تصویربرداری هایپراسپکترال و اندازه گیری غیر تخریبی

نام گردآورنده: احمد احتیاطی، دکتری فناوری مواد غذایی
3 دقیقه
تصویر برداری هایپراسپکترال و اندازه گیری غیر تخریبی

تصویربرداری هایپراسپکترال

Hyperspectral Imaging یا تصویربرداری فراطیفی یک روش پیچیده برای ثبت اطلاعات طیفی از یک نمونه است. در این روش، برخلاف تصویربرداری معمولی که تنها سه فرکانس طیفی (قرمز، سبز و آبی) را ثبت می‌کند، تعداد زیادی فرکانس طیفی در طیف الکترومغناطیسی جمع‌آوری می‌شود. این امر امکان تحلیل دقیق‌تر و شناسایی ویژگی‌های خاصی را که در تصویربرداری معمولی قابل مشاهده نیست، فراهم می‌کند.

روش انجام تصویر برداری هایپراسپکترال

برای انجام تصویربرداری هایپراسپکترال، ابتدا نور از یک منبع ساطع کننده محدوده طیف مورد نظر، به نمونه می‌تابد. این نور ممکن است بر اساس ویژگی های شیمیایی نمونه، از نمونه منعکس، منتقل یا جذب شود.  هر ماده‌ای بسته به ویژگی‌های فیزیکی و شیمیایی خود، نور را در طول موج‌های خاصی جذب یا منعکس می‌کند. برای مثال، گیاهان نور سبز را منعکس می‌کنند و نورهای قرمز و آبی را بیشتر جذب می‌کنند، اما اطلاعات فراطیفی بیشتر از این را ارائه می‌دهد که شامل ویژگی‌های خاص جذب و انعکاس در طول موج‌های متعدد است. یک دستگاه هایپر اسپکترال از حسگرهای ویژه‌ای استفاده می‌کند که نور منعکس شده یا عبوری از صحنه را به فرکانس های متعدد تجزیه می‌کند. در این مرحله، طیف الکترومغناطیسی به صدها باند نازک در طول موج‌های مختلف (از فرابنفش تا مادون قرمز نزدیک) تقسیم می‌شود. حسگر هایپر اسپکترال، داده‌های طیفی از هر پیکسل تصویر را جمع‌آوری می‌کند. به عبارت دیگر، برای هر پیکسل یک طیف کامل ثبت می‌شود. این داده‌ها در قالب یک مکعب سه‌بعدی ذخیره می‌شوند. دو بعد مکعب داده مکان و سومین بعد آن طیف است. هر باند در این مکعب داده مربوط به یک طول موج خاص است. تحلیل این داده ها در راستای اهداف مورد نظر انجام می شود.

اندازه گیری غیر تخریبی در کنترل کیفیت

اندازگیری غیرتخریبی در کنترل کیفیت صنایع غذایی به مجموعه‌ای از روش‌ها و تکنیک‌ها اشاره دارد که به هدف ارزیابی و بررسی ویژگی‌های یک محصول بدون آسیب رساندن به آن انجام می‌شود. این نوع اندازگیری به ویژه در شرایطی که امکان تخریب نمونه وجود ندارد یا هزینه دارد، مهم است. در این روش ها  از تکنولوژی های فیزیکی مبتی بر امواج صوتی و الکترومغناطیس و با بهره گیری از سنسورها، ویژگی های مورد نظر در نمونه ارزیابی می شود. اندازه گیری غیر تخریبی ممکن است در مواردی مانند اندازه گیری غلظت مواد دارای خطای اندازه گیری باشد ولی در موارد متعددی می تواند قابل قبول باشد و  اغلب این روش‌ها سریع و کارآمد هستند و به ویژه در خطوط تولید برای مانیتورینگ آنلاین کاربرد دارند. به طور کلی استفاده از اندازگیری غیرتخریبی در کنترل کیفیت به بهبود استانداردهای تولید، کاهش ضایعات و افزایش رضایت مشتری کمک می‌کند.

ترکیب تصویر برداری چند طیفی با تکنیک های مدلسازی مختلف مانند رگرسیون حداقل مربعات، می تواند در پیش بینی ویژگی های مورد نظر بر اساس مدل آموزش دیده، مورد استفاده قرار گیرد. ترکیب تکنیک های پردازش تصویر و مدلسازی یا کمومتریکس و شبکه های عصبی مصنوعی، ظرفیت های مختلفی را برای اندازه گیری غیر تخریبی محصولات غذایی فراهم می سازد.

کاربرد در صنایع غذایی

با توجه به اینکه در این تکنیک، طیف هر پیکسل تعریف شده در تصویر برداری برای آنالیز در دسترس است، در درجه اولی، تفکیک تصویر دقیق تر در مقایسه با تصویر برداری معمولی و تصویر برداری چند طیفی حاصل می شود. برخی کاربرد هایی که تاکنون برای این تکنیک پیشنهاد شده است، شامل موارد زیر است:

  • بررسی ویژگی هایی مانند سفتی و زخم میوه و سبزی مانند سیب و قارچ
  • بررسی ویژگی های شیمیایی، رنگ و بافت محصولات دریایی مانند فیله ماهی
  • بررسی رنگ، بافت، کیفیت سطوح چربی، آلودگی میکروبی و برخی ویژگی های شیمیایی در برش های گوشت
  • تفکیک دقیق تر اجزا، در مواردی که تصویر برداریی ناحیه مرئی، کنتراست مناسب را فراهم نمی کند

با این حال، تحقیقات برای توسعه کاربرد های این تکنیک، به ویژه برای کاربرد های مانیتورینگ آنلاین محصولات حین تولید ادامه دارد. ظرفیت های زیر برای بکارگیری تکنیک تصویر برداری چند طیفی پیشنهاد شده است:

  • تعیین دمای مرکزی و رطوبت محصولات گوشتی حین فرایند پخت
  • تفکیک تردی گوشت حین فرایند پخت بر اساس مدل ایجاد شده با نتایج دستگاهی و ارزیابی حسی
  • تعیین رطوبت محصول طی فرایند خشک کردن
  • تخمین غلظت برخی یون ها مانند سدیم در محصول تحت فراوری
  • مانیتورینگ تغییر ترکیبات شیمیایی نمونه طی فرایند های پخت
  • بررسی تقلب در محصولات ارزشمند مانند ادویه و چای
  • تفکیک و طبقه بندی محصولات

تصویر برداری هایپراسپکترال و اندازه گیری غیر تخریبی

برای دریافت اطلاعات بیشتر به مقاله های کاربرد پردازش تصویر در صنعت غذا و هوش مصنوعی و آینده صنعت غذا مراجعه نمایید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Set your categories menu in Header builder -> Mobile -> Mobile menu element -> Show/Hide -> Choose menu
اولین navigation menu here خود را ایجاد کنید
سبد خرید
برای دیدن نوشته هایی که دنبال آن هستید تایپ کنید.