Les techniques intelligentes de séchage des aliments avec l’IA améliorent la qualité et l’efficacité des produits

Le séchage des aliments est un processus courant pour conserver de nombreux types d’aliments, notamment les fruits et la viande ; cependant, le séchage peut altérer la qualité et la valeur nutritionnelle des aliments. Ces dernières années, les chercheurs ont développé des techniques de précision qui utilisent des capteurs optiques et l’IA pour faciliter un séchage plus efficace. Une nouvelle étude de l'Université de l'Illinois à Urbana-Champaign examine trois techniques de séchage intelligentes émergentes, fournissant des informations pratiques à l'industrie alimentaire.

L'article est publié dans la revue Avis sur l'ingénierie alimentaire.

« Avec les systèmes de séchage traditionnels, vous devez prélever des échantillons pour surveiller le processus. Mais avec un séchage intelligent ou un séchage de précision, vous pouvez surveiller en permanence le processus en temps réel, améliorant ainsi la précision et l'efficacité », a déclaré l'auteur correspondant Mohammed Kamruzzaman, professeur adjoint à le Département de génie agricole et biologique (ABE), qui fait partie du Collège des sciences de l'agriculture, de la consommation et de l'environnement et du Grainger College of Engineering de l'Illinois.

Dans cet article, les chercheurs examinent la littérature universitaire sur différents types d'équipements qui appliquent des techniques de précision pour améliorer les capacités de séchage intelligentes dans l'industrie alimentaire.

Ils se concentrent sur trois systèmes de détection optique : l'imagerie RVB avec vision par ordinateur, la spectroscopie proche infrarouge (NIR) et l'imagerie hyperspectrale proche infrarouge (NIR-HSI) – discutant des mécanismes, des applications, des avantages et des limites de chacun. Ils fournissent également un aperçu des méthodes de séchage industrielles standards, telles que la lyophilisation, la pulvérisation, le séchage par micro-ondes ou au four à air chaud, qui peuvent être combinées avec des techniques de surveillance de précision.

« Vous pouvez utiliser chacun des trois capteurs séparément ou en combinaison. Ce que vous choisirez dépendra du système de séchage particulier, de vos besoins et de la rentabilité », a déclaré l'auteur principal Marcus Vinicius da Silva Ferreira, chercheur postdoctoral à l'ABE.

RVB avec vision par ordinateur utilise une caméra ordinaire qui capture la lumière visible avec un spectre de couleurs RVB. Il peut fournir des informations sur les caractéristiques de la surface, telles que la taille, la forme, la couleur et les défauts, mais il n'est pas capable de mesurer la teneur en humidité.

La spectroscopie NIR utilise la lumière proche infrarouge pour mesurer l'absorbance de différentes longueurs d'onde, qui peuvent être corrélées aux caractéristiques chimiques et physiques uniques du produit, et elle peut mesurer des qualités internes telles que la teneur en humidité. Cependant, le NIR scanne un point à la fois.

Cela peut fonctionner pour un seul produit, comme une tranche de pomme, du moins au début, a déclaré Kamruzzaman.

« Mais à mesure que le séchage progresse, le matériau va rétrécir et devenir hétérogène, à cause des fissures et des courbures. Si vous utilisez le NIR à ce stade, et si vous ne scannez qu'un seul point, vous ne pouvez pas mesurer le taux de séchage », a-t-il noté.

Le NIR-HSI est la plus complète des trois techniques. Il scanne toute la surface du produit et fournit donc des informations beaucoup plus précises sur le taux de séchage et d'autres caractéristiques que le NIR seul, car il extrait des informations spatiales et spectrales tridimensionnelles. Cependant, le NIR-HSI est également beaucoup plus cher que les deux autres capteurs. L'équipement coûte 10 à 20 fois plus cher que les capteurs NIR et 100 fois ou plus que les caméras RVB. De plus, les exigences de maintenance et de calcul pour HSI sont considérablement plus élevées, ce qui augmente encore le coût total.

Les trois méthodologies doivent être combinées avec l'IA et l'apprentissage automatique pour traiter les informations, et les modèles doivent être formés pour chaque application spécifique. Encore une fois, HSI nécessite plus de puissance de calcul que les deux autres systèmes en raison de la grande quantité de données qu’il collecte.

Les chercheurs ont également développé leur propre système de séchage pour tester les différentes méthodes. Ils ont construit un four à convection et testé les techniques de séchage des tranches de pomme. Ils ont d'abord combiné le système avec RVB et NIR ; Plus tard, ils ont également testé le système NIR-HSI, dont ils envisagent de discuter des résultats dans un prochain article.

« Pour la surveillance en temps réel, la convergence de l'imagerie RVB, des capteurs spectroscopiques NIR et du NIR-HSI avec l'IA représente un avenir transformateur pour le séchage des aliments. L'intégration de ces technologies surmonte les limites conventionnelles de surveillance du processus de séchage et propulse les capacités de surveillance en temps réel », ont-ils déclaré. conclu dans le document.

Le développement futur d'appareils NIR-HSI portables permettra une surveillance continue des systèmes de séchage, fournissant un contrôle de qualité en temps réel dans une variété d'environnements d'exploitation, ont-ils noté.