Обнаружение посторонних предметов в продуктах питания с помощью гиперспектральной камеры Specim FX17
Присутствие посторонних предметов в пищевых продуктах представляет серьезную угрозу для безопасности потребителей. Зачастую, выявление таких включений приводит к отзыву партий продукции, что влечет за собой значительные финансовые потери для компаний и наносит ущерб репутации бренда.
Для обеспечения высокого качества и безопасности пищевых продуктов производители должны внедрять надежные системы контроля качества на всех этапах производственного процесса. В этой связи гиперспектральная визуализация предлагает эффективное решение.
В рамках данного исследования мы использовали гиперспектральную камеру Specim FX17 (работающую в диапазоне 900–1700 нм) и лабораторный сканер Specim Lab Scanner 40x20 для анализа загрязнений в трех различных продуктах: курином филе, вегетарианских котлетах и козьем сыре. На образцы каждого из продуктов были помещены посторонние предметы с целью создания классификационной модели для их обнаружения.
Рисунок 1 - Сканирование куриного филе с помощью камеры Specim FX17 и LabScanner 40×20.
Первым этапом исследования стало измерение куриного филе, как представителя ценного пищевого продукта. В качестве загрязняющих веществ использовались: древесина, металл и два типа пластика (полиэтилен - ПЭ и полистирол - ПС). Образцы были размещены на бумаге для выпечки.
На рисунке 2 показано измеренное куриное филе с загрязняющими веществами и без них.
Рисунок 2 - Куриное филе с загрязняющими веществами. Фотографии (слева) и гиперспектральное ложное RGB-изображение (справа).
После этого были исследованы вегетарианские котлеты, используя те же загрязнители, что и для куриного филе (рисунок 3).
Рисунок 3 - Овощные котлеты с загрязняющими веществами. Фотография (слева) и гиперспектральное ложное RGB-изображение (справа).
Наконец, измерили козий сыр. В качестве загрязнителя был использован кусочек упаковочного материала, то есть небольшой кусочек тонкой белой пластиковой плёнки. На рисунке 4 видно, что загрязнитель очень похож на сыр и практически не виден ни RGB-камерой, ни невооружённым глазом.
Рисунок 4 - Козий сыр с загрязняющими веществами. Фотография (слева) и гиперспектральное ложное RGB-изображение (справа).
Спектральное сравнение между пищей и посторонними предметами
Все полученные данные были нормализованы с использованием белого и черного эталонов. Обработка данных об отражении проводилась с помощью программного обеспечения SpecimINSIGHT. Для анализа были выделены области, соответствующие куриному филе и каждому из загрязняющих веществ. Затем для каждой области был рассчитан средний спектр, который был представлен на спектральном графике для сравнения (Рисунок 5).
Цвет каждого спектра на графике соответствует цвету выделенной области на изображении. Анализ спектрального графика показывает четкие различия в спектральных характеристиках куриного филе и всех использованных загрязняющих веществ.
Рисунок 5 - Спектральное сравнение куриного филе и загрязняющих веществ. Курица = светло-коричневый, ПС = красный, ПЭ = фиолетовый, дерево = жёлтый, металл = зелёный.
Спектральная характеристика вегетарианских котлет также отличается от загрязняющих веществ, как показано на рисунке 6.
Рисунок 6 - Спектральное сравнение вегетарианских котлет и загрязняющих веществ. Овощной стейк = коричневый, PS = красный, PE = фиолетовый, дерево = жёлтый, металл = зелёный.
Следует отметить, что упаковочный материал козьего сыра обладает некоторой прозрачностью, что приводит к наложению спектров козьего сыра и материала упаковки (Рис. 7). Вследствие этого, различия в спектральных характеристиках козьего сыра и загрязняющих веществ менее выражены, чем в случае куриного филе и вегетарианских котлет с загрязняющими веществами.
Рисунок 7 - Спектральное сравнение козьего сыра и загрязняющего вещества. Козий сыр – белый, упаковочный материал – красный.
Классификация
Была создана модель PLS-DA(*) для каждого пищевого продукта для обнаружения посторонних предметов. Модели для куриного филе (рис. 8) и вегетарианских котлет (рис. 9) включают пять классов (ПЭ, ПС, дерево, металл и пищевой продукт). Козий сыр содержит только один загрязнитель, поэтому модель классификации (рис. 10) включает только два класса (пластик и пищевой продукт). Фон каждой модели определяется и визуализируется чёрным цветом.
Рисунок 8 - Куриное филе с загрязняющими веществами: PS=красный, PE=фиолетовый, дерево=желтый), металл=зеленый.
Рисунок 9 - Овощные котлеты с примесями: PS=красный, PE=фиолетовый, дерево=желтый), металл=зеленый.
Рисунок 10 - Козий сыр с загрязняющим веществом. Кусок упаковочного материала красный.
*PLS DA = ЧАСТИЧНЫЙ ДИСКРИМИНАНТНЫЙ АНАЛИЗ ПО МЕТОДУ НАИМЕНЬШИХ КВАДРАТОВ
Заключение
В рамках данного исследования для обнаружения посторонних предметов в пищевых продуктах была использована гиперспектральная камера Specim FX17, работающая в диапазоне 900–1700 нм. На основании проведенных измерений и анализа можно сделать следующие выводы:
- Спектральные характеристики пищевых продуктов и загрязняющих веществ обладают достаточной различимостью.
- На основе данных, полученных с помощью камеры Specim FX17, представляется возможным создание модели классификации, предназначенной для обнаружения загрязняющих веществ.
- Гиперспектральная камера Specim FX17 способна обнаруживать посторонние включения, которые невидимы для человеческого глаза и не поддаются обнаружению с использованием стандартных RGB-камер.
