Las técnicas inteligentes de secado de alimentos con IA aumentan la calidad y la eficiencia del producto

El secado de alimentos es un proceso común para conservar muchos tipos de alimentos, incluidas frutas y carnes; Sin embargo, el secado puede alterar la calidad y el valor nutricional de los alimentos. En los últimos años, los investigadores han desarrollado técnicas de precisión que utilizan sensores ópticos e inteligencia artificial para facilitar un secado más eficiente. Un nuevo estudio de la Universidad de Illinois Urbana-Champaign analiza tres técnicas de secado inteligentes emergentes y proporciona información práctica para la industria alimentaria.

El artículo se publica en la revista. Revisión de ingeniería de alimentos.

«Con los sistemas de secado tradicionales, es necesario extraer muestras para monitorear el proceso. Pero con el secado inteligente, o secado de precisión, se puede monitorear continuamente el proceso en tiempo real, aumentando la precisión y la eficiencia», dijo el autor correspondiente Mohammad Kamruzzaman, profesor asistente. El Departamento de Ingeniería Agrícola y Biológica (ABE), parte de la Facultad de Ciencias Agrícolas, del Consumidor y Ambientales y de la Facultad de Ingeniería Granger de Illinois.

En el artículo, los investigadores revisaron la literatura académica sobre varios tipos de equipos que implementan técnicas de precisión para aumentar la capacidad de secado inteligente en la industria alimentaria.

Se centran en tres sistemas de detección óptica: imágenes RGB con visión por computadora, espectroscopia de infrarrojo cercano (NIR) e imágenes hiperespectrales de infrarrojo cercano (NIR-HSI), y analizan los mecanismos, aplicaciones, ventajas y limitaciones de cada uno. Proporcionan una visión general de los métodos de secado industriales estándar, como la liofilización, el secado por pulverización, el microondas o el horno de aire caliente, que pueden combinarse con técnicas de observación de precisión.

«Puede utilizar los tres sensores por separado o en combinación. El que elija dependerá del sistema de secado específico, sus necesidades y la rentabilidad», dijo el autor principal Marcus Vinicius da Silva Ferreira, becario postdoctoral en la ABE.

RGB con visión por computadora utiliza una cámara normal que captura la luz visible con un espectro de color RGB. Puede proporcionar información sobre propiedades a nivel de superficie como tamaño, forma, color y defectos, pero no es capaz de medir la humedad.

La espectroscopia NIR utiliza luz infrarroja cercana para medir la absorción en diferentes longitudes de onda, que pueden correlacionarse con propiedades químicas y físicas únicas del producto, y puede medir propiedades intrínsecas como el contenido de humedad. Sin embargo, NIR escanea un punto a la vez.

Esto puede funcionar para un solo producto, como una rodaja de manzana, al menos inicialmente, dijo Kamruzzaman.

«Pero a medida que avanza el secado, el material se encogerá y se volverá heterogéneo debido al agrietamiento y la flexión. Si se utiliza NIR en esa etapa, y si sólo se escanea un punto, no se puede medir la velocidad de secado», señaló.

NIR-HSI es la más completa de las tres técnicas. Escanea toda la superficie del producto, por lo que proporciona información mucho más precisa sobre la velocidad de secado y otras propiedades que el NIR solo, ya que extrae información espacial y espectral tridimensional. Sin embargo, NIR-HSI es mucho más caro que los otros dos sensores. Los equipos cuestan entre 10 y 20 veces más que los sensores NIR y 100 veces o más que las cámaras RGB. Además, los requisitos informáticos y de mantenimiento de los HSI son considerablemente mayores, lo que aumenta aún más el coste total.

Los tres métodos deben integrarse con la IA y el aprendizaje automático para procesar datos, y los modelos deben entrenarse para cada aplicación específica. Nuevamente, HSI requiere más potencia computacional que los otros dos sistemas porque recopila grandes cantidades de datos.

Los investigadores también desarrollaron su propio sistema de secado para probar diferentes métodos. Construyeron un horno de convección y probaron técnicas para secar rodajas de manzana. Primero integraron el sistema con RGB y NIR; Posteriormente también probaron el sistema NIR-HSI, cuyos resultados planean discutir en un próximo artículo.

«Para el monitoreo en tiempo real, la IA con imágenes RGB, sensores espectroscópicos NIR y NIR-HSI representan un futuro transformador para el secado de alimentos. La integración de estas tecnologías supera las limitaciones del monitoreo del proceso de secado convencional y avanza las capacidades de monitoreo en tiempo real», afirman. concluyó en el documento.

Señalaron que el desarrollo futuro de dispositivos NIR-HSI portátiles y portátiles permitirá aún más el monitoreo continuo de los sistemas de secado, proporcionando control de calidad en tiempo real en diversos entornos operativos.