In einer Zeit, in der die Nachhaltigkeit von Tierernährung zunehmend in den Fokus rückt, bietet die Einführung von Insekten als alternative Futtermittelquelle eine Lösung für den steigenden Bedarf an Futtermitteln. Die Zulassung von Insekten als Futtermittel für Nutztiere in Europa eröffnet einen profitablen Markt und unterstreicht gleichzeitig die Möglichkeit und Notwendigkeit, effektive und automatisierte Qualitätskontrollverfahren für diese Futtermittel zu entwickeln. Insekten sind eine wichtige Proteinquelle – insbesondere angesichts der wachsenden Weltbevölkerung und der damit verbundenen steigenden Lebensmittelproduktion. Die hyperspektrale Bildgebung erweist sich dabei als eine Schlüsseltechnologie, da sie die frühzeitige Erkennung von Krankheiten, die genaue Identifizierung von Wachstumsphasen sowie die Bestimmung optimaler Erntezeitpunkte ermöglicht.
Chancen und Herausforderungen der hyperspektralen Technologie für die Insektenwelt
Derzeit werden manuelle und arbeitsintensive Methoden eingesetzt, um relevante Parameter für den Gesundheitszustand von Insekten oder ihre Erntephasen zu überprüfen. Dies verdeutlicht den Bedarf an effektiven und automatisierten Ansätzen in diesen Bereichen – insbesondere bereits in frühen Entwicklungsstadien und bei größeren Produktionsmengen bzw. Farmen.
Diese Erkenntnisse sollen nicht nur den Einsatz von Insekten als Proteinquelle in der Tierernährung sichern, sondern auch einen ersten Schritt darstellen, um zu bestimmen, ob Insektenproteinmehl durch automatisierte Prozesse in großen Mengen hergestellt werden kann. Erste Experimente mit Mehlwürmern wurden mit der hyperspektralen Kamera ULTRIS X20 durchgeführt, um die Machbarkeit zu demonstrieren, relevante Parameter zu unterscheiden und so eine hohe Qualität sowie eine schnelle Produktion sicherzustellen.
Puppenstadien – Analyse spektraler Informationen
Zur Identifizierung und Differenzierung der relevanten Puppenstadien definierten Experten drei unterschiedliche Stadien (Schlupfstadium, mittleres Stadium, Anfangsstadium) und wählten für jede Gruppe repräsentative Puppen aus.
Die Messungen dieser Puppenstadien wurden mit der ULTRIS X20 durchgeführt. Die aus mehreren Messungen gewonnenen spektralen Informationen zeigen, dass die einzelnen Puppenstadien unterschiedliche spektrale Verhaltensweisen aufweisen und somit grundsätzlich identifiziert und unterschieden werden können.
Der Verlauf der Mittelwerte mit der Standardabweichung über die Wellenlängen hinweg wird dargestellt. Die Standardabweichung beschreibt dabei die Variabilität innerhalb der einzelnen Puppenstadien, die durch die flächenhafte Aufnahme mit der hyperspektralen Kamera entsteht.
Puppenstadien – Klassifikation spektraler Messungen
Der Einsatz hyperspektraler Bildgebung zur Klassifikation der drei Puppenstadien von Mehlwürmern hat signifikante Erfolge erzielt.
Zu diesem Zweck wurden verschiedene Puppenstadien unter definierten und einheitlichen Bedingungen im Labor gemessen. Auf Grundlage dieser Daten wurde ein Modell auf einen unabhängigen Datensatz angewendet, der ebenfalls die drei Puppenstadien enthält.
Durch die Analyse der spektralen Signaturen mithilfe von Machine-Learning-Methoden konnte jedes definierte Stadium identifiziert werden. Die gemischten Stadien bei einzelnen Puppen entstehen dadurch, dass diese Tiere Übergangsformen zwischen den drei Gruppen darstellen und daher bestimmte Bereiche einer Klasse oder einer anderen zugeordnet werden können.
Erntestadien von Mehlwürmern – Analyse spektraler Informationen
Die spektrale Signatur von gefrorenen Mehlwürmern zeigt im Vergleich zu Vorernte- und erntereifen Stadien die deutlichsten Unterschiede, insbesondere im Bereich von 600 bis 800 nm.
Die Unterscheidung zwischen erntereifen und Vorernte-Stadien ist weniger ausgeprägt, zeigt sich jedoch ebenfalls am deutlichsten in diesem spezifischen Wellenlängenbereich.
Diese Analyse spektraler Informationen verdeutlicht das Potenzial spektraler Signaturen, um den optimalen Erntezeitpunkt präzise zu bestimmen und die Qualität von Mehlwürmern für den Verzehr oder die Weiterverarbeitung sicherzustellen.
Mehlwürmer – Klassifikation spektraler Messungen
Für die Extraktion spektraler Informationen wurden in den Messungen Bereiche ausgewählt, in denen die jeweiligen Mehlwurmstadien (Vorernte, erntereif, gefroren) mit hoher Wahrscheinlichkeit vertreten sind.
Die Auswahl basierte auf Expertenwissen, wodurch repräsentative spektrale Informationen sowie die zugrunde liegende Variabilität innerhalb der Stadien erfasst werden konnten. Diese Messungen dienten als Grundlage für das Training der Machine-Learning-Algorithmen.
Weitere Messungen der einzelnen Stadien wurden anschließend markiert (Vorernte = blau, erntereif = grün, gefroren = gelb) und zur Evaluierung verwendet. In der Auswertung werden rote Bereiche als falsch zugewiesene Stadien dargestellt, während grüne Bereiche korrekt zugewiesene Stadien zeigen.
Die Identifizierung der drei Stadien war erfolgreich, da der Großteil der markierten Bereiche (97,4 %) korrekt zugeordnet wurde (grüne Bereiche).
Mehlwürmer – Vorernte, erntereif, gefroren (von links nach rechts); farbige Infrarotbilder (obere Reihe) und Klassifikationsergebnisse (untere Reihe) mit falsch klassifizierten (rot) und korrekt klassifizierten (grün) Bereichen der drei Stadien.
Ausblick: Hyperspektrale Technologie für die Insektenproduktion
Insgesamt konnte gezeigt werden, dass die hyperspektrale Kamera ULTRIS X20 Parameter, die für die Insektenindustrie relevant sind, erfolgreich unterscheiden kann.
Diese Kamera ermöglicht eine nicht-invasive, schnelle und zuverlässige Erkennung definierter Puppenstadien sowie die Identifizierung erntereifer Tiere. Damit wurde ein erster Schritt zur Optimierung von Zuchtprozessen und zur Steigerung der Produktionseffizienz erreicht.
Die Ergebnisse unterstreichen das Potenzial hyperspektraler Messungen in der Mehlwurmzucht als alternative Nahrungsquelle. Weitere Forschung ist erforderlich, beispielsweise zur frühzeitigen Erkennung von Krankheiten oder zur Untersuchung unterschiedlicher Qualitätsmerkmale aufgrund verschiedener Futterquellen der Insekten.
Mit fortschreitender Technologie könnten zukünftige Untersuchungen auch mit ULTRIS SWIR durchgeführt werden. Dessen Wellenlängenbereich liefert Informationen über tiefere Schichten des Insektenkörpers und könnte neue Erkenntnisse über relevante Parameter ermöglichen.
About the Author
Dr. Viktoriya Tsyganskaya is the Head of Project Management at Cubert GmbH and has been leading research and customer projects since 2018. She earned her PhD in Remote Sensing from Ludwig Maximilian University of Munich, specializing in radar remote sensing and environmental monitoring. Viktoriya has extensive experience from her scientific work, including the project „Dikes under Pressure,“ and expertise in sustainable environmental solutions. Her deep knowledge in remote sensing makes her a key contact for innovative hyperspectral technologies at Cubert.
