Предлагаем рассмотреть систему контроля на основе машинного зрения, которая использует гиперспектральную визуализацию для проверки томатов черри на предмет оптимального вкуса.
Вкус — важный критерий при выборе бренда для потребителей. Раньше помидоры черри сортировались исключительно по размеру и цвету. Однако безупречный внешний вид помидора не гарантирует, что его вкус будет соответствовать требованиям потребителя.
Используя гиперспектральную камеру ближнего инфракрасного диапазона, можно эффективно и без разрушения продукта сканировать отдельные помидоры черри на производственной линии по ключевым вкусовым характеристикам. Это не только обеспечивает рыночную привлекательность и однородность продуктов, но и сокращает пищевые отходы.
На первый взгляд, идея использования системы зрения для определения вкуса помидоров черри кажется нелогичной. В конце концов, вкус сам по себе — это качество не только невидимое, но и субъективное, то есть вообще не поддающееся количественной оценке. Или всё-таки?
Сравнение обычной камеры слева и гиперспектральной камеры справа. Заплесневелые фрукты и пластик легко обнаружить и локализовать.
Гиперспектральная съемка фиксирует невидимые вкусовые характеристики
Вкус — невидимая характеристика, которую невозможно определить традиционными методами визуального восприятия, поэтому компания Condi Food обратилась к гиперспектральной визуализации. Анализируя спектральные характеристики различных соединений, содержащихся в пище, гиперспектральная визуализация предоставляет ценную информацию о вкусовых характеристиках.
Гиперспектральная съемка позволяет нам анализировать химический состав продуктов питания, выявляя скрытые характеристики, такие как спелость, индекс Брикса и кислотность. Эти факторы играют решающую роль в определении вкусовых качеств, но остаются невидимыми для человеческого глаза и не могут быть обнаружены традиционными методами визуального восприятия.
Здесь можно использовать чувствительность камеры для определения вкусовых характеристик томатов черри на высоких скоростях производства, что позволило осуществить бесшовную интеграцию в процесс сортировки.
Основываясь на результатах анализа гиперспектральных данных и тесно сотрудничая со клиентами, была разработана модель вкуса, которая включает в себя все элементы и характеристики, связанные со вкусом. Модель учитывает данные дегустационных комиссий и использует методы хемометрики и машинного обучения для создания комплексной модели. Хотя текущее решение ориентировано на томаты, аналогичный метод можно использовать для поиска желаемых характеристик в широком спектре других овощей и фруктов.
Гиперспектральная визуализация подразумевает использование гиперспектральной камеры для захвата изображения света заданной сцены, разделенного на отдельные длины волн света (спектральную информацию) для создания двумерного изображения. Некоторые из этих спектральных длин волн выходят за пределы диапазона видимого RGB-света, что означает сбор гораздо большего количества данных.
Одновременно камера также регистрирует спектральную информацию каждого пикселя изображения. Результатом этого процесса является гиперспектральное изображение, в котором каждый отдельный пиксель представляет уникальный спектр света. И поскольку спектральная сигнатура каждого пикселя уникальна, эти сигнатуры могут быть использованы для идентификации и количественной оценки содержимого каждой сцены.
Таким образом, система гиперспектральной визуализации, объединяющая цифровую визуализацию и спектральный отклик для обнаружения, классификации и анализа объектов, может предоставить пространственную и спектральную информацию о физических и химических свойствах заданного объекта.
Самый распространённый метод проверки и сортировки таких продуктов, как томаты, основан на цвете и форме как на основных критериях оценки зрелости, сортировки и классификации.
Компании часто имеют автоматизированную систему сортировки, которая использует промышленные RGB-камеры для регистрации цвета и формы томатов, перемещающихся по полосам конвейера для проверки и последующей сортировки по нескольким категориям.
В данном случае этот сорт томатов черри насыщенного красного цвета обычно считается спелым и, экстраполируя, вкусным. Однако есть простая, но существенная оговорка. Дело в том, что все самые вкусные томаты черри красные, но не все красные томаты черри вкусные. Это связано с тем, что вкус определяется не только спелостью.
Одним лишь цветом они невозможно выбрать нужные помидоры поскольку через несколько дней после сбора урожая они все красные.
В результате сложно определить степень зрелости томатов, основываясь только на цвете и размере, и, следовательно, определить, будут ли они вкусными. Более того, некоторые томаты на вкус не так хороши, как выглядят. Для компании, стремящейся продавать продукцию по высокой цене, основываясь на вкусе и спелости, это может быть серьёзной проблемой.
Высокоскоростная и неразрушающая инспекция овощей
Система машинного зрения для “дегустации” идеально взаимодействует с системой сортировки, поддерживая в режиме реального времени высокоскоростной выбор самых вкусных томатов черри медового цвета.
Камера позволяет определять вкусовые характеристики на высокой скорости производства — до 30 мс на томат или 60 томатов в секунду — на несколькуих параллельных линиях, не повреждая и не касаясь плодов. Такая эффективность позволяет легко интегрировать проверку вкуса в производственную линию, не вызывая перебоев.
При разработке системы были тщательно учтены внешние (окружающая среда) и внутренние (жилье) факторы, чтобы обеспечить точность и стабильность модели. Причем, аналитическое программное обеспечение системы также позволяет проводить регулярный статистический количественный анализ, гарантируя надёжность системы обнаружения.
Также была разработана стандартизированная программная платформа, которая управляет камерами, получает изображения, осуществляет предварительную обработку данных, учитывает модель вкуса, представляет статистику производства, синхронизирует статистику с сервером клиента и взаимодействует с сортировочной машиной.
Техническое совершенство и хорошая локальная поддержка
Гиперспектральная съемка изменила подход к передовому контролю качества и стала важнейшим инструментом для расширенного контроля качества в пищевой промышленности. Учитывая сложности производства сельскохозяйственной продукции, инспекция становится необходимым условием поддержания высоких стандартов качества, предъявляемых потребителями».
Компоненты системы гиперспектральной визуализации
Система использует гиперспектральную камеру ближнего инфракрасного диапазона, расположенную в корпусе, находящемся над двухполосным конвейером. Камера, способная сканировать 60 томатов в секунду, подключена по Ethernet-кабелю к промышленному компьютеру, расположенному рядом с конвейерной линией. Компьютер оснащён программным обеспечением для машинного зрения.
В системе также находятся два галогенных светильника — по одному на каждую конвейерную дорожку — для освещения области сканирования гиперспектральной камеры.
Как работает система гиперспектральной визуализации
После интегрирования системы камер в существующую систему сортировки производителя и была произведена настройка программного обеспечения системы таким образом, чтобы она могла сортировать по трем критериям: размеру, цвету и вкусу.
Часть системы предоставляет только гиперспектральную информацию и оценки качества, помогающие лучше определить вкус.
Собранные с поля томаты загружаются на конвейер сортировочного цеха. Лента транспортирует томаты под спектральной камерой, установленной над конвейером. Камера получает спектральные данные и передает их на компьютер, на котором установлено программное обеспечение для машинного зрения. Это программное обеспечение, основанное на статистических моделях, а не на искусственном интеллекте, затем используется для обработки и анализа изображений и формирования отчета, который отправляется на сервер производителя, также расположенный на территории предприятия.
Критерии вкуса, одним из которых является спелость, устанавливаются небольшой группой экспертов производителя — дегустационной комиссией. Спектральные изображения, «видящие» химический состав и другие характеристики кожицы томата, получаются из образцов, которые дегустационная комиссия считает оптимальными. Эти данные затем используются для построения моделей инспекции.
Основываясь на спектральных характеристиках, сравниваемых с оптимальными образцами, система присваивает каждому изображению номера, обозначающие диапазоны уровней качества. Для других применений степень зрелости, индекс Брикса, а также другие критерии, такие как уровни pH и TZ, определяются по этим спектральным характеристикам.
Поскольку производитель сортирует томаты по нескольким различным уровням качества, он может использовать полученные с помощью гиперспектральной системы цифры для правильной и точной сортировки томатов по соответствующим местам назначения.
Проблемы системы гиперспектрального контроля
Одной из проблем при создании системы была разработка моделей. Помидоры — особенно сложный продукт, на спектральную характеристику которого влияет множество различных элементов. Кроме того, с момента сбора до упаковки помидоры, как и любые фрукты и овощи, меняются. Поэтому, по его словам, необходим целостный, более широкий подход к таким критериям, как вкус.
Следует отметить что созданная система сама по себе использует ту же программно-аппаратную платформу, но не является готовой к использованию на любых овощах и фруктах и должна быть адаптирована к каждому проекту. Например, для проверки авокадо потребуются другие параметры, чем для проверки томатов.
