광학 감지 및 기계 학습을 통한 더욱 스마트한 과일 선별

사과가 바구니에 담기기 전에 매장에서 사과를 검사하는 데 얼마나 걸리나요? 오늘날의 소비자는 식품이 지속적으로 고품질을 유지하기를 기대합니다. 이것이 바로 Ocean Optics와 같은 회사가 고급 광학 감지 도구 및 분석을 사용하여 소비자를 위한 식품 품질을 향상시키고 식품 가공업체 및 분류 기계 제조업체를 위한 솔루션 품질을 향상시키는 이유입니다.

역사적으로 식품 분류는 작업자의 전문 지식을 바탕으로 품질을 시각적으로 판단하는 수동 방식으로 관리되었습니다. 머신 비전 시스템, 광학 스캐닝 및 분광학의 도입으로 훨씬 더 깊은 수준의 이해와 분석이 추가되었습니다. 예를 들어, 일부 분광계는 과일 껍질 내부를 "볼" 수 있어 지방, 단백질 또는 수분 함량을 확인하거나 내부 갈변, 부패 또는 멍을 찾아낼 수 있습니다.

기계 학습과 같은 새로운 도구는 분석 기능의 또 다른 계층을 추가합니다. 예를 들어, 분광학을 고급 통계 모델 및 기계 학습 아키텍처와 융합함으로써 공급망 내의 다양한 그룹에 즉각적인 이점을 실현할 수 있습니다. 보다 효율적인 시설을 위해 노력하는 식품 가공업체; 그리고 소비자들은 자신이 기대하는 것을 먹고 있다는 확신을 갖고 싶어합니다.

대추는 성서 시대부터 인기 있는 과일이었습니다. 소비자는 자신이 원하는 날짜의 종류, 즉 너무 습하지도 않고 너무 건조하지도 않은 날짜를 정확히 알고 있습니다.

이스라엘에 본사를 둔 신선 농산물 분류 제품의 선두 공급업체인 Lugo Machinery & Innovation은 수분을 기준으로 날짜를 수동으로 분류하는 방법을 개선하기 위해 Ocean Optics에 접근했습니다. 그들의 목표는 간단했습니다. 첫째, 분류 프로세스를 자동화하여 모든 수동 검사를 없애는 것입니다. 다음으로 측정을 신속하게 수행합니다. 마지막으로 비파괴적으로 측정을 수행합니다. 또한 Lugo의 일정은 날짜 시즌까지 단 4개월로 매우 짧았으며 분광학에 대한 사전 경험이 없었습니다.

Lugo의 날짜 샘플에 대해 타당성 테스트를 수행했는데, 이는 과일의 수분 수준과 NIR 상관관계를 신속하게 보여주어 시스템 선택을 결정하는 데 도움이 되었습니다. 이 설정은 훨씬 더 큰 샘플 세트를 분석하기 위해 현장에서 사용된 다음 독점 기계 학습 알고리즘을 개발하기 위한 교육 데이터에 사용되었습니다.

Lugo는 850-900nm 사이의 날짜 수분 반응을 알고 있었고 분석이 해당 영역에만 집중될 것이라고 상상했습니다. 그러나 다른 과일과 채소를 분석한 경험을 바탕으로 우리는 더 넓은 패턴의 스펙트럼 특징을 포함하도록 분석 범위를 확장하여 기계 학습 알고리즘을 개발하는 데 도움을 주었습니다. 광대역 대 이산 파장 스펙트럼 분석이라는 이 접근 방식은 보다 정확한 결과를 제공하고 데이터가 광 간섭과 관련된 편차에 덜 민감하게 만듭니다.

응용 분석은 Lugo 날짜 정렬 프로젝트에도 반영되었습니다. 이전에 개발된 알고리즘의 견고성과 예측 정확도를 보여준 Lugo는 전용 PC에서 실행되는 알고리즘을 사용하여 스펙트럼 플랫폼을 컨베이어 벨트 시스템에 통합했습니다. 이 정렬 시스템의 아키텍처는 각 날짜를 스캔하고 12개 이상의 잠재적 상관 모델에 가중치를 부여하여 궁극적으로 최상의 모델에 "투표"하고 밀리초 단위로 출력을 생성합니다. 분류 방법은 정확한 수치 출력에 비해 더 광범위한 임계값 결정이 필요한 이 애플리케이션에서 중요했습니다. 이러한 방법 중 일부에는 k-NN(k-최근접 이웃), 가우스 및 다항식이 포함됩니다. 분석법 도구 상자는 정확한 정량화된 출력을 위한 회귀 모델을 포함하도록 발전하고 있으며, 이는 다양한 출처에서 불순물을 찾는 공정 흐름에서 작업하는 사람들에게 매우 중요합니다.

흡광도와 농도 추세 사이의 수학적 상관관계를 도출함으로써 우리는 고급 이해를 향한 첫 걸음을 내디뎠습니다. 이러한 상관 관계가 선형 적합에서 보다 복잡한 함수로 발전함에 따라 이해가 더욱 발전하고 이러한 복잡한 함수가 여러 종을 설명하기 시작하면서 우리는 더욱 발전합니다. 그러나 어느 순간 벽에 부딪히게 됩니다. 어떤 시점에서는 너무 많은 출력을 생성하기 위해 작동하는 상호 연결된 입력이 너무 많아서 기존의 디콘볼루션 방법이 불가능하지는 않더라도 어려워집니다.