Lebensmittelqualität und Lebensmittelsicherheit
In der industriellen Lebensmittelverarbeitung bleibt Qualitätskontrolle häufig ein Kompromiss zwischen Aufwand und Aussagekraft. Trotz erheblicher Investitionen in manuelle Prüfmethoden, Stichproben und visuelle Bildverarbeitungssysteme führen unzureichend erfasste Qualitätsmerkmale Jahr für Jahr zu Lebensmittelverlusten im Milliardenbereich. Was fehlt, ist ein objektives, skalierbares und durchgängig datenbasiertes Messverfahren – eines, das über bloße Sichtprüfungen hinausgeht und die tatsächliche Produktqualität messbar macht.
Hyperspektrale Bildgebung setzt genau hier an. Diese Technologie erweitert das klassische Konzept der Kamera um eine Dimension: Jedes Pixel enthält nicht nur Farb- oder Helligkeitsinformationen, sondern ein vollständiges Lichtspektrum.
Daraus ergeben sich für jedes Objekt charakteristische spektrale Signaturen, die präzise Rückschlüsse auf chemische, biologische und physikalische Zusammensetzung ermöglichen – nicht-destruktiv, berührungslos und in Echtzeit.
Präzision in Echtzeit – entlang der Produktionslinie
Die spektrale Analyse ermöglicht im Produktionsprozess der Lebensmittelindustrie Rückschlüsse auf Parameter wie Fett-, Protein- und Wassergehalt – ohne direkten Kontakt und in Echtzeit. Bei Fleischprodukten lassen sich zusätzlich Zartheit und Textur analysieren, während molekulare Signaturen objektive Qualitätsbewertungen ermöglichen. Hyperspektralkameras erkennen Unterschiede im spektralen Verhalten verschiedener Materialien und ermöglichen so die Detektion von Fremdkörpern wie Knochen, Knorpel, Sehnen sowie Kunststoff-, Holz- oder Metallpartikeln.
Auch biologische Verunreinigungen wie Parasiten werden erkannt, die mit herkömmlichen Methoden oft unentdeckt bleiben.
In der Obst- und Gemüseverarbeitung macht die hyperspektrale Analyse Schönheitsfehler und Druckstellen sichtbar, die noch unter der Schale verborgen sind. Sie misst präzise die Reife und biochemische Qualität der Lebensmittel und ermöglicht die exakte Bestimmung des optimalen Erntezeitpunkts. Die Kontrolle der Siegelnähte bei Verpackungen profitiert besonders von der Fähigkeit, Mikroverunreinigungen zwischen Versiegelungsschichten zu erkennen und Kontaminationen durch transparente oder bedruckte Folien hindurch zu detektieren.
In der Lebensmittelsortierung gewährleistet die Technologie höchste Standards für Lebensmittelsicherheit und minimiert Abfälle. Sie sortiert Trockenprodukte wie Saatgut, Reis, Nüsse, Körner, Hülsenfrüchte und Gewürze mit höchster Präzision. Bei tierischen Produkten analysiert sie Fleisch, Geflügel, Meeresfrüchte und Käse auf Qualitätsparameter. Die Bildverarbeitung erfolgt auf mehreren Ebenen der Produktionslinie – von der Rohmaterialkontrolle über Zwischenprozesse bis zur finalen Qualitätssicherung vor der Verpackung.
Neue Perspektiven für Kontrolle und Automatisierung
Im industriellen Kontext bedeutet das: Der Reifegrad von Obst, die Zellstruktur von Frischgemüse, der Wassergehalt von Blattware oder beginnende mikrobielle Veränderungen lassen sich unmittelbar beim Wareneingang oder im laufenden Produktionsprozess analysieren – ohne Probenvorbereitung und ohne Verzögerung. Die spektrale Aussagekraft ersetzt dabei die subjektive Einschätzung durch den Bediener. Das Ergebnis ist eine neue, reproduzierbare Objektivität in der Qualitätskontrolle, die sich vollständig automatisieren lässt.
Im industriellen Kontext bedeutet das: Der Reifegrad von Obst, die Zellstruktur von Frischgemüse, der Wassergehalt von Blattware oder beginnende mikrobielle Veränderungen lassen sich unmittelbar beim Wareneingang oder im laufenden Produktionsprozess analysieren – ohne Probenvorbereitung und ohne Verzögerung. Die spektrale Aussagekraft ersetzt dabei die subjektive Einschätzung durch den Bediener. Das Ergebnis ist eine neue, reproduzierbare Objektivität in der Qualitätskontrolle, die sich vollständig automatisieren lässt.
Im Rahmen eines industrienahen Forschungsprojekts wurde ein hyperspectral Snapshot-System entwickelt, das speziell auf die Anforderungen der Lebensmittelverarbeitung zugeschnitten ist. Es kombiniert robuste Hyperspektralkameras mit stabiler LED-Beleuchtung und softwareseitiger Integration für Machine-Learning-gestützte Bildverarbeitung. Dieses System wurde erfolgreich an einer Vielzahl von Obst- und Gemüsearten getestet – unter anderem an empfindlichen Produkten wie Beeren, Steinobst und Blattgemüse. Dabei zeigte sich, dass spektrale Signaturen in der Lage sind, Unterschiede im Reifegrad, mikrobiologische Belastungen, Druckstellen oder Austrocknungsprozesse deutlich früher zu erkennen als visuelle oder taktile Methoden.
Der eigentliche Mehrwert entsteht jedoch in der Kombination dieser spektralen Informationen mit datenbasierten Klassifikations- und Prognosemodellen. Mithilfe trainierbarer Algorithmen lassen sich Resthaltbarkeiten vorhersagen, Qualitätseinbußen durch Transport identifizieren oder automatisierte Sortierprozesse realisieren, die auf tatsächlichen Inhaltsstoffen und nicht nur auf optischem Eindruck basieren. Zudem erlaubt die Integration in cloudbasierte Systeme eine Verknüpfung mit externen Datenquellen – etwa Wetterdaten vom Ernteort oder Rückverfolgbarkeitsinformationen – wodurch erstmals ein durchgängig digitales Qualitätsprofil entlang der gesamten Lieferkette entsteht.
Qualität verstehen – statt nur zu sehen
Für die industrielle Praxis eröffnet dies neue Perspektiven: Qualitätskontrolle wird nicht mehr als Kostenfaktor, sondern als datengetriebene Steuergröße verstanden, die Ausschuss reduziert, Rückrufrisiken minimiert und Produktqualität transparent dokumentiert. In der Forschung wiederum ergeben sich neue Ansätze für die präzise Analyse, automatisierte Klassifikation und Echtzeitüberwachung biologischer Systeme unter Produktionsbedingungen.
Hyperspektrale Bildgebung wird damit zu einem zentralen Baustein der digitalen Frischeökonomie – als Schnittstelle zwischen optischer Messtechnik, KI-gestützter Analyse und industrieller Automatisierung. Sie ersetzt das bloße Sehen durch das präzise Verstehen komplexer Produktzustände – und schafft so die Grundlage für eine neue Qualität von Qualität.
Über den Autor
Dr. Matthias Locherer ist seit 2017 Sales Director bei Cubert GmbH. Mit einem PhD in Erdbeobachtung von der Ludwig-Maximilians-Universität München bringt er umfangreiche Expertise in der Fernerkundung, spektraler Bildgebung und Datenanalyse mit. Matthias hat an verschiedenen Forschungsprojekten und Publikationen mitgewirkt, insbesondere im Bereich der hyperspektralen Überwachung biophysikalischer und biochemischer Parameter mit hyperspektralen Satellitenmissionen. Seine fundierten Kenntnisse in optischer Messtechnik und physikalischer Modellierung machen ihn zu einem wichtigen Treiber für die Weiterentwicklung innovativer hyperspektraler Technologien bei Cubert.
