跳到主要内容

话题

商业和创新

从食物垃圾中咬一口

02 Aug 2019

阿比·拉曼 描述了高光谱成像和机器学习如何改变食品生产的未来,大大减少浪费,增加消费者满意度

一个人的手套的手照片排序传送带充满了布鲁塞尔豆芽把它整理出来 Hyperspectral imaging could take the place of the time-consuming, costly and imperfect visual inspections currently used to sort food by ripeness and keep contaminants out of production lines. (Courtesy: iStockphoto/erdemeksi)" />
把它整理出来 高光谱成像可以增强或替换目前用于通过成熟物体对食物进行排序的耗时,昂贵和不完美的视觉检查,并将污染物保持在生产线中。 (礼貌:iStockphoto / Erdemeksi)

如果浪费的食物是一个国家,那将是世界第三大排放的温室气体。令人惊讶的三分之一的食物浪费,估计占全球排放量的8% - 除了中国和美国以外的任何国家。除了环境灾害,食物垃圾对经济也很糟糕,每年靠近万亿美元。

减少食物垃圾有许多策略。它们包括在较先进的基础设施较低的国家和一系列措施中更好地存储和运输 - 包括更一致的标签;零售商之间的食物不太严谨的化妆品标准;和教育活动旨在消费者 - 在更多发达地区。但在食物到达消费者或零售商之前,在供应链中减少浪费,还可以节省大量节省。 2018年,波士顿咨询集团 报道 随着效率提高,供应链改善可以减少损失和浪费270亿美元。

为了实现这些益处,食品生产商迫切需要准确,无侵入性的工具,使他们能够实时评估食物的质量,以一种与现有的生产线系统无缝集成。这是一种称为Hyperspectral成像的技术。实际上,这种类型的成像将光谱与计算机视觉相结合,使得可以可靠且同时测量空间和光谱特性。高光谱图像中的每个像素包含有关如何吸收或反射大于100个光的光的信息。每个像素比的较高信息允许获得比传统RGB摄像机的更大体积的数据,或者甚至具有多光谱成像,其通常将光处于较少的波长较少。

高光谱成像最初用于遥感应用,但随着传感器的价格和大小减少,它现在正在作为刑法取证,药品和手稿分析的不同等同地部署。虽然食品行业对数字化相对较慢,但现在的时间已经成熟(原谅双关语)对于高光谱成像,也可以在食品供应链中推出。

找到不属于的东西

在食品生产背景下,高光谱成像可以为食品质量提供有价值的见解。例如,它使我们能够将鱼的新鲜度分类为离散类别,因为鱼的化学成分决定了它在不同波长下反射的光程度。这种类型的成像还可以产生更好的产品的保质期或成熟的估计,以及有关存在的污染物是否存在的信息。以前,这些信息通常只能通过一系列破坏性测试(例如对pH的样本的测试,a 剪切力测试, 实验室 烤箱 方法, 折射仪 还有许多其他),并且耗时,昂贵和不完美的视觉检查。因此,高光谱成像可以通过促进朝向100%产品覆盖的转变来改变食品供应链的运作,导致较少的浪费,更高的产量和增加的收入。

其中一种食品行业最大的挑战 - 以及我共同创立的公司的强盗关注 - 将非食物物品脱离生产线。异物污染是生物污染和误标记后美国和英国召回的第三个主要原因。这种召回可能是昂贵的:a 2011年研究 来自食品营销机构和杂货店制造商协会估计,单一的异物相关食品召回可以花费高达1000万美元的主要生产者。召回的数量也在上升。 2015年至2016年间,与外国机构相关的召回在美国增加了60%,欧盟召回也上涨。仅在2018年,美国食品公司受到30次高调的召回,达到数十亿磅的浪费食物。

检测异物的技术确实存在,但它们提供特定目的。 X射线机可以检测致密的物体,但它们错过了更轻的塑料,纸,纸板和昆虫。磁铁和金属探测器不会拿起许多最常见的异物罪魁祸首 - 塑料,纸,石头,纺织品。 (他们也会错过一些更感情的污染物,例如一个加州女子决定的活青蛙 宠物 在她在一袋沙拉袋里找到它之后。)只要这样的物品进入生产线,线路中的停工,批量批量和错过的交付是必然的

CheftVision的系统通过使用高光谱成像和机器学习来检测,识别和消除异物来克服这些限制。通过收集有关异物的光谱和空间特征的信息,我们可以辨别其光谱签名的差异,这基于化学成分而变化。我们的高光谱成像摄像机覆盖从近红外(400-1700纳米)可见的波长。这为系统提供了它需要识别昆虫,木材,塑料和有机物质的信息 - 所有这些信息都可以在纹理,颜色和形状本身的质地,颜色和形状中相似,因此对于人的眼睛非常难以区分。该系统还使用先进的机器学习技术来帮助识别污染物。高速学习模型可以实时提供快速答案,使得可以检测生产线内的异物。更先进的卷积神经网络和深层学习技术可以提供更详细的分析和定性评估。

从实验室到食品加工厂

异物检测的挑战在不同的食品行业部门略有不同。例如,CheftVision正在与墨西哥最大的糖处理器一起使用, Beta San Miguel.,将我们的高光谱成像技术引入其运营。我们必须在涉及的情况下克服的障碍之一 减轻糖尘对我们系统的影响。我们还在开发生产商品等产品的应用,生产者对其机械进行严格的冲洗要求,以及香料,灰尘是一个关键问题。另一个大挑战是发现隐藏在不透明的食物下的异物,如葡萄干和其他干果。

Photo showing two cameras suspended on a metal frame above a production line in a factory

然而,无论涉及的食品类型如何,都有一些常见的障碍与采用相对较新的实验室的技术相关,并将其转化为商业上可行的产品,为食品工业提供益处。一个障碍是高光谱图像是巨大的。虽然全分辨率彩色图像具有每个像素的三个数据,但是高光谱图像可以具有与每个像素相关联的200多个频谱值,这意味着单个图像文件占用1 GB的存储空间。这意味着必须在本地发生图像处理,以便在以0.75米/秒的速度下移动的生产线提供实时信息。

另一个障碍是我们设备上的某些元素,如相机套管和围栏,需要符合严格的美国食品和药物管理局(FDA)规定,然后我们可以在真正的食品生产设施中使用它们。我们已经完成了与Allen-Bradley PLC的可编程逻辑控制器,Allen-Bradley Plc的主要制造商的初始集成工作,以确保我们的系统完全与用于控制食品加工生产线上设备的工业自动化系统。

更换视觉检查和破坏性测试

食品行业的边缘是苗条,制造商往往是采用新技术的缓慢。对于像我们这样的公司,因此,首先为最迫切,昂贵的问题开发解决方案是重要的。 2019年3月,我们与加利福尼亚州和其他美国的生产公司进行了市场研究。随着异物检测,我们采访的所有公司在其最高优先事项中进行了采访的质量改善。因此,我们目前正在开发的产品包括能够预测叶状绿色蔬菜的保质期,并分析鳄梨的成熟,而无需从生产线中取出它们。

对于生产公司来说,额外的保质期 - 结合了更大的能力来预测和沟通保质期是多久 - 将是一个独特的卖点和一种区分他们的品牌的方法。对于超市来说,更准确地了解货架 - 生活将使它们能够相应地调整其售后日期。此刻,杂货零售商在首先,先进先出的基础上管理库存。更准确的货架 - 生活读数可以改变这一点(特别是如果与其他自动化技术集成),促进有效的分销和减少储存在店内和家中的废物。膳食套装送货公司是另一个有趣和迅速增长的保质期预测市场。对于这些公司来说,推动需要更多信息的关键因素是提高产品质量的愿望,以便他们可以向消费者提供一致的农产品并减少投诉的数量。

至于鳄梨,仅美国鳄梨产业每年价值1.26亿美元,而鳄梨的价格在去年的翻译速度增加了一倍多,这意味着浪费更昂贵。对于鳄梨处理器,分销商和出口商,不均匀的成熟(影响产品的一致性以及其味道)是浪费和成本的主要来源。高光谱成像是一种有吸引力的解决方案,因为它使分销商和成熟的设施能够获得“干物质”内容的准确读数(最容易合理的准确的水果成熟试验)非侵入性地为每种鳄梨造成的。这意味着它们可以更准确地对水果进行排序和成熟。正如一个鳄梨经销商在我们发言时,“行业中的每个人都梦想着旨在更准确地评估成熟度并预测水果质量的方法。”

普遍质量保证

在许多方面,检测异物和评估鳄梨成熟代表了食品工业中的冰冻成像的冰山尖端。在供应链提前了解100%产品的质量也将影响决策的终极使用。例如,马铃薯处理器可能会使用高光谱成像数据,将马铃薯分离成最适合马铃薯醪和其他增值产品的那些,以及应该销售的那些。用于运输和物流提供商(如 马士克,我们的合作伙伴和投资者),客观的食品质量的出口前数据可以饲养到运输期间可能发生多少损坏的模型。反过来,这可能对商品的储存和运输方式具有巨大影响,确保他们在最佳条件下达到市场,尽可能少。

在供应链的所有阶段,从农场到叉子,无侵入性,连续质量数据将有助于企业促进粮食安全和效率,同时确保所有利益相关者都有客观,时空戳的质量记录。最终,我们认为技术创新 - 以及有效的监管,消费者意识运动以及如何定义质量的更大标准化 - 是对食物垃圾十亿美元问题的解决方案的一部分。

版权©2021由IOP Publishing Ltd和个人贡献者