Сушка продуктов питания — это распространенный процесс сохранения многих видов продуктов, включая фрукты и мясо; однако сушка может изменить качество и пищевую ценность продуктов. В последние годы исследователи разработали точные методы, которые используют оптические датчики и ИИ для более эффективной сушки. В новом исследовании Иллинойсского университета в Урбане-Шампейне обсуждаются три новых интеллектуальных метода сушки, предоставляя практическую информацию для пищевой промышленности.

Статья опубликована в журнале Food Engineering Reviews.

«При использовании традиционных систем сушки вам необходимо извлекать образцы для контроля процесса. Но при использовании интеллектуальной сушки или прецизионной сушки вы можете непрерывно контролировать процесс в режиме реального времени, повышая точность и эффективность», — сказал соавтор Мохаммед Камруззаман, доцент кафедры сельскохозяйственной и биологической инженерии (ABE), входящей в Колледж сельскохозяйственных, потребительских и экологических наук и Инженерный колледж Грейнджера в Иллинойсе.

В статье исследователи рассматривают научную литературу о различных типах оборудования, в котором применяются прецизионные методы для улучшения возможностей интеллектуальной сушки в пищевой промышленности.

Они фокусируются на трех системах оптического зондирования — RGB-визуализации с компьютерным зрением, ближней инфракрасной (NIR) спектроскопии и ближней инфракрасной гиперспектральной визуализации (NIR-HSI) — обсуждая механизмы, приложения, преимущества и ограничения каждой из них. Они также предоставляют обзор стандартных промышленных методов сушки, таких как сублимационная сушка, распылительная, микроволновая или сушка в печи с горячим воздухом, которые можно комбинировать с методами точного мониторинга.

«Вы можете использовать каждый из трех датчиков по отдельности или в комбинации. Ваш выбор будет зависеть от конкретной системы сушки, ваших потребностей и экономической эффективности», — сказал ведущий автор Маркус Винисиус да Силва Феррейра, научный сотрудник ABE.

RGB с компьютерным зрением использует обычную камеру, которая захватывает видимый свет с цветовым спектром RGB. Она может предоставить информацию о характеристиках на уровне поверхности, таких как размер, форма, цвет и дефекты, но она не способна измерять содержание влаги.

Спектроскопия NIR использует ближний инфракрасный свет для измерения поглощения различных длин волн, которые можно соотнести с уникальными химическими и физическими характеристиками продукта, и может измерять внутренние качества, такие как содержание влаги. Однако NIR сканирует одну точку за раз.

По словам Камруззамана, это может сработать для одного продукта, например, ломтика яблока, по крайней мере, на начальном этапе.

«Но по мере высыхания материал сжимается и становится неоднородным из-за растрескивания и изгиба. Если вы используете NIR на этом этапе и сканируете только одну точку, вы не сможете измерить скорость высыхания», — отметил он.

NIR-HSI является наиболее всеобъемлющим из трех методов. Он сканирует всю поверхность продукта, поэтому он предоставляет гораздо более точную информацию о скорости высыхания и других характеристиках, чем один NIR, поскольку он извлекает трехмерную пространственную и спектральную информацию. Однако NIR-HSI также намного дороже двух других датчиков. Оборудование стоит в 10-20 раз дороже, чем датчики NIR, и в 100 раз или больше, чем камеры RGB. Кроме того, требования к обслуживанию и вычислениям для HSI существенно выше, что еще больше увеличивает общую стоимость.

Все три методологии должны быть объединены с ИИ и машинным обучением для обработки информации, а модели должны быть обучены для каждого конкретного приложения. Опять же, HSI требует большей вычислительной мощности, чем две другие системы, из-за большого объема данных, которые она собирает.

Исследователи также разработали собственную систему сушки для проверки различных методов. Они построили конвекционную тепловую печь и протестировали методы сушки ломтиков яблок. Сначала они объединили систему с RGB и NIR; позже они также протестировали систему NIR-HSI, результаты которой они планируют обсудить в предстоящей статье.

«Для мониторинга в реальном времени объединение визуализации RGB, спектроскопических датчиков NIR и NIR-HSI с ИИ представляет собой преобразующее будущее для сушки пищевых продуктов. Интеграция этих технологий преодолевает ограничения традиционного мониторинга процесса сушки и расширяет возможности мониторинга в реальном времени», — заключают они в статье.

Они отметили, что будущая разработка портативных ручных устройств NIR-HSI позволит осуществлять непрерывный мониторинг систем сушки, обеспечивая контроль качества в режиме реального времени в различных рабочих средах.