Multispektrale Bildanalyse von Getreide und Saatgut
Untersuchung physikalischer und chemischer Eigenschaften von Getreidekörnern und Saatgut mit dem Spektralphotometer VideometerLab.
Getreidekulturen
Qualitätsbeurteilung von Getreidekörnern
Die Qualität von Getreidekörnern ist ein Schlüsselfaktor für Lebensmittelhersteller, um die Bedürfnisse und Ansprüche der Verbraucher zu erfüllen. Durch den Einsatz der spektralen Bildgebung kann die Qualität schnell und zerstörungsfrei beurteilt werden – ohne zeitaufwändige Probenvorbereitung und ohne Einsatz von Chemikalien. Einige der häufigsten Eigenschaften, die bei der Untersuchung der Getreidekornqualität auf diese Weise bewertet werden können:
- Größen- und Formverteilung
- Reinheit und Beimischungsanteil
- Mechanische Beschädigung: Gebrochene, enthäutete und gerissene Körner
- Farbe, Samenschale, Oberflächenchemie
- Keimung und Vorerntekeimung
- Krankheitserreger: Fusarium und andere Schimmelpilze
- Erkennung von Fälschungen und Verfälschungen
Analyse von Hartweizen (Durum)
Die Hartweizenqualität ist nicht nur für die Endqualität von Pasta und Couscous wichtig, sondern für alle Beteiligten in der Lieferkette. Dieser Bericht untersucht, wie die Qualität von Hartweizen (Durumweizen) von Saatgutunternehmen, Getreidehändlern, Landwirten, der Mühlenindustrie, der Pasta-Industrie sowie den Verbrauchern wahrgenommen wird. Das VideometerLab misst eine Reihe wichtiger Qualitätsparameter in der gesamten Lieferkette:
- Reinheit
- Größen- und Formverteilung, Gleichmäßigkeit
- Schimmelpilzbefall, hauptsächlich Fusarium spp.
- Gläserne vs. nicht-gläserne Kerne
- Verfälschungen (z. B. durch Weichweizen)
Jeweils links im Bild ist Hartweizen zu sehen, rechts gewöhnlicher Weizen. Die obere Reihe zeigt die Proben in normaler Farbe und die untere Reihe zeigt den aus dem Spektralbild berechneten spektralen Fingerabdruck für Hartweizen. Der Kontrast zwischen den beiden Korntypen nimmt enorm zu. Die spektrale Bildgebung ermöglicht es so, Getreidearten und Verunreinigungen deutlich besser zu erkennen und zu unterscheiden.
Analyse von Hafer: Fusarium-Erkennung
Die Qualitätsanalyse von Hafer ist vergleichbar mit der von anderen Getreidearten. Das Bilder zeigen ein Beispiel für den Nachweis von Fusarium spp.
Auf den Bildern in der oberen Reihe befinden sich 6 mit Fusarium spp. infizierte Haferkörner (links) und 4 nicht infizierte (rechts). Diese können zum „Trainieren“ der Software verwendet werden, was beim Test an den gemischten Körnern in der unteren Reihe überzeugende Ergebnisse liefert.
Bedeutung von Keimfähigkeit
Lebensfähiges Saatgut keimt, wenn es unter geeigneten Bedingungen bezüglich Feuchtigkeit, Temperatur und Sauerstoff gelagert wird. Schlechte Ernte- und Lagerbedingungen können zu einer niedrigen Saatgutqualität führen, aber auch Themen wie Reinigung, Verarbeitung, Versand, Krankheiten, Insekten und Umwelteinflüsse haben starke Auswirkungen auf die Keimqualität.
Es ist wichtig, die Keimfähigkeit einer Saatgutpartie schnell und effizient zu erkennen, um schnell mit der weiteren Saatgutbehandlung fortfahren zu können. Mit dem VideometerLab ist dies problemlos möglich: Die Ergebnisse der multispektralen Bildgebung zeigen zuverlässig den Prozentsatz der lebensfähigen Samen in einer Partie an.
Acrospire Assessment – Ein Beispiel für die Keimfähigkeitsmessung von Saatgut in der Mälzereiindustrie (Bewertung der Keimfähigkeit)
Chitting-% (Vorkeimung) in drei einfachen Schritten bestimmen
1. Die einzelnen Körner in eine Petrischale legen
2. Die Petrischale in das VideometerLab stellen
3. Messung starten
Die Ergebnisse liegen innerhalb von 20 Sekunden vor.
Im Ausgabebild werden Körner ohne Keimling mit einem roten Rechteck und Körner mit Keimling mit einem grünen Rechteck markiert. Die Anzahl der ausgekeimten Körner wird berechnet und in Prozent angegeben.
Saatgut-Vitalitätsprüfung
Die Saatgutvitalität definiert die Aktivität und Leistungsfähigkeit eines Saatgutes. Die Größe und der Gesundheitszustand des Samens bestimmen die Wachstumsrate. Durch Messungen auf Basis von multispektraler Bildgebung mit dem VideometerLab lassen sich die Vitalitätseigenschaften von Saatgut schnell bestimmen.
Samenvitalität kann beispielsweise durch Bewegungsregistrierung bestimmt werden: Die Samen werden in Wasser gelegt und Bilder im Abstand von 12 Stunden aufgenommen. Im rechten Bild wird das Ausmaß der Bewegung der Samen dargestellt. Oberhalb der Linie befinden sich lebensfähige Samen, darunter nicht.
Qualitätsbeurteilung der Saatgutgesundheit
Saatgut ist die Grundlage für die Pflanzenproduktion, weshalb die Saatgutgesundheit auch enorm wichtig für die Nahrungsmittelproduktion ist. Durch Pilze verursachter Verfall kann die Qualität während der Lagerung, Verarbeitung und Vermehrung beeinträchtigen. Daher ist es wichtig, den Infektionsgrad von Saatgut direkt nach der Ernte genau zu bestimmen und Methoden zur Reduzierung der Infektion vor der Aussaat zu optimieren.
Untersuchungsmethoden der Saatgutgesundheit zum Nachweis von Pilzen
Es gibt viele klassische zeitaufwendige und teure Methoden zur Prüfung der Saatgutgesundheit und zur Identifizierung von Pilzarten in Saatgut. Mit der multispektralen optischen Analyse durch das VideometerLab liegen die Testergebnisse jedoch sehr schnell vor. Der Zeitaufwand für Waschtests, Inkubationsmethoden, Embryonenzählung und Sämlingssymptomtests sowie der Einsatz von Chemikalien können vermieden werden. Mit der multispektralen Saatgutgesundheitsprüfung ist keine zeitaufwendige Probenvorbereitung mit Chemikalien oder teuren Verbrauchsmaterialien notwendig. Die Methode ist zerstörungsfrei und im Vergleich zu klassischen Methoden kosteneffizient.
Beurteilung der Saatgutqualität
- Sortenreinheit und analytische Reinheit
- Keimfähigkeit
- Wuchskraft
- Gesundheit des Saatguts
- Größe
- Gleichmäßigkeit
- Sortenidentifikation und -klassifizierung
- Erkennung von Insektenschäden
- Pilzbefall
- Vorhersage der chemischen Zusammensetzung
- Oberflächenstruktur
- Farbe
- Morphologie
Raps
Der Anteil der Rapsbeimischung (Nicht-Raps-Anteil) kann mit einem VideometerLab in Verbindung mit dem Autofeeder schnell und präzise bestimmt werden. Mit einem speziell dafür entwickelten Modell zur Auswertung können innerhalb von 5 Minuten 50 g einer Probe bei einer Fehlerquote von ca. 1 % untersucht werden.
- Bestimmung des Rapsanteils im Vergleich zu Nicht-Raps (Beimischung)
- Aufschlüsselung des Beimischungsanteils in Fremdbestandteile (Steine, Stöcke, Stiele ...) und Fremdsamen (Klee, Petersilie, Ackerwinde, Mohn, Senf, Storchschnabel ...)
- Analyse von 50 g Probe innerhalb von 5 Minuten mit ca. 1 % Fehler
- Protokollierung und Dokumentation sowohl visuell als auch in Excel
Sonnenblumenkerne
Wie beim Raps kann mit einem VideometerLab in Verbindung mit einem Autofeeder auch der Gehalt an Sonnenblumensaatbeimischungen (Nicht-Sonnenblumen-Anteil) schnell und präzise bestimmt werden.
- Modell zur Bestimmung des Gehalts an Sonnenblumensamen im Vergleich zur Beimischung
- Aufschlüsselung des Beimischungsanteils in Fremdbestandteilen (Steine, Stöcke, Stiele ...) und Fremdsamen (Getreide, Unkraut ...)
- Analyse von 100 g Probe innerhalb von 5 min mit ca. 1 % Fehler
- Auswertung und Dokumentation sowohl visuell als auch in Excel
Sojabohnen
Die Qualitätsanalyse von Sojabohnen kann anhand von Farbe, Größe, Form, Textur, Hilum-Eigenschaften und bestimmten Arten der Oberflächenchemie durchgeführt werden. Ein Modell zur Bewertung dieser Eigenschaften wird entwickelt.
- Farbe, Größe und Formverteilung der Samenschale
- Farbe, Größe und Form des Hilums
- Textur
- Genetische Reinheit: transgen vs. nicht-transgen, eine chinesische Studie berichtet von einer Genauigkeit von 98,2 % bei einem Test-Set
- Analyse von 200 g Probe innerhalb von 5 min
- Berichterstattung und Dokumentation sowohl visuell als auch in Excel
Palmfrucht
Palmfrüchte könnrn automatisch nach der Qualität klassifiziert werden.
Fusarium in Gerste
Die Bestimmung der Fusarium-Infektion während der Getreideannahme spielt eine immer entscheidendere Rolle. Fusarium in Gerste ist ein Indikator für das Risiko einer negativen Beeinflussung der Bierqualität, z. B. durch Gushing oder die Bildung von Mykotoxinen. Daher muss der Fokus auf der Verwendung von Gerste ohne Fusarium-Infektion liegen.
Das multispektrale VideometerLab, kalibriert für die Fusarium-Erkennung, ermöglicht es, Gerstenproben auf eine Fusarium-Infektion hin zu untersuchen. Diese Messung, die ohne chemische oder mechanische Probenvorbereitung durchgeführt wird, dauert nicht länger als 10 Sekunden.
Beurteilung der Fleischqualität
Messen Sie die Farbe, den Muskel- und den Sehnenverlauf von Fleisch.
Bewertung der Fruchtfestigkeit
Sind Sie sich der Frische Ihres Obstes und Gemüses bewusst? Wie können Sie wissen, ob es mechanische Beschädigungen oder Prellungen unter der Schale oder der Haut gibt? Und wie steht es um die Produktreife?
VideometerLab wird zur Beurteilung mechanischer Schäden und des Verderbs von Früchten verwendet. Obstschäden haben oft einen charakteristischen spektralen Fingerabdruck, der zur schnellen und einfachen Erkennung von Faulstellen oder verdorbenen Früchten verwendet werden kann. Die meisten Beeren zeigen diesen Fingerabdruck, z. B. Erdbeeren und Preiselbeeren.
Hautmessung mit dem VideometerLab
Nicht nur in der Petrischale oder über den Autosampler lassen sich Bilder mit dem VideometerLab machen: Das System kann auch direkt am Menschen angewendet werden, um z. B. die Wirkung einer Creme oder Emulsion direkt auf der Haut messen zu können.
Koloniezählung in Petrischalen
VideometerLab kann für die automatische Zählung von Mikrobenkolonien in Petrischalen verwendet werden. Die spektrale Bildgebung bietet eine höhere Empfindlichkeit als die herkömmliche Bildgebung, und es können nicht sichtbare Halos von Metaboliten oder Nährstoffverarmungen festgestellt werden, um lebende Kolonien von Partikeln, Schlamm usw. zu unterscheiden.
Bild: Staphylococcus Aureus
Optische Untersuchung von Orangensaft mit VideometerLab
Vor ein paar Wochen haben wir für eine Studie zur Geruchserkennung verschiedene Orangensäfte mit der elektronischen Nase HERACLES Neo untersucht. Dabei sind uns bei einigen Proben deutliche Farbunterschiede aufgefallen, die unser Interesse geweckt haben: Wenn wir mit dem bloßen Auge einen Unterschied erkennen, was können wir wohl alles mit dem VideometerLab sehen? Wir haben eine kurze Übersicht zusammengestellt, die Sie sich hier (natürlich kostenlos) als Broschürenbestellung herunterladen können.
Pommes Frites
Mit VideometerLab können viele wichtige Parameter für die Qualität von Pommes Frites bewertet werden, wie Länge, Breite, Grünfärbung, Schalenreste, Rost, dunkle und helle Quetschungen, Zuckerenden, Bräunung und vieles mehr. Sie können eine Datenbank mit virtuellen Streifen in hoher spektraler und räumlicher Auflösung aufbauen und in dieser Datenbank Qualitätsklassen definieren. Eine solche Datenbankbeschreibung kann von einem Standort auf einen anderen, von einem Jahr auf ein anderes und von einem System auf ein anderes übertragen werden.
Röstgrad von Haselnüssen
Die Qualität der Haselnussröstung kann mit Hilfe des VideometerLab schnell analysiert werden. Wir haben einige Beispiele zusammengestellt, die Sie über untenstehenden Link kostenlos anfordern können.
Untersuchung von Schüttgütern
Bei der Untersuchung von Schüttgütern wie Müsli oder Nussmischungen und dem Auszählen von Reiskörnern wird noch überwiegend nach dem „Aschenputtel-Prinzip“ gearbeitet: Die Guten ins Töpfchen, die Schlechten ins Kröpfchen. Das heißt, dass diese Aufgabe bis jetzt von Mitarbeitern in der Qualitätskontrolle übernommen werden muss.
Bei der Untersuchung von Nuss- oder Fruchtmischungen in einem Müsli oder Studentenfutter liegt das besondere Augenmerk auf der multispektralen Bildanalyse, da diese auch den Nah-Infrarot- und den Ultra-Violet-Bereich (365 nm bis 970 nm) abdeckt. Dadurch kann das System automatisch Dinge erkennen bzw. unterscheiden, welche mit dem menschlichen Auge nicht sichtbar sind.
Mit dem VideomerLab 4 und einem Autofeeder kann dieser Prozess automatisiert werden. Sie schütten die gewünschte Menge der Probe in den Trichter vom Autosampler und nach kurzer Zeit erhalten Sie eine statistische Auswertung über die Anzahl der einzelnen Komponenten in der Mischung bzw. eine Aussage über die geschädigten Reiskörner.