Control de Procesos industriales
Nuestros sistemas monitorizan tus procesos en tiempo real y te proporcionan información valiosa para optimizar tus recursos.
Objetivo. Determinar los parámetros de calidad y proceso en productos de panadería
El proyecto PHOTONICS4BAKERY “Investigación sobre la aplicabilidad industrial de tecnologías fotónicas en la determinación de parámetros de calidad y optimización de procesos en el sector de productos de panadería” tiene como objetivo desarrollar un sistema basado en tecnología hiperespectral que permita automatizar algunos controles de calidad dentro del proceso de fabricación de masas y productos panaderos. Los objetivos específicos son controlar el punto de fermentación de las barras de pan, detectar cuerpos extraños y controlar la composición de masas de panadería (sal, agua, grasa y proteína).
Este proyecto ha recibido financiación pública bajo la convocatorias AEI 2021 del Ministerio de Industria, Comercio y Turismo, dentro de las ayudas establecidas para el apoyo a agrupaciones empresariales innovadoras con objeto de mejorar la competitividad de las pequeñas y medianas empresas.
Los socios participantes en PHOTONICS4BAKERY son Asociación Cluster Alimentario De Galicia CLUSAGA, Asociación de la industria alimentaria de Castilla y León Vitartis, Hornos de Lamastelle, Industriales Panaderos Agrupados, Lugar Da Veiga, Advanced Optical Technologies y ATRIA.
El rol de ATRIA en el proyecto PHOTONICS4BAKERY ha consistido en el desarrollo del algoritmo de visión artificial para la detección de los parámetros de interés.
Solución. Cámaras hiperespectrales NIR y VISNIR para controlar los parámetros
El control de calidad en el sector alimentario es un proceso de gran importancia. Las nuevas tecnologías permiten comprobar la calidad de los productos de forma mucho más eficiente y controlada. En este caso, la tecnología hiperespectral se utiliza para la detección de cuerpos extraños y el control de parámetros como la fermentación y composición de productos de panadería de forma online y no invasiva.
Hemos utilizado cámaras hiperespectrales NIR y VISNIR para capturar imágenes de los distintos productos y muestras de interés, con el objetivo de generar un dataset que permitiera, posteriormente, desarrollar los algoritmos de clasificación. Estas muestras contienen información la matricial de diferentes longitudes de onda en cada pixel de la imagen.
En primer lugar, entrenamos modelos de clasificación con muestras que contienen impropios (clasificadas como NOK) y con muestras que no contienen impropios (clasificadas como OK).
Por otro lado, entrenamos un modelo de clasificación para conocer el estado de fermentación en el que se encuentra una barra, diferenciando el estado de fermentación entre “poco fermentada”, “fermentada” y “muy fermentada”. Actualmente, este proceso se realiza manualmente por un experto.
Por último, hemos entrenado modelos de regresión de diferentes parámetros de composición de las masas: grasa, proteína, sodio, sal, porcentaje de recortes, la cantidad de agua o de amasado.
Los resultados obtenidos demuestran que la tecnología es viable a la hora de detectar los parámetros de las masas y es capaz de detectar en qué estado de fermentación se encuentra una barra de pan. Además, la tecnología es viable a la hora de detectar los impropios que se encuentran en la superficie del material.
