Công ty Ecotech và International AdvancedCông ty công nghệ dụng cụ hợp tác, cam kết cung cấp "sinh thái- Nông nghiệpChương trình kỹ thuật toàn diện "Sức khỏe" Công ty dựa trên International AdvancedcủaCông nghệ hình ảnh quang phổ cao Specim, kết hợp tầm nhìn máy móc và tích hợp R&D tự động, cung cấp cho người dùng các giải pháp phân loại trực tuyến đa dạng, tùy chỉnh và tự động, cho phép phân loại thông lượng cao và phản ứng thời gian thực cho các sản phẩm dây chuyền lắp ráp công nghiệp. Hệ thống có thể kết hợp với dây chuyền lắp ráp công nghiệp, băng tải và hệ thống phân loại thông minh, dựa trên khả năng nhận dạng phổ mạnh mẽ và mô hình phân loại linh hoạt, đầu ra kết quả nhận dạng chính xác trong thời gian thực, người dùng không cần phải thực hiện một loạt các công việc mã hóa phức tạp và phân tích hình ảnh quang phổ, có thể nhận được kết quả cuối cùng, làm giảm đáng kể ngưỡng của công nghệ hình ảnh quang phổ cao để ứng dụng thị trường.

Các tính năng chính:

▌ Sử dụng SpectraScanCông nghệ nền tảng quét hình ảnh quang phổ, có thể được tùy chỉnh đặc biệt theo kịch bản sử dụng của người dùng

■ Công nghiệp cấp đẩy hình ảnh phổ cao, tùy chọn400-1000nm、900-1700nm、2700-5300nmBăng tần đẳng cấp

Phần mềm đào tạo mô hình phân loại: Người dùng có thể xem dữ liệu mẫu, đào tạo mô hình phân loại, xác minh hiệu quả phân loại, xây dựng ứng dụng

Phân loại thời gian thực trực tuyến: Đơn vị xử lý dữ liệu hiệu suất cao, hoạt động thời gian thực theo mô hình phân loại và hiển thị kết quả phân loại trực tuyến

■ Hỗ trợGigE，USB 3.0, RS-232 / 485，có thểGiao diện, có thể tương thích với quy trình hạ lưu của dây chuyền lắp ráp công nghiệp, hỗ trợ phân loại thông minh

■ Công nghệ hình ảnh quang phổ cao Thông quaTừ CE、Cơ quan quản lý FCC、Hệ thống RoHS3Các chứng nhận dòng chính quốc tế.

Trường hợp ứng dụng:

1, Kiểm tra chất lượng hạt dẻ cười

Chất lượng của các loại hạt thường được đánh giá dựa trên độ tươi của sản phẩm, sự thiếu hụt, các chất gây ô nhiễm như ve và các chất lạ. Trong kiểm soát chất lượng của quả hồ trăn, khiếm khuyết và phát hiện các chất lạ là liên kết quan trọng nhất trong sản xuất.

Các phương pháp HPLC, GC-MS, IR-MS được sử dụng trước đây đều có nhược điểm không thể phát hiện trong thời gian thực. Trong những năm gần đây, công nghệ thị giác máy dựa trên hình ảnh màu (RGB) đã đóng một vai trò quan trọng trong quá trình chế biến thực phẩm và kiểm soát chất lượng, nhưng vẫn còn thiếu sót trong việc xác định ve, nấm mốc và các chất lạ khác. Các nhà thí nghiệm người Ý đã áp dụng công nghệ hình ảnh quang phổ cao (HSI) để kiểm soát chất lượng quả hồ trăn, phân tích định tính và định lượng các đặc điểm vật lý và hóa học khác nhau của mẫu để khám phá các chiến lược tốt hơn để kiểm soát chất lượng thực phẩm.

Nhân viên thí nghiệm chọn ngẫu nhiên các loại mẫu cụ thể khác nhau của hỗn hợp quả hồ trăn, chia 99 mẫu thành 6 loại: quả hồ trăn có thể ăn (23), quả hồ trăn không thể ăn (23), vỏ quả hồ trăn (13), vỏ quả hồ trăn (13), cành nhỏ (13) và nhân (14). Ví dụ trong Hình 1.1 bên trái, các mẫu được chia thành hai nhóm tập huấn luyện (70%) và tập xác nhận (30%), bắt đầu bằng cách tiền xử lý phổ ban đầu để làm nổi bật sự khác biệt đặc trưng của sáu loại phổ.

Hình 1.1 bên trái: Biểu đồ RGB (a), Bộ đào tạo (b) và Bộ xác minh (c); Phải: Phổ phản xạ trung bình (a) và tiền xử lý (b) của mẫu 6 trong dải SWIR

Tập dữ liệu đào tạo được đào tạo thông qua phân tích thành phần chính (PCA), các mô hình phân loại khác nhau áp dụng phương pháp phân loại đa biến, kết quả đào tạo được thể hiện trong hình 1.2 bên trái bên dưới, trong đó đồ thị dự đoán CART tương tự như kết quả của PCA-kNN, thu được kết quả phân loại rất tốt, vượt trội so với kết quả thu được từ PLS-DA và PCA-DA. Các bộ dữ liệu xác minh được dự đoán bằng cách sử dụng các mô hình phân loại khác nhau, kết quả được hiển thị bên phải trong Hình 1.2, mô hình đều xác định chính xác các viên đá, đồ thị dự đoán PLS-DA và PCA-DA tương tự, cho thấy cùng một khu vực phân loại sai, trong khi đồ thị dự đoán mô hình CART được đặc trưng bởi các pixel phân loại sai hơn. Biểu đồ dự báo PCA-kNN cho thấy tốt nhấtKết quả là, có rất ít khu vực phân loại sai cho một danh mục duy nhất.

Hình 1.2 bên trái (a, b, c, d) là kết quả đào tạo; Phải (a, b, c, d) là kết quả dự đoán

Kết quả cho thấy công nghệ hình ảnh quang phổ cao dựa trên dải SWIR cung cấp một phương pháp tốt để giám sát và kiểm soát chất lượng hạt dẻ cười, với triển vọng rộng lớn trong các tình huống phát hiện ngoại tuyến hoặc thời gian thực cho các ứng dụng công nghiệp.

2. Đánh giá chất lượng thử nghiệm không phá hủy trà hoa cỏ

Cùng với sự quan tâm của người tiêu dùng đối với sức khỏe tăng lên, lượng tiêu thụ trà hoa cỏ cũng đang từng bước tăng lên. Trà hoa cỏ là sự pha trộn của hai hoặc nhiều loài thực vật dựa trên mục đích cải thiện hương vị và tăng lợi ích sức khỏe. Giống như các loại thực phẩm hoặc sản phẩm chăm sóc sức khỏe khác, kiểm soát chất lượng (QC) của trà hoa cỏ là rất quan trọng để đảm bảo an toàn thực phẩm và hiệu quả sức khỏe.

Các phương pháp kiểm soát chất lượng truyền thống, chẳng hạn như sắc ký lỏng hiệu quả cao (HPLC) và phổ khối (MS), có độ lặp lại và chính xác cao nhưng tốn thời gian và phá hoại, cũng như yêu cầu kiểm tra từng thành phần riêng lẻ, tốn nhiều thời gian và công sức hơn khi chứa nhiều nguyên liệu. Trong nghiên cứu này, công nghệ hình ảnh quang phổ cao được sử dụng như một cách nhanh chóng và không phá hủy để kết hợp quang phổ truyền thống và hình ảnh kỹ thuật số để đánh giá và kiểm soát chất lượng trà hoa cỏ.

Các nhà nghiên cứu tại Đại học Khoa học và Công nghệ Tswani đã sử dụng hình ảnh quang phổ cao SWIR để thu thập hình ảnh quang phổ cao của nguyên liệu thô (S. tortuosum và C. genistoides) và hỗn hợp năm lô trà hoa cỏ (Honeybush Sceletium) được mua từ Parceval Pty. Trong bối cảnh không có kiến thức hóa học liên quan, sự khác biệt hoàn toàn không phá hủy giữa hai nguyên liệu đã được thực hiện và Phân tích thành phần chính (PCA) cho thấy sự khác biệt 54,2% về thành phần hóa học giữa nguyên liệu S. tortuosum và C. genistoides.

Hình 2.1 a) Hai nguyên liệu trà; b)PC1； c) Biểu đồ phân tán cụm pixel khác nhau cho hai loại trà (t1 vs t2)

Trong việc xác định nhanh chóng và không phá hủy và định lượng thành phần của trà hoa cỏ, mô hình PLS-DA đã được phát triển dựa trên mô hình hiệu chuẩn PCA, như được hiển thị ở bên trái Hình 2.2, với kết quả bộ thử nghiệm tương tự như PCA, quan sát thấy hai cụm pixel riêng biệt, cho thấy sự khác biệt 52,8% về thành phần hóa học, với hình ảnh Y tương ứng được hiển thị bên cạnh biểu đồ phân tán, minh họa rằng nguyên liệu tinh khiết được phân loại 100%. Hình 2.2 bên phải là hình ảnh RGB và kết quả dự đoán của bộ dự đoán, bao gồm hai mẫu thử nghiệm bên ngoài và năm lô hỗn hợp trà hoa cỏ, kết quả xác nhận rằng mô hình có thể dự đoán chính xác các đặc tính của thành phần hỗn hợp trà, dự đoán rằng hỗn hợp trà hoa cỏ chỉ chứa hai nguyên liệu S. tortuosum và C. genistoides, và dự đoán định lượng C. genistoides là thành phần chính (hàm lượng>97%), trong khi S. tortuosum thấp (<3%), và kết quả định lượng gần với công thức tiêu chuẩn do công ty quy định cho C. genistoides=96% và S. tortuosum=4%. Kết quả thí nghiệm cho thấy tiềm năng tốt của công nghệ hình ảnh quang phổ cao trong việc đánh giá chất lượng của các loại thực phẩm và dược phẩm như hỗn hợp trà thảo dược.

B5-05=giá trị thông số Kd, (cài 2) b) Sự khác biệt phổ trung bình giữa S. tortuosum và C. genistoides. Bên phải: trực quan hóa các mẫu của bộ dự đoán, a) hình ảnh RGB; b) Dự đoán lớp dựa trên mô hình PLS-DA

Dựa trên công nghệ ứng dụng sáng tạo hình ảnh quang phổ SpearAPP, YIKOTAI Ecotechnology cung cấp các giải pháp hình ảnh quang phổ tùy chỉnh cho phân loại thực phẩm và dược liệu Đông y và kiểm soát chất lượng, phân loại hạt giống, phân loại dây chuyền lắp ráp công nghiệp trực tuyến, tái chế chất thải, kiểm soát chất lượng dây chuyền sản xuất, ứng dụng thị giác máy và các ứng dụng thông lượng cao khác.

Từ trái sang phải lần lượt nhặt nấm mốc đậu phộng, phân loại thịt (thịt lợn, thịt bò, thịt cừu), xét nghiệm Brix táo (được cung cấp bởi Phòng thí nghiệm hình ảnh quang phổ YIKOTAI)

Tài liệu tham khảo:

[1] Bonifazi G, Capobianco G, Gasbarrone R, et al. Phát hiện ô nhiễm trong hạt pistachio bằng các phương pháp phân loại khác nhau áp dụng cho hình ảnh siêu phổ hồng ngoại sóng ngắn [J]. Kiểm soát thực phẩm, 2021, 130(26):108202.

[2] A M S, A W C, B I V A, et al. Đánh giá chất lượng không phá hủy của hỗn hợp trà thảo dược sử dụng hình ảnh siêu phổ - ScienceDirect [J]. Thư Phytochemistry, 2018, 24:94-101.