martes, 12 de febrero de 2013

Detección automática de huevos defectuosos

Investigadores de las universidades Politécnica de Madrid y de Milán han conseguido detectar de forma automática huevos de gallina no aptos para la venta. La técnica se basa en el análisis de imágenes digitales tomadas en oportunas longitudes de onda.

Un equipo de la ETSI Agrónomos de la Universidad Politécnica de Madrid y la Facultad de Scienze Agrarie e Ambientali de la Università degli Studi di Milano (Italia) han desarrollado un sistema que detecta automáticamente los huevos de gallina con cáscara defectuosa para adaptarlo a una máquina de clasificación en línea.

El sistema, cuyos detalles se publican en la revista Food and Bioprocess Technology, clasifica los huevos para detectar automáticamente aquellos con cáscara defectuosa –cáscara con residuos de heces, sangre, plumas, etc–.

El objetivo último es adaptarlo a una máquina de clasificación en línea. La automatización del proceso de clasificación podría ayudar a controlar los costos, a reducir la carga de trabajo de los operadores y, sobre todo, a mejorar la calidad del producto.

Este sistema off-line está constituido por un dispositivo de visión artificial que emplea un algoritmo basado en una combinación de imágenes digitales tomadas en apropiadas longitudes de onda –del rojo y del azul–. A través del algoritmo propuesto se han segmentado las imágenes de las muestras analizadas –384–, obteniendo, en el caso de huevos con cascara defectuosa, una imagen binaria en grado de evidenciar los defectos presentes en la superficie del huevo.

Sobre la base de las características geométricas de las manchas detectadas, el sistema pudo clasificar correctamente el 98% de las muestras con un tiempo de procesamiento muy bajo: 0,05 segundos. La robustez de la clasificación propuesta se confirmó gracias a una validación externa de un segundo conjunto de muestras, obteniendo un alto porcentaje de muestras correctamente clasificadas.

Dado que el sistema emplea un algoritmo basado en dos longitudes de onda (rojo y azul) que, con la verde, constituyen el filtro RGB de una común cámara digital, este método constituye una técnica sencilla, rápida, barata, y no destructiva para la clasificación automática de huevos de consumo y podría ser considerada como un primer importante paso hacia la automatización del entero proceso.ç

El problema de los huevos defectuosos

La presencia de huevos de gallina con cascara defectuosa, con manchas de residuos orgánicos o grietas, constituye uno de los mayores problemas que pueden afectar a los productores y a los distribuidores de huevos de consumo ya que, si la cascara presenta defectos superficiales, el producto pierde calidad.

Un producto de baja calidad no sólo comporta consecuencias económicas negativas sino que puede causar una pérdida de confianza del consumidor. Además, los residuos que pueden encontrarse en la superficie externa de los huevos constituyen un riesgo de contaminación microbiológica que puede acarrear problemas de carácter higiénico-sanitario.

Por tanto, es esencial que en la industria avícola la incidencia de huevos defectuosos en el proceso de producción y en la fase de comercialización sea la más baja posible. Los productores deben ser capaces de detectar y separar rápidamente de la línea los huevos defectuosos.

En Europa el proceso de producción de los huevos de aves destinados al consumo humano tiene tres etapas: recolección, clasificación y envasado. Si bien en los últimos años la fase de recolección y el envasado se han automatizado en gran parte, la fase de clasificación, durante la cual los huevos son clasificados e inspeccionados para detectar eventuales defectos, todavía se hace de forma manual.


Referencia bibliográfica:

Lunadei, L.; Ruiz-Garcia, L.; Bodria, L.; Guidetti, R. "Automatic Identification of Defects on Eggshell Through a Multispectral Vision System". Food and Bioprocess Technology 5 (8): 3042-3050, noviembre de 2012. (Estos investigadores en la fecha de publicación de este artículo trabajaban en el grupo de investigación LPF-TAGRALIA de la UPM).


Fuente: agenciasinc