Ecotech und International AdvancedInstrument-Technologie-Unternehmen arbeiten zusammen, um "ökologische- Landwirtschaft"Gesundheit" umfassendes Technologieprogramm. Unternehmen basiert auf international advancedderDie hochspektrale Bildgebungstechnologie von Specim, die die Integration von Forschung und Entwicklung in Maschinensichtung und Automatisierung kombiniert, bietet den Anwendern eine vielfältige, maßgeschneiderte und automatisierte Online-Sortierlösung für die schnelle Sortierung und Echtzeitreaktion von Produkten mit hohem Durchsatz für industrielle Stromleitungen. Das System kann mit industriellen Stromleitungen, Förderbändern und intelligenten Sortiersystemen kombiniert werden, basierend auf einer leistungsstarken spektralen Erkennungsfähigkeit und einem flexiblen Sortierungsmodell, präzise Erkennungsergebnisse in Echtzeit liefern. Der Benutzer muss keine Reihe komplexer Codierungs- und spektraler Bildauflösungsarbeiten durchführen, um das Endergebnis zu erhalten, was die Schwelle für die Marktanwendung der Hochspektralbildgebungstechnologie erheblich senkt.

Hauptmerkmale:

▌ SpectraScanSpektrale Bildgebungs-Scan-Plattform-Technologie, die spezielle Anpassungen an die Szene des Benutzers ermöglicht

▌ Hochspektrumbildgerät für Industrieklasse, optional400-1000nmund900-1700nmund2700-5300nmWarteband

Klassifizierungsmodell-Trainingssoftware: Benutzer können Probendaten anzeigen, Klassifizierungsmodelle trainieren, Klassifizierungseffekte verifizieren und Anwendungen erstellen

Online-Echtzeit-Sortierung: Hochleistungs-Datenverarbeitungseinheit, die die Sortierungsergebnisse in Echtzeit anhand des Sortierungsmodells berechnet und online anzeigt

UnterstützungGigE，USB 3.0, RS-232/485，KannSchnittstelle, kompatibel mit industriellen Ablaufprozessen für intelligente Sortierung

Hochspektrale BildgebungstechnologieCEundder FCCundRoHS3Internationale Mainstream-Zertifizierung

Anwendungsfälle:

1. Qualitätsprüfung von Früchten

Die Qualität der Nüsse wird in der Regel auf der Grundlage der Frische des Produkts, der Fehlerfreiheit, der Milben und Fremdstoffe wie Schadstoffe beurteilt, und in der Qualitätskontrolle von Persis sind die Fehler- und Fremdstoffprüfungen die wichtigsten Bestandteile der Produktion.

Früher verwendete Methoden wie HPLC, GC-MS und IR-MS haben Nachteile, die nicht in Echtzeit erkannt werden können. In den letzten Jahren hat maschinelle Bildgebung (RGB) eine wichtige Rolle bei der Lebensmittelverarbeitung und der Qualitätskontrolle gespielt, aber die Erkennung von Milben, Schimmel und anderen Fremden ist immer noch schwierig. Italienische Experimentatoren haben die High Spectrum Imaging (HSI) -Technik für die Qualitätskontrolle von Prosciutto angewendet, um qualitativ und quantitativ verschiedene physiochemische Eigenschaften von Proben zu analysieren und bessere Strategien für die Qualitätskontrolle von Lebensmitteln zu erforschen.

Die Experimentierenden wählten zufällig verschiedene Art-spezifische Proben aus der Mischung aus Paprika aus und unterteilten 99 Proben in sechs Kategorien: essbare Paprika (23), nicht essbare Paprika (23), Paprikaschalen (13), Paprikaschalen (13), feine Zweige (13) und Kerne (14). Wie in Abbildung 1.1 links, unterteilt sich die Probe in zwei Gruppen: Trainingssatz (70%) und Validierungssatz (30%), wobei zunächst das ursprüngliche Spektrum vorbehandelt wird, um die charakteristischen Unterschiede in den sechs Spektralklassen hervorzuheben.

Abbildung 1.1 links: RGB-Abbildung (a), Trainingssatz (b) und Validierungssatz (c); Rechts: Durchschnittliche (a) und Vorbehandlungs-(b) Reflexionsspektrum von 6-Proben im SWIR-Bereich

Die Trainingsdatensätze wurden durch die Hauptkomponentenanalyse (PCA) trainiert und verschiedene Klassifizierungsmodelle angewendet, die multivariable Klassifizierungsmethoden anwenden. Die Trainingsergebnisse sind in Abbildung 1.2 links dargestellt, in der das CART-Prognosediagramm den Ergebnissen von PCA-kNN ähnlich ist und sehr gute Klassifizierungsergebnisse erzielt hat, die besser als die von PLS-DA und PCA-DA erzielten Ergebnisse sind. Die Validierungsdatensätze wurden mit verschiedenen Klassifizierungsmodellen vorhergesagt und die Ergebnisse wurden in Abbildung 1.2 rechts gezeigt, wobei beide Modelle den Stein korrekt identifizierten, die PLS-DA- und PCA-DA-Prognosen ähnlich waren und den gleichen Fehlerklassifizierungsbereich zeigten, während die CART-Modell-Prognosen durch eine stärker dezentrale Fehlerklassifizierung der Pixel gekennzeichnet waren. PCA-kNN-Diagramm zeigt die bestenInfolgedessen gibt es für eine einzelne Kategorie sehr wenige Fehlerzonen.

Abbildung 1.2 links (a, b, c, d) die Trainingsergebnisse; Rechts (a, b, c, d) für die Prognose

Die Ergebnisse zeigen, dass die hochspektrale Bildgebungstechnologie, die auf dem SWIR-Band basiert, eine gute Methode für die Überwachung und Kontrolle der Kakatenqualität bietet und in Offline- oder Echtzeit-Inspektionsszenarien für industrielle Anwendungen große Perspektiven bietet.

2, schädigungsfreie Qualitätsprüfung von Blumenthei

Mit der zunehmenden Bedenken der Verbraucher um die Gesundheit nimmt auch der Verbrauch von Kräutertee allmählich zu. Blumentee wird aus einer Mischung von zwei oder mehreren Pflanzenarten hergestellt, um den Geschmack zu verbessern und die gesundheitlichen Vorteile zu erhöhen. Wie bei anderen Lebensmitteln oder Gesundheitsprodukten ist die Qualitätskontrolle (QC) von Blumenpflanzentee sehr wichtig, um die Lebensmittelsicherheit und -wirkung zu gewährleisten.

Traditionelle Qualitätskontrollmethoden wie die High-Efficiency-Fluid-Chromatography (HPLC) und die Massenspektrometrie (MS) sind hoch wiederholbar und genau, aber zeitaufwendig und zerstörerisch und erfordern eine individuelle Untersuchung jeder Komponente, wenn sie mehrere Rohstoffe enthält. In dieser Studie dient die High-Spectrum-Bildgebungstechnik als eine schnelle und zerstörungsfreie Methode, die traditionelle Spektrologie und digitale Bildgebung kombiniert, um die Qualität des Blumentees zu bewerten und zu kontrollieren.

Forscher der Tsvani University of Science and Technology verwendeten SWIR-Hochspektrumbildgebung, um hochspektrale Bilder von Rohstoffen (S. tortuosum und C. genistoides) und fünf Chargen von Blumentheigemischen (Honeybush-Sceletium) zu sammeln, die von Parceval Pty gekauft wurden. Eine vollständige und unbeschädigte Unterscheidung zwischen den beiden Rohstoffen wurde ohne relevante chemische Kenntnisse durchgeführt und die Hauptbestandteilsanalyse (PCA) zeigte einen Unterschied von 54,2% in der chemischen Zusammensetzung zwischen den Rohstoffen von S. tortuosum und C. genistoides.

Abbildung 2.1 a) zwei Tee-Rohstoffe; b)PC1； c) Differente Pixel-Cluster-Streuungsdiagramme für zwei Teesorten (t1 vs. t2)

Bei der schnellen unverzüglichen Erkennung und Quantifizierung der Zusammensetzung von Blumentee wurde das PLS-DA-Modell auf der Grundlage des PCA-Kalibrierungsmodells entwickelt, wie in Abbildung 2.2 links gezeigt, die Ergebnisse des Testsatzes ähneln dem PCA, beobachteten zwei getrennte Pixelcluster und ergaben einen Unterschied in der chemischen Zusammensetzung von 52,8%, das entsprechende Y-Bild wird neben dem Streudiagramm angezeigt, was zeigt, dass die reinen Rohstoffe zu 100% klassifiziert wurden. Das RGB-Bild und die Prognoseergebnisse des Prognosesatzes, das zwei externe Testsatzproben und fünf Chargen von Blumentheigemischen umfasst, bestätigen, dass das Modell die Eigenschaften der Zusammensetzung der Teegemische genau vorhersagen kann, die Blumentheigemische enthält nur zwei Rohstoffe, S. tortuosum und C. genistoides, und die quantitative Vorhersage von C. genistoides als Hauptbestandteil (Gehalt > 97%), während der Gehalt von S. tortuosum niedriger ist (< 3%), und die quantifizierten Ergebnisse nähern sich der vom Unternehmen vorgeschriebenen Standardformel von C. genistoides = 96% und S. tortuosum = 4%. Die experimentellen Ergebnisse zeigen, dass die High Spectrum Imaging-Technologie ein gutes Potenzial für die Qualitätsbewertung von Nahrungsmitteln und Medikamenten, wie z. B. Teemischungen, hat.

Abbildung 2.2 Links: a) PLS-DA Spreadsheet und Score; b) Durchschnittliche Spektrumsunterschiede zwischen S. tortuosum und C. genistoides. Rechts: Visualisierung einer Probe des Prognosesatzes, a) RGB-Bild; Klassenprognosen basierend auf dem PLS-DA-Modell

Auf der Grundlage der innovativen SpeatrAPP-Spektrobildungsanwendungen bietet Ecotec maßgeschneiderte Spektrobildungslösungen für die Sortierung und Qualitätskontrolle von Nahrungsmitteln und Medikamenten, die Samensammlung, die Online-Sortierung von industriellen Flussleitungen, das Recycling von Abfällen, die Qualitätskontrolle von Produktionslinien, Anwendungen der maschinellen Vision und andere Anwendungen mit hohem Durchsatz.

Abholung von Erdnusschimmelvarianten von links nach rechts, Sortierung von Fleisch (Schweinefleisch, Rindfleisch, Lammfleisch), Apfelzuckerprüfung

Referenzen:

[1] Bonifazi G, Capobianco G, Gasbarrone R, et al. Schadstoffdetektion in Pistaziennüssen durch verschiedene Klassifizierungsmethoden, die auf kurzwellige Infrarot-Hyperspektralbilder angewendet werden [J]. Food Control, 2021, 130(26):108202.

[2] A M S, A W C, B I V A, et al. Nichtzerstörerische Qualitätsbewertung von Kräuterteemischungen mit hyperspektraler Bildgebung - ScienceDirect [J]. Phytochemische Briefe, 2018, 24:94-101.