Image hyperspectrale : une vue intérieure de la qualité des aliments

La Chine sur le bout de la langue a depuis longtemps dit au revoir à l'ère du "rassasié". De nos jours, nous recherchons des aliments de meilleure qualité, plus sûrs et plus rassurants. La technologie d'imagerie hyperspectrale, en tant que technologie émergente, pénètre dans l'apparence d'un aliment et détecte sa composition intrinsèque, sa qualité et son état de sécurité. Ci - dessous, entrons ensemble dans la tournée des applications de la technologie d'imagerie hyperspectrale dans l'industrie alimentaire.

En Chine, l’époque où l’on se contentait d’avoir suffisamment à manger est loin. Aujourd'hui, nous cherchons des aliments de qualité supérieure, plus sûrs et plus fiables. En tant que technologie émergente, l'imagerie hyperspectrale peut pénétrer la surface des produits alimentaires - tout comme avoir des "yeux qui voient sous la surface" - pour détecter leur composition interne, leur qualité et leurs conditions de sécurité. Explorons ci-dessous les applications de la technologie d’imagerie hyperspectrale dans l’industrie alimentaire.

Inspection de la qualité des produits agricoles

L'imagerie hyperspectrale dans la sélection des produits agricoles est particulièrement bonne pour effectuer des tests non destructifs et trouver des dommages internes imperceptibles à l'œil nu. Par exemple, il peut détecter des ecchymoses ou des dommages internes qui peuvent être invisibles à l'extérieur d'une pomme, ce qui permet un classement plus précis et améliore la valeur du produit. Cette méthode de détection non destructive peut aider les producteurs à éliminer les produits présentant des problèmes de qualité potentiels et à améliorer la qualité globale des produits et la compétitivité du marché.

L'imagerie hyperspectrale excelle dans l'inspection non destructive des produits agricoles, en particulier dans les opérations de tri. Il peut détecter des dommages internes difficiles à voir à l’œil nu. Par exemple, il peut identifier des ecchymoses ou des défauts internes dans les pommes qui ne sont pas visibles à l'extérieur, ce qui permet une classification plus précise et une amélioration de la valeur du produit. Cette méthode d'essai non destructive aide les producteurs à éliminer les articles présentant des problèmes de qualité potentiels, améliorant ainsi la qualité globale du produit et la compétitivité du marché.

Tri Hyperspectral basé sur Apple / Hyperspectral - base Apple Sorting

Évaluation des caractéristiques sensorielles des produits agricoles

Les caractéristiques organoleptiques, telles que le sucre, l'acidité, la dureté et la maturité, influencent directement les préférences des consommateurs pour les produits agricoles. Les techniques d'imagerie hyperspectrale présentent un potentiel énorme dans l'évaluation sensorielle des aliments pour prédire ces indicateurs clés sans perte. Par exemple, en analysant la réflectivité d'un kaki à une longueur d'onde particulière, il est possible d'établir un modèle prédictif de l'astringence; En analysant les caractéristiques d'absorption spectrale des raisins dans la bande proche infrarouge, il est possible de prédire leur glycémie et leur acidité. L'imagerie hyperspectrale présente l'avantage d'être rapide, objective et non destructive par rapport aux méthodes traditionnelles d'évaluation sensorielle.

Les attributs sensoriels tels que la teneur en sucre, l'acidité, la fermeté et la maturité influent directement sur la préférence des consommateurs pour les produits agricoles. L'imagerie hyperspectrale présente un grand potentiel dans l'évaluation sensorielle des aliments, car elle peut prédire ces indicateurs clés de manière non destructive. Par exemple, en analysant la réflexion des persimmons à des longueurs d'onde spécifiques, un modèle de prédiction de l'astringence peut être développé. De même, en examinant les caractéristiques d'absorption spectrale des raisins dans la gamme de l'infrarouge proche, on peut prédire leurs niveaux de sucre et d'acide. Par rapport aux méthodes d'évaluation sensorielle traditionnelles, l'imagerie hyperspectrale offre les avantages de la vitesse, de l'objectivité et de la non-destructivité.

Détection du degré de glucose en ligne en temps réel grâce à la technologie hyperspectrale / Real-Time Online Detection of Grape Sugar Content Using Hyperspectral Technology

Évaluation de la qualité du thé / Tea Quality Assessment

En analysant l'information spectrale des feuilles de thé, il est possible d'analyser sans perte et avec précision les ingrédients bioactifs des feuilles de thé, tels que les polyphénols du thé, la caféine et les acides aminés, entre autres, qui sont essentiels à la saveur et à la qualité des feuilles de thé. Une équipe a utilisé des données hyperspectrales pour construire des modèles qui peuvent estimer avec précision la teneur en polyphénols du thé dans le thé. Une autre équipe a utilisé une caméra hyperspectrale embarquée sur un drone pour prédire la teneur en polyphénols et en acides aminés du thé et évaluer le rapport polyphénols / acides aminés du thé.

En analysant les informations spectrales des feuilles de thé, les composants bioactifs clés tels que les polyphénols du thé, la caféine et les acides aminés, qui sont cruciaux pour la saveur et la qualité du thé, peuvent être évalués de manière précise et non destructive. Une équipe de recherche a développé un modèle basé sur des données hyperspectrales pour estimer avec précision la teneur en polyphénols du thé. Une autre équipe a utilisé une caméra hyperspectrale montée sur un drone pour prédire la teneur en polyphénols du thé et en acides aminés, et a évalué plus avant le rapport entre les deux.

Évaluation de la qualité de la viande / Meat Quality Assessment

L'imagerie hyperspectrale mesure avec précision la teneur en matières grasses et en protéines et évalue la valeur nutritionnelle et la saveur. Par exemple, l'analyse de la texture de marbre de bœuf prédit la tendresse et la juteuse, ou l'évaluation du degré de dégradation des protéines de poisson juge la fraîcheur, distingue la poitrine normale de la « poitrine en bois», il optimise non seulement l'utilisation, mais détecte également les corps étrangers tels que les fragments d'os et assure la sécurité alimentaire.

L'imagerie hyperspectrale peut mesurer avec précision la teneur en graisses et en protéines, aidant à évaluer la valeur nutritionnelle et les profils de saveur. Par exemple, il peut analyser le marbrage du bœuf pour prédire la tendresse et la jutosité, ou évaluer le degré de dégradation des protéines dans le poisson pour déterminer la fraîcheur. Il est également capable de distinguer entre le sein de poulet normal et le sein boisé, et peut détecter des matières étrangères telles que les fragments osseux, améliorant l'efficacité de l'utilisation tout en assurant la sécurité alimentaire.

Différencier la viande de poitrine de poulet avec une technologie hyperspectrale / Differentiating Chicken Breast Meat Quality Using Hyperspectral Technology

La technologie d'imagerie hyperspectrale a un énorme potentiel en tant que moyen émergent de détection des aliments. Malgré les défis posés par le traitement des données, le coût de l'équipement et la complexité des scénarios d'application, le développement rapide de l'intelligence artificielle et de l'apprentissage automatique ouvre de nouvelles opportunités pour les technologies d'imagerie hyperspectrale. En combinant l'analyse et la modélisation des données volumineuses, nous espérons améliorer encore la précision des prévisions de qualité des aliments et mettre à niveau intelligemment les chaînes industrielles telles que les produits agricoles, de la production à la transformation en passant par la vente, ce qui conduira à des modèles de production plus efficaces et de meilleure qualité.

En tant qu'outil émergent dans l'inspection des aliments, l'imagerie hyperspectrale présente un potentiel important. Bien que des défis restent en matière de traitement des données, de coûts d'équipement et de complexité des scénarios d'application, le développement rapide de l'intelligence artificielle et de l'apprentissage automatique présente de nouvelles opportunités pour la technologie. En intégrant l'analyse et la modélisation des données massives, l'imagerie hyperspectrale devrait améliorer encore la précision de la prédiction de la qualité des aliments et permettre des mises à niveau intelligentes à travers les chaînes de production agricole et alimentaire, de la production et de la transformation aux ventes, ouvrant la voie à des modèles de production plus efficaces et assurés de la qualité.