‘Hyperspectral imaging’, toekomstmuziek in voedingsindustrie?

Printervriendelijke versieSend by email

Deze technologie, oorspronkelijk ontwikkeld voor ruimtevaart en militaire applicaties, integreert de belangrijkste kenmerken van spectroscopie met deze van traditionele beeldverwerking om simultaan zowel ruimtelijke als spectrale informatie van objecten te verkrijgen. Door de snelle evolutie van deze opkomende technologie zijn de eerste toepassingen als niet-destructieve inspectie voor voedingskwaliteit -en veiligheid waarschijnlijk niet meer veraf.

'Hyperspectral imaging' combineert de kracht van digitale beeldverwerking met deze van spectroscopie. Voor elke pixel in een beeld registreert de camera voor verschillende spectrale banden de lichtintensiteit. Een traditionele kleurencamera detecteert maar informatie van 3 spectrale banden, deze die overeen komen met de primaire kleuren: rood, groen en blauw. Multispectrale data bevat informatie over 10 tot 100 verschillende banden en hyperspectrale data bevat info over meer dan 100 verschillende banden. Hoe groter het aantal banden, des te groter de spectrale resolutie. (Figuur 1)





Figuur 1: (boven) Elke pixel uit een hyperspectraal beeld bevat de spectrale data en dus specifieke materiaalkenmerken van deze pixel (bron [1])
(onder) Weergave spectrum in spectrale banden ter duiding van de principes ‘multispectraal’ en ’hyperspectraal’ (bron [IMEC])

Een spectrum van een materiaal is te vergelijken met een vingerafdruk en des hoger de resolutie van het spectrum, des te verfijnder de vingerafdruk en des te meer informatie er uit te onderscheiden valt.

Net zoals bij traditionele spectroscopie zijn geavanceerde statistische methoden nodig om specifieke eigenschappen te linken aan de kenmerkende golflengtes.

 

Principe ‘Hyperspectral Imaging’

Licht van een lichtbron wordt gereflecteerd en door een optisch dispersie-element, zoals een prisma, gescheiden in verschillende golflengtes. Een array van sensoren detecteert de lichtintensiteit voor de verschillende golflengtes. Afhankelijk van intensiteit van de lichtbron, de reflectie en de gevoeligheid van de detector wordt voor iedere golflengte de reflectantie berekend.



Figuur 2: Schematisch weegave van de basiselementen van hyperspectrale spectrometer (bron [1])

 

 



Toepassingen

Multispectrale en hyperspectrale technieken worden gebruikt in tal van toepassingen. Verschillende satellieten zijn uitgerust met zulke camera’s omdat hiermee veel meer informatie, zoals aanwezigheid van water, olie en gas en de mineralogie van een bepaald gebied, te capteren is dan mogelijk is met een gewone kleurencamera .

Het leger gebruikt de techniek om gecamoufleerde objecten op te sporen zoals straaljagers met snufjes tegen radar– en hittedetectie of mensen in een duistere omgeving. (Figuur 3)



Figuur 3: (links) Detectie van acryl en nylon, (midden) detectie van huid, (rechts) detectie van plastic (bron [6])

In de landbouw kan ‘hyperspectral imaging’ informatie geven over het gewastype, bodemkarakteristieken en gewasaantasting door ziekte, ongedierte of droogte. (Figuur 4)


Figuur 4: Multispectraal beeld van akkers op 4 momenten in het jaar (bron [6])


Ook voor de voeding?

In de literatuur zijn er reeds verschillende artikels verschenen over het gebruik van ‘hyperspectral imaging’ voor kwaliteitscontrole en voedselveiligheid. Enkele voorbeelden hiervan zijn:

· Opvolging kwaliteit versneden paddenstoelen

· Detectie van gewasaantasting door ziekten en insecten

· Bepaling malsheid van rundvlees

· Kneusdetectie bij appels (Figuur 5)

· Identificatie van toxineproducerende schimmels (Figuur 6)

· Onderscheiden van citruskanker van andere veel voorkomende ziekten bij citrusvruchten (Figuur 7)


Figuur 5: Kneusdetectie van appels (bron [7])



Figuur 6: (boven) Spectra van verschillende toxineproducerende schimmels. (onder) Identificatie van de verschillende schimmels door middel van ‘hyperspectral imaging’ (bron [3])


Figuur 7: spectra van pompelmoezen met verschillende aandoeningen. ‘Market’ geeft het spectrum van een gezonde vrucht aan (bron [4])

In theorie is met 'hyperspectral imaging' ook waar te nemen wat met traditionele spectroscopie te detecteren is, maar dit vereist een grote spectrale resolutie (zeer kleine bandbreedtes) en het wegfilteren van een aantal effecten zoals atmosferische transmissie en topografie.

Of de technologie daadwerkelijk zal doorbreken in de voedingsindustrie zal veel afhangen van de nodige technologische evolutie. 'Hyperspectral imaging' is zeer complex en vereist momeneel geavanceerde en kostelijke apparatuur: gevoelige detectors, veel rekenkracht en grote opslagcapaciteit.

De stand van zaken laat nog niet toe om op een snelle manier met voldoende grote spectrale resolutie data te genereren en te verwerken. Als aan deze voorwaarden is voldaan komt real-time procescontrole en optische sortering op een heel nieuw scala van parameters dichtbij, maar voorlopig staan we daar nog ver vanaf.

Gelukkig lopen er een aantal onderzoeken om deze kloof te dichten.


Onderzoek

In samenwerking met verschillende Vlaamse universiteiten en instellingen heeft IMEC een SBO voorstel ingediend rond ‘hyperspectral imaging’. Er wordt gefocust op de mogelijke toepassingen, de ontwikkeling van nieuwe algoritmes voor dataverwerking en het ontwerp van de geminiaturiseerde hardware die real-time beeldverwerking op een energiezuinige manier toelaat. Voor meer info over dit onderzoek kan je Klaas Tack contacteren.


Bronnen

[1] Smith, R.B. (July 14, 2006), Introduction to hyperspectral imaging with TMIPS, MicroImages Tutorial Web site

[2] Q. Jun, M. Ngadi, N. Wang, A.Gunenc, M. Monroy, C. Gariepy, S. Prasher, “Pork Quality Classification Using Hyperspectral Imaging System and Neural Network”, International Journal of Food Engineering, vol. 3-1, art. 6 (2007)

[3] H. Yao, Z. Hruska, R. Kincaid, R. L. Brown, T. E. Cleveand, “Differentiation of toxigenic fungi using hyperspectral imagery”, Sens.& Instrumen. Food Qual. 2:215-224 (2008)

[4] T. Burks, “Exploring the Potential for Electronic Grading of Fruit with Cancer Lesions”, 24th Annual Packhousing days, Citrus Research and Extension Center, University of Florida.(2007)

[5] Hyperspectral Imaging, wikipedia pagina

[6] www.itres.com

[7] www.neo.no/hyspex/


Interessante links

[8] NASA remote sensing tutorial

(Johan.dure@flandersfood.com)

Artikel verschenen in de Foodgate STW nieuwsbrief.