Comprender la Visión Hiperspectral: Una Herramienta Poderosa para la Seguridad Alimentaria

¿Cómo puede detectar materia extraña, por ejemplo, un trozo de plástico en una mezcla de alimentos del mismo color? A simple vista, el ojo humano puede no ser 100% efectivo en este tipo de detecciones, sin embargo, la tecnología hiperspectral sí lo es.

El sector alimentario es uno de los sectores que sufre las inspecciones de calidad más exhaustivas, ya que, ante todo, se requiere la seguridad del consumidor. La tecnología de visión hiperspectral, cada vez más conocida, es la mejor opción para control de calidad, monitorización y control de procesos de producción en el sector alimentario.

Pero, ¿qué es exactamente la visión hiperspectral?

La visión hiperspectral combina dos tecnologías diferentes: una de ellas es la visión artificial, que, como hemos contado en otros blogs, consiste en capturar imágenes del mundo real, procesarlas y analizarlas para que nos den información adicional. Esta tecnología, en combinación con espectroscopía en rango infrarrojo, crea mapas tridimensionales, también llamados hipercubos.

De estas tres dimensiones, dos corresponden a la morfología de la muestra y la restante a su composición. Cada hipercubo está compuesto por imágenes e imágenes de píxeles. Cada píxel contiene datos, estos datos son espectros que permiten identificar cuerpos de alta densidad (metales) y baja densidad (restos orgánicos o insectos).

Lo más destacado de esta tecnología es la posibilidad de identificar la composición de los productos de forma continua y conocer el mapa de composición para saber la distribución de los componentes del producto, asegurando su homogeneidad. Usando una leyenda de colores, se puede conocer la composición del elemento detectado. Aquí hay algunos ejemplos de cómo se verían las imágenes hiperspectrales comparadas con las originales.

Imagen hiperspectral de arroz mezclado con plástico

Imagen hiperspectral en la que se pueden ver cáscaras y piel de pistacho

¿Quiere saber más sobre visión hiperspectral? ¡Contáctenos!