Algemeen Ontwikkeling snelle en contactloze screeningstechniek voor bepalen van de samenstelling van gemixte reststromen
ILVO ondersteunt in de ontwikkeling van snelle en contactloze screeningstechnieken. Daarbij helpt ze sensorproducenten met het ontwikkelen of testen van nieuwe sensoren en helpt ze verwerkende industrieën en integratoren met het uitwerken van nieuwe of heel specifieke toepassingen. Het ILVO Living Lab Agrifood Technology begeleidt hen in dat vraagstuk.
Kansen tot automatisatie, efficiëntie en kwaliteitsverbetering
Tijdens sortering of verwerking is het onontbeerlijk om product karakteristieken van grondstoffen en geprocesste materialen te kunnen inschatten. In-line sensoren kunnen op grote schaal een grote stroom aan producten screenen, weliswaar iets minder nauwkeurig, maar het laat toe sneller in te grijpen dan bij periodieke puntmetingen (vb. één staal wordt gemeten elk half uur). Je kan zo processen automatisch bijsturen op basis van kwaliteitsparameters zoals vochtgehalte, kleur, en samenstelling. Verwerkende bedrijven passen dit reeds in bepaalde mate toe, maar vele kansen liggen nog open voor verdere automatisatie. Hiermee kan men grondstoffen meer optimaal benutten, verliezen minimaliseren – bvb. door vermijden van verkeerde instellingen - en komen tot een excellente productkwaliteit. Dergelijke screeningsystemen zijn veelal gebaseerd op spectrale beeldverwerking, die m.b.v. AI product karakteristieken voorspellen. ILVO heeft expertise in het opbouwen van dergelijke modellen en in het prototyping van oplossingen of integraties, en breidde hiervoor recent haar analysecapaciteit uit met een mobiele spectrofotometer met de steun van het EFRO en FIO in het Fast-Analab project.
Prototyping van een in-line sensor. Hoe?
Een sensor die in-line in een productielijn geïntegreerd wordt, dient robuust, snel en betaalbaar te zijn. Een ontwikkelingstraject gaat daaraan vooraf, waarbij men nagaat in welke mate kwaliteitsparameters gelinkt kunnen worden aan de spectrale respons en welke golflengtes daarbij discriminerend zijn om een voorspelling hiervan te doen.
ILVO investeerde in een nieuwe spectrofotometer voor onderzoeksdoeleinden. Dit onderzoektoestel is breed inzetbaar voor piloottesten met bedrijven, vanwege het brede golflengtegebied met hoge resolutie. In een dergelijke test wordt de haalbaarheid nagegaan van een specifieke commercieel beschikbare sensor in het voorspellen van kwaliteitsparameter(s). Een specifieke sensor bevat steeds een beperkte set aan golflengtes. Met het breed inzetbare onderzoektoestel kan nagegaan worden of een betrouwbaar voorspellend model kan opgebouwd worden gebaseerd op welbepaalde golflengtes. Aangezien het onderzoektoestel over het ganse golflengtegebied kan meten, heeft het de capaciteit om de toepassingen (en haalbaarheid ervan) van eindeloos veel commerciële sensoren uit te werken.
Via de techniek van Machine Learning - een vorm van AI – worden modellen gegenereerd die spectrale data linken aan vooraf in het labo gemeten productkwaliteitsparameters. Voor implementatie van de sensor in de praktijk, wordt het model vervolgens getraind met praktijkrelevante data, en op regelmatige basis hertraind, om de inschattingen optimaal betrouwbaar te houden.
Beloftevolle toepassing: Contactloos bepalen samenstelling gemixte reststromen
In het kader van het Europese Mix Matters onderzoeksproject, verkent ILVO de mogelijkheid om de samenstelling van gemixte product stromen contactloos te bepalen. Het project richt zich op de maximale valorisatie van grote volumes beschikbare plantaardige reststromen, die waardevolle componenten bevatten, maar heterogeen gemixt voorkomen wat hun valorisatie bemoeilijkt. Product stromen die ILVO onderzoekt zijn onverkochte, gemengde groenten- en fruitstromen van groothandels, retail en voedingsbedrijven.
Voor die experimenten worden product batches aangemaakt met de pilootverwerkingsmachines van de Food Pilot. Van de fracties bekomen na verwerking worden stalen genomen, en enerzijds worden product parameters bepaald - zoals chemische samenstelling - aan de hand van analytische referentiemethoden. Anderzijds wordt spectrale data gemeten over een breed golflengtebereik met het onderzoektoestel beschreven hierboven. Beide datasets worden aan elkaar gelinkt wat resulteert in een regressie- of classificatiemodel. Vervolgens kunnen afleidingen gemaakt worden, om in te schatten in hoeverre verschillende commercieel beschikbare in-line sensoren in staat zijn de nodige data te capteren. Dit biedt de basis voor een gefundeerde keuze voor een in-line sensor die in productie geïntegreerd kan worden. Vervolgens gebeurt een fase om het model te trainen a.d.h.v. data captatie in de productie.
Na de trainingsfase kan de spectrale sensor op basis van dat model contactloos en niet-destructief de product parameter inschatten, bvb. vezel- of vochtgehalte. Die informatie helpt de verwerker een gefundeerde keuze hoe een specifieke product stroom best verder verwerkt kan worden, met een zicht op welke valorisatiepistes het grootste potentieel hebben. Suikerrijke vloeibare fracties kunnen bijvoorbeeld na een conserveringsbehandeling ingezet worden als C-bron in een fermentatie. De vezelrijke perskoek die bekomen wordt na ontwateren met een spiraalfilterpers, kan gedroogd worden en als vezelconcentraat in voedingsproducten worden benut.
Bedrijven kunnen hun uitdagingen aandragen
ILVO werkt steeds vraaggedreven, op basis van reële cases van bedrijven. Leg jouw uitdaging voor om ze te behandelen in onze collectieve onderzoeksprojecten, of in een één-op-één confidentieel traject.
Uitgevoerde investering in het Fast-analab project
Naast de spectrofotometer, werd in het EFRO project ook geïnvesteerd in 2 andere analysetechnieken nl. een LC-HR-MS om nieuwe eiwitten te karakteriseren, en een N2O gas analyser om bodem emissie te analyseren. Het project werd mogelijk gemaakt door de financiële steun van EFRO (344 000 euro) en FIO (86 000 euro).