Detektion des Wooden Breast Defekts | EVK DI Kerschhaggl GmbH

Einleitung

Das HACCP-Konzept (Hazard Analysis and Critical Control Point) stellt ein Managementwerkzeug dar, um die Sicherheit von Lebensmitteln von der Herstellung bis zum Verzehr vorbeugend zu gewährleisten [1]. Inzwischen hat sich dieses Konzept weltweit als Standard für die Lebensmittelsicherheit bewährt und durchgesetzt.

1	Durchführen einer Gefahrenanalyse
2	Identifikation der für die Sicherheit der Lebensmittel kritischen Kontrollpunkte
3	Festlegung von Eingreifgrenzen an den jeweiligen kritischen Kontrollpunkten
4	Einrichten von entsprechenden Überwachungsverfahren an den kritischen Kontrollpunkten
5	Einrichten von Korrekturmaßnahmen für den Fall von Abweichungen
6	Einrichten von Evaluierungsmaßnahmen zur Überprüfung der Effizienz des festgelegten HACCP-Systems
7	Einrichten einer Dokumentation der Maßnahmen

Tabelle 1: Die sieben HACCP-Prinzipien [2]

Das Erkennen von Störstoffen und gefährlichen Krankheiten auf Lebensmitteln ist ein relevanter Bestandteil jedes lebensmittelverarbeitenden Prozesses und funktioniert im HACCP Hygienemanagement in sieben Schritten (siehe Tabelle 1).

Durch die ortsaufgelöste in-line Echtzeit Analyse von unterschiedlichsten Analyten, die Ansteuerung der Sortier-Einheit, sowie das Aufzeichnen relevanter Daten ist die EVK in der Lage die Umsetzung der HACCP Richtlinien an der Fertigungslinie ganz wesentlich an der Basis der Messdaten zu unterstützen.

Mit der EVK Helios Kamera, und dem Softwarepaket EVK SQALAR kann eine Lösung dieser Messprobleme realisiert werden, die gleichzeitig die Ausbringung des Materials steuert. Damit kann das Prinzip 3 wesentlich unterstützt, die Prinzipien 4 und 5 vollständig abgedeckt werden, sowie über Maschinenstatistiken ein fundamentaler Beitrag zum Prinzip 6 der HACCP-Prinzipien geliefert werden.

Das Problem

Ein Beispiel aus der Praxis der Lebensmittelindustrie, angrenzend an HACCP-Prinzipien, stellt das Wooden Breast syndrome dar. Dabei handelt es sich um einen in der Hühnermast auftretenden Wachstumsdefekt der Brustmuskulatur von Hühnern, der für den Konsumenten zwar nicht gefährlich ist, das Fleisch jedoch für den Verkauf an Menschen ungeeignet macht (siehe Abbildung 1). Dieser Wachstumsdefekt verursacht mehrere Milliarden Euro Schaden in der lebensmittelverarbeitenden Industrie, da das betroffene Fleisch erstens manuell aussortiert werden muss, und zweitens nur mehr zu minderwertiger Ware verarbeitet wird, was eine signifikante Reduktion der erreichbaren Margen darstellt.

Die Lösung

Die EVK hat für einen Partner aus der Industrie eine Lösung dieses Problems entwickelt, welche auf Basis von quantitativer Hyperspektralanalyse eine genaue Messbarkeit dieses Defekts an der Produktlinie in Echtzeit ermöglicht. Diese Applikation wird hier als Beispiel dienen wie das Unternehmen EVK Anwendungen für die Lebensmittelindustrie im Bereich ihrer sensor-basierten Systeme anbietet und damit zur Prozessverbesserung im Bereich Lebensmittelsicherheit und Qualität beiträgt.

Qualitätssicherer können damit manuelle Arbeitsschritte einsparen und gleichzeitig den gesamten Produktstrom in Echtzeit erfassen und beeinflussen, z.B. indem Objekte, welche den Erfordernissen nicht entsprechen selektiv entfernt werden.

Um diesen Defekt analytisch nachzuweisen ist kein gewöhnlicher eindimensionaler Ansatz zielführend, in welchem ein Messwert gegen einen Grenzwert abgeglichen wird. Eine Erkennung ist a-priori weder über Farbkameras (vgl. Abbildung 1), noch über das direkte Korrelieren von NIR-Spektren zu Gut- und Schlecht-Produkt möglich, da viele chemometrisch feststellbare Unterschiede nicht zum Defekt selbst korrelieren, sondern natürliche Variationen ohne Qualitätsbezug darstellen. Darüber hinaus ist der Defekt auch stark über haptische Eigenschaften des Produkts bestimmt, die teilweise auch auf der subjektiven Einschätzung eines Menschen beruhen.

Für die Lösung dieser anspruchsvollen Problemstellung ist daher ein völlig neuer, deutlich umfassenderer Ansatz erforderlich in welchem eine Vielzahl unterschiedlicher chemometrisch erfassbarer Eigenschaften quantitativ vermessen, und derart in einer Logik kombiniert werden, dass eine eindeutige Erkennung des Defekts möglich wird.

Die optische Anordnung zur Kontrolle der Hühnerfilets besteht aus einer EVK HELIOS NIR G2 Class Nahinfrarot-Hyperspektralkamera mit Halogen-Beleuchtung über einem Förderband. Die Datenanalyse und Erstellung der Modellierung für die Kamera wird mit dem Softwarepaket EVK SQALAR durchgeführt.

Abb. 2: Massetest an je zehn Gutprodukt-Filets (obere zwei Reihen) und zehn Wooden-Breast Filets (untere zwei Reihen).

Als relevante Parameter zur Feststellung eines vorliegenden Wooden Breast-Defekts wurden Härte, Feuchtigkeit, Proteingehalt, Kalziumgehalt sowie die Einstufung durch einen Menschen herangezogen. Als Referenzwerte zur Korrelation mit spektralen Features wurden unabhängige Messungen durchgeführt. Die Härte wurde mittels Durometer vermessen, die Feuchtigkeit mittels Mikrowellentrocknung und Wägung, Kalzium- und Proteingehalt wurden von einem externen Lebensmittel-Labor vermessen. Die menschliche Einstufung wurde für jedes Filet vor Ort von einem eingeschulten Qualitätssicherer eingeschätzt.

Erst aus der geeigneten Kombination all dieser Parameter lässt sich dieses Klassifikationsproblem in zufriedenstellender und industrietauglicher Weise lösen. Die logische Verknüpfung mehrerer lose zum Defekt korrelierender Parameter liefert einen zuverlässigen Vorhersagewert für das Vorliegen des Wooden Breast Syndroms am Produkt.

Ein Beispiel zur Illustration einer solchen logischen Verknüpfung zeigt die Abbildung 2. Bei diesem Test wurden jeweils zehn gute (obere zwei Reihen) und zehn defekte (untere zwei Reihen) Filets ausgewertet. Zwei quantitative Parameter sind dabei den zwei Farbkanälen Rot und Grün zugewiesen, wodurch der resultierende Farbton das Verhältnis der beiden Parameter zueinander, und damit das Vorliegen eines Defekts bereits über einen Grünstich im Chemical Imaging Bild anzeigen kann.

Das endgültige Modell zur Lösung der Problematik ist hingegen etwas komplizierter. Teile der Modellierung sind in Abbildung 3 dargestellt. Rechts im Bild ist das Ergebnis des Algorithmus (Wooden-Breast-Defekt in %) in Falschfarben dargestellt.

Abbildung 3: Messung in SQALAR Links: Eingangsbilder in gemittelter spektraler Intensität. Mitte oben: Einer von mehreren Referenzspektrensätzen des Modells. Mitte unten: Gegenüberstellung der menschlichen Einschätzung ("nominal values") gegenüber chemometrischem Modell. Rechts Falschfarbendarstellung in %Wooden-Breast-Defekt.

Fazit

Das hier diskutierte Beispiel einer Problemlösung mittels quantitativer HSI-Analyse zur Qualitätsüberwachung und -steigerung lässt sich nicht durch einfache Sensorik, oder direkte Anwendung von üblichen HSI-Verfahren lösen. Erst das Zusammenspiel einiger wesentlicher Faktoren, wie unter anderem das fundamentale Verständnis der eingesetzten Mess-Systeme, das von EVK eingeführte Quantitative Chemical Imaging Verfahren [3], oder die Erfahrung bei der Entwicklung von Applikationen haben hier eine Lösung gebracht, die bei einem europäischen Hühnerfleisch-Verarbeiter erfolgreich an der Produktlinie wird.

Autoren: Dr. Eduard Gilli, Dr. Matthias Kerschhaggl, Alexander Fetz