Die hyperspektrale Bildgebung kann als Paradigmenwechsel bei Bildverarbeitungssystemen und als Quelle einer Fülle hochwertiger Daten für Bildverarbeitungssysteme betrachtet werden, die auf Algorithmen der künstlichen Intelligenz basieren. Anstelle der beim künstlichen Sehen üblichen drei Farbkanäle werden bei der hyperspektralen Bildgebung bis zu hunderte von Kanälen verwendet. Dies ermöglicht es, sehr feine Unterschiede zu erkennen. Außerdem verfügen Hyperspek­tralkameras oft über einen erweiterten Spektralbereich, der über das sichtbare hinausgeht, das heißt, bis ins Swir-Spektrum reicht. Dadurch ermöglicht die hyperspektrale Bildgebung das Bestimmen chemischer und physikalischer Eigenschaften eines Produkts, zum Beispiel dem Sortieren von Kunststoffen in einer Recyclinganlage oder die Überprüfung der Qualität von Bioprodukten in der Lebensmittelindustrie.

Hyperspektrale Bildgebung in der industriellen 100-Prozent-Prüfung 

Bisher war der Einsatz dieser Technologie jedoch auf sehr spezielle Umgebungen beschränkt: militärische Anwendungen und Forschungslabors. Die spanische Firma Iris Technology hat Lösungen entwickelt, um die hyperspektrale Bildgebung für die industrielle Inline-Inspektion einzusetzen. Dazu gehören geeignete Hardware und Algorithmen für maschinelles Lernen, die auf die jeweilige Anwendung zugeschnitten sind.

Ein gutes Beispiel für eine erfolgreiche Implementierung von Hyperspectral Imaging in einer industriellen Anwendung ist die von Iris entwickelte Lösung für eine große industrielle Bäckerei, um den Fettgehalt von Keksen und Gebäck in Echtzeit und kontinuierlich zu bestimmen.

Unerklärliche Veränderungen der Produkteigenschaften

In der Lebensmittelindustrie ist es unerlässlich, den Herstellungsprozess unter Kontrolle zu halten. So wird sichergestellt, dass die Qualität und der Geschmack des Produkts bei einer bestimmten Rezeptur konstant bleiben. Die Kontrolle des Fettgehalts ist besonders wichtig. Dies erwarten die Verbraucher. Außerdem führen große Schwankungen des Fettwerts zu Kostenüberschreitungen, die auf den ineffizienten Einsatz von Öl zurückzuführen sind sowie zu unerwarteten Veränderungen der Schmackhaftigkeit des Produkts, wenn der Einsatz weit über oder unter dem optimalen Wert liegt.
Der Kunde von Iris, ein führendes Lebensmittelunternehmen, das auf Kekse und Gebäck spezialisiert ist, beobachtete Veränderungen am Produkt, die sich kaum durch Rezepturänderungen erklären ließen. Daher wurde eine Untersuchung gestartet, um herauszufinden, welche Prozesse diese Veränderungen verursachten. 

Die Untersuchung war langwierig und kompliziert, da die derzeitigen Labortechniken zur Kontrolle des Fettwerts offline durchgeführt werden und spezielle Probenahmen, Vorbereitungen, Betriebsmittel und Personal erfordern. Es dauert mehrere Stunden, bis die Ergebnisse vorliegen, weshalb es nicht möglich war, den Prozess in Echtzeit zu korrigieren. Dies machte diese Methoden unvereinbar mit der Idee der Standardisierung des Produkts und mit jedem Versuch, die kritischen Qualitätsparameter im Produk­tionsprozess zu optimieren.

Inline-Messung für sofortige Korrektur

Was die Fabrik brauchte, war eine kontinuierliche Messung mit einer geringen Fehler­marge, um den Fettgehalt schnell zu messen und ihn mit Änderungen des Herstellprozesses in Verbindung zu bringen. 
Das Unternehmen wandte sich an Iris, um eine Inline-Hyperspectral-Imaging-­Lösung zu implementieren, die eine 100-prozentige Inspektion der Produkte durchführt und deren Fettgehalt in Echtzeit bestimmt. Das System basiert auf der Iris-Visum-HSI-Hardware-Plattform. Das ist ein industrielles Inline-Hyperspectral-Imaging-Analysegerät, das sich in jede Art von Produktionslinie inte­grieren lässt, um die Produktqualität in Echtzeit zu überwachen, wenn die räumlichen Informationen (Form und Position) relevant sind. Es basiert auf einer Zeilenkamera mit Swir-Empfindlichkeit (900 bis 1.700 nm). Dadurch eignet es sich gut für die Messung des Fettgehalts, der bei 1.200 nm und etwa 1.750 nm am besten zu erkennen ist. Das System erfasst bis zu 300 Zeilen pro Sekunde, um die Produkte ohne Verlangsamung des Prozesses zu prüfen. Die Software und die Chemometrie-Tools von Iris Technology Solutions ermöglichen es dem Anwender, bei Änderungen der Produktzusammen­setzung das Gerät selbst zu kalibrieren. Zudem lässt es sich nahtlos in die Betriebsinformationssysteme einbinden.

Scharfe Bilder mit Swir-optimierten Objektiven

Eine besondere Herausforderung bei der Swir-Bildgebung ist die Wahl der richtigen Optik. Objektive, die für das sichtbare Spektrum entwickelt wurden, sind für die hyperspektrale Bildgebung nicht geeignet. Swir-Licht lässt sich nicht wie sichtbares Licht bündeln, was zu unscharfen Bildern führt. „Wir haben mehrere Objektivtypen von verschiedenen Herstellern getestet“, erklärt Joan Puig, stellvertretender Direktor bei Iris. „Wir haben uns schließlich für das LM8HC-SW von Kowa entschieden, weil es eine hervorragende Leistung über den gesamten Spektralbereich unseres Visum-HIS-Systems bietet.“ 
Das LM8HC-SW von Kowa ist ein 8-mm-Industrie­objektiv mit C-Mount, das für das kurzwellige Infra­rotspektrum (Swir) optimiert ist, wodurch es sich für das Erkennen von Fett bei 1.200 und 1.750 nm eignet. Es ist Teil der HC-SW-Serie von Kowa mit Swir-optimierten Objek­tiven, die auch Modelle mit 12,5, 16, 25, 35 und 50 mm Brennweite umfasst. Das industrietaugliche Design passte auch gut zur robusten Hardware der Kamera, die für raue Umgebungen optimiert ist.

Mittels Nahinfrarot-Kamera das Problem erkannt

Das Visum-HIS-Inspektionssystem ist seit mehr als einem halben Jahr in der Produktionslinie der Bäckerei im Einsatz. Damit war sie in der Lage, das Prozessproblem, das zu Schwankungen des Fettgehalts im Gärungsprozess führte, zu erkennen und Korrekturmaßnahmen zu ergreifen. Infolgedessen stabilisierte der Anwender den Fettgehalt und senkte den Ölverbrauch des Herstellungsprozesses um 1,5 Prozent. Mit der dazu eingesetzten Hardware, den optischen Komponenten und der Software, überwacht das Unternehmen den Fettgehalt seiner Produkte nun permanent. Das ermöglicht eine konstante Produktqualität und geringere Herstellungskosten, ohne Öl zu verschwenden.

Bei einer Abweichung der Parameter wird automatisch ein Alarm ausgelöst, sodass der Anwender sofort Korrekturmaßnahmen ergreifen kann. Der Erfolg dieses Projekts hat ihn davon überzeugt, das System auch an anderen Produktionsstandorten einzuführen.

Ideale Lösung für die Lebensmittelkontrolle

Was für Fett gilt, gilt auch für andere Parameter in der Lebensmittelherstellung, wie Feuchtigkeit, Fett, Zucker, Gewürze oder andere. Es gibt einen optimalen Wert in der Gleichung Qualität vs. Produktionskosten, der jedoch schwer zu erreichen ist, da es an Echtzeitmessungen und Informationen über die chemische Zusammensetzung des Produkts mangelt. Die hyperspektralen Bildgebungssysteme von Iris Technology in Verbindung mit den Swir-optimierten Industrieobjektiven von Kowa ermöglichen es ­Lebensmittelherstellern, die Übereinstimmung ihrer Produkte mit der Rezeptur in Echtzeit zu überwachen, ohne den Produktionsprozess zu verlangsamen.

Autor
Jean-Philippe Roman, Senior Marketing Communications Consultant, Vision Markets