino para modelos de producción más eficientes y de calidad garantizada.